Addy Osmani在Anthropic参与Claude Code的开发，之前他在Google待了十四年，Chrome DevTools和Lighthouse都有他的手笔。这人写教程出了名地勤快，Agent工作流、代码审查、Claude Code技巧轮着来。这次他盯上的是一个不太好受的话题：AI越靠谱，人越容易停止思考。
他把这个滑坡拆成三段。第一段叫认知卸载，活交给AI干，但自己仍然清楚任务是什么、结果对不对。第二段是判断让渡，AI的答案慢慢变成下一步工作的默认前提。第三段才是认知投降——连本该自己做的判断也一并交出去了。代码能跑、测试全绿，手一挥批准，等有人问起这段逻辑为什么这么写，答不上来。
六百行PR里藏着的理解债
一个典型场景：Agent一口气提了六百行的PR，结构清爽，测试通过，合并。但它在某个不起眼的位置调换了事务处理顺序，或者挪了一个边界条件。当时不报错，等线上出问题，开发者连这段代码为什么这样跑都解释不清。
这类欠账会累积。Addy给它起了个名字，理解债（Comprehension Debt）。代码量在涨，系统复杂度在涨，开发者对代码的理解没跟上。等到要改某个功能，才发现这座楼盖起来了，内部结构没人摸得清。
不是说每行AI生成的代码都得逐字读完。Claude Code团队自己也不要求工程师背下整个代码库，需要改某块时借Claude重新理解就行。前提是你得清楚自己懂什么、哪里还没懂。分不清这条线，写得越快，欠得越多。
把考官的位置让给Agent
Addy最实用的一招是反转角色。Claude刚完成一次大改，先别点通过。让它总结改了哪些地方、为什么这么改，再根据改动内容给你出几道题，立一条硬规矩：测验全对，代码才能合并。
这招要实现，光靠口头约定不够。Claude Code支持在项目根目录放一个CLAUDE.md，把规则写进去，每次会话自动加载。比如约定：涉及事务、并发、边界条件的改动，提交前必须附一份自测题清单，开发者作答通过后才允许进入合并流程。权限模式上可以配合使用，把合并类操作设为需确认，避免Agent自己把闸门放开。
意图债：Prompt之前先自己列清单
Agent太擅长补全需求了。你还没想明白要什么，它已经交出一份像模像样的东西。问题在于，需求里那些没说清的目标、限制和取舍，被它替你决定了。Addy管这叫意图债（Intent Debt）。
对策是动手前先用自己的话写一份简短说明：面向谁、解决什么问题、哪些不做、做到什么程度算完。有个经验判据——连续两轮调整Prompt还拿不到想要的结果，就该回头重梳需求，而不是继续往上堆提示词。堆提示词本质是在让Agent猜你的意图，猜出来的东西迟早要还。
追问它没告诉你的事
长任务尤其需要这一手。Agent执行过程中会自行选默认参数、调整实现范围、在需求冲突时做取舍。这些决定未必写进最终总结，甚至自然到它自己不觉得是个决定。
所以别只问“完成了吗”。接着追问：你做了哪些我没有明确授权的决定？哪些地方依赖了假设？还有什么没验证？哪些改动可能影响其他功能？
问完之后拿代码和测试结果逐条核对它的交代。这一步的价值在于把隐性决策显性化，你能看到它在哪里替你做了主。
绿色测试只证明它测过的东西
测试全绿只说明覆盖到的条件通过了。边界情况没写进测试，Agent照样能交出一份漂亮的报告。所以顺序要反过来：先看实际执行了哪些测试、返回了什么，再去读AI生成的总结。总结是叙事，测试记录是事实。
高风险改动加一道独立检查，让另一个Agent从不同角度找问题。这里有个容易踩的坑：审查Agent和被审Agent用同一套上下文，容易同向盲区。给审查方喂原始diff和需求说明，别喂前一个Agent的总结。
多Agent接力会稀释原始信息
同时指挥几个Agent，一个写前端、一个改后端、一个跑测试，效率确实起飞。但Agent之间的传话有损耗，一个的总结直接成为下一个的输入，传几轮之后离原始资料越来越远，关键细节在半路丢了。
重要任务必须保留原始材料和验证依据。已经多到审不过来的任务，要么补自动化检查，要么先减并行数量。这里给一个可操作的判据：统计每周待审PR数量和实际完成审查的数量，前者持续大于后者，说明并行度已经超过审查吞吐能力，该回退。
一个粗略的校验办法是看合并队列的滞留时间，用 git log --merges --since="7 days ago" --pretty=format:"%h %ci %s" 拉出近一周的合并记录，对照PR创建时间算平均滞留。滞留持续拉长而合并量没降，基本就是审查在空转。这时候继续加Agent，只是把待审内容堆得更高。Addy那句话说得挺狠：生成的内容多到你无法负责时，你做的不是审查，是在赌它没问题。
每周留一次不碰Agent的编码
都这个年头了，Claude的工程师劝你偶尔别用Claude。理由很直白：长期不用的技能会退化，脱离Agent独立完成任务能校准你当前的真实水平。他建议每周至少安排一次不依赖Agent的编码练习，每月盘一次账——哪些技能已经交出去了，哪些能放心外包，哪些必须自己握着。
这个练习要有效果，得有验证手段，不然容易变成自我感觉良好。做法是开一个隔离分支，关掉所有Agent辅助，独立实现一个小功能或修一个已知bug，然后和Agent版本做对比。判定标准看三项：实现路径是否等价、边界条件处理是否一致、你能否不看代码讲清每一处改动的原因。第三项答不上来，说明这块的理解债还没还。
提问前先写下你的预期
Addy最后给了一个极简的自测：每次向Agent提问前，先写下你预期会发生什么。等它交卷，再试着找出一件它可能没检查到的事。两个动作加起来，至少保证脑子跟着转了两圈。
这个习惯成本很低，但能拦住不少认知投降的瞬间。写预期的时候你会发现自己其实没想清楚，找漏检的时候你会被迫真正读一遍输出。
文章末尾他晒了张Pangram检测报告：人类撰写90%，AI生成10%，AI辅助0%。劝人动脑的文章，自己确实动了脑。知行合一这件事，在AI时代反而成了需要专门证明的东西。
回到那个问题：明天AI集体罢工，你能撑几天。答案不重要，重要的是你现在还知不知道自己的边界在哪。
ID:7890
