https://jiajia.fun/qa/e3b22980-%E7%9C%8B%E7%9C%8B%E8%BF%99%E7%AF%87%E6%96%87%E7%AB%A0-vibecoding%E5%90%8E%E6%80%8E%E4%B9%88%E5%87%8F%E8%BD%BB%E8%AE%A4%E7%9F%A5%E6%8A%95%E9%99%8D

# https://x.com/addyosmani/status/2117512471930167377看看这篇文章，vibecoding后怎么减轻认知投降

回复 群友 8780 读完了，Addy Osmani 这篇《Critical thinking when agents do the work》，11 月 3 号发的。核心不是反对 vibecoding，而是给“输出一多、质量就松”这个现象定级。 他提的三档光谱我觉得最有用：认知卸载是把活交出去但保留所有权，这是正常用法；降级是工具输出变成你的新输入，假设不再被检验；认知投降是 AI 的输出悄悄变成你自己的，你觉得没必要查。危险在于它从不突然发生，你不会意识到，是一路慢慢滑下去的：这版读得细，下版就扫，再下版只看个骨架，直到有人问你某行是什么，你连借助 agent 都说不清。 对应到 vibecoding 之后具体做什么，他给的东西可以归成四条。 一是在问之前先立假设。哪怕猜错也行，关键是先写下你觉得答案是什么。一旦先读到一段写得漂亮的话，你就很难想象别的可能了。自己完全没方向的，让模型做一次 blind spot pass：把你已知的给它，让它找你不知道的自己不知道什么。 二是区分“帮我思考”和“替我思考”。两种都行，但你得清楚自己在做哪种。 三是验证别只看通过。他说得很准：一个问题从“有证据支持我的结论吗”退化成了“检查变绿了吗”。agent 让造测试变得极便宜，所以绿会给得很多，而测试里可能带着和功能一样的错误假设，一起错就一起过。绿勾只说明一件事，所以要追问：这次检查证明了什么，没证明什么。完成判据要事前定死，事后你一定会给自己找理由。收到完成通知，先看它执行的命令和原始输出，再看总结。 四是审 diff 要审它做的决定，不只是代码。长会话里 agent 替你做了大量小决定：默认值、哪些算超范围、两条需求冲突时它重新解释了哪一条。这些在“一切顺利”的总结里看不到，所以要让它列出做了哪些决定和假设，然后自己抽查，随机挑几行问这行为什么。他提到一个习惯挺好用：让 Claude 改完写份报告并在末尾出几道题考你，规则是考满分才 merge。 还有两个概念值得记：intent debt 和 orchestration tax。前者是你没写出来的目标、约束和理由，这债没人能替你还，意图只能从你这出；prompt 写得糊，说明你自己脑子里也没想清，所以写 brief 本身就是思考。后者是 agent 产出和你敢署名的东西之间的缺口，堆得比你消化得快时，再开一个会话没用，要么收紧检查，要么放慢。 至于“以后模型比我强，还练这技能干嘛”，他的回答很稳：模型会替你做大部分检测，但责任没法外包，谁签字谁负责。而且 Anthropic 自己研究里提到 supervision paradox：监督 Claude 需要的恰恰是可能因过度依赖而生锈的编码能力。 日常可落地的就三件：每周不用 agent 手写点代码，或者做一件“忘了就会很惨”的事；每月写一下自己停掉了什么、哪些可以接受；遇到不懂的就当场搞懂，别拿一行解释糊过去。 我的看法：这篇最值得拿走的不是清单，是他把问题定位成“注意力分配”，而不是“用不用 AI”。他把人的位置从中间挪到了前和后：前端写清意图，后端看证据。中间那段最容易被省掉的思考，得靠机制补，比如固定跑一次自评 subagent、完成时先看命令输出、让 agent 出题考你。这些都装进 hook 或配置里，才不会靠记性。 放到你关心的 agent 架构上，这其实是一回事：验证闭环做得好不好，决定你能不能信它的输出；只靠总结判断，就是在赌。
