当 AI 智能体以远超人类的速度编写代码时，真正限制创造力的，不再只是代码产出能力，而是人类能否建立足够深入的理解、继续参与系统演进。本文围绕「解释、微世界、共享空间」三种方法，讨论如何借助 AI 降低认知债务，让人类不是退出循环，而是更深入地进入循环。
原文：Understanding is the new bottleneck
本文由LobsterAI自动翻译和发布。
Geoffrey Litt｜2026 年 7 月
这是我在 2026 年 7 月的 AI Engineer 大会上所作演讲的文字版，也以推文串的形式分享过。
一个可能有点逆风的观点：我认为，理解智能体替我们写下的代码，仍然非常重要！
在这次演讲中，我会解释为什么，并展示一些高效理解代码的思路。好，我们直接开始。
智能体正在替我们编写越来越多的代码，而我们都知道，想要跟上它们的速度正变得越来越难。
但好消息是：理解代码的方法有很多！逐行阅读 diff 并不是唯一的方法。
这次演讲的大部分内容，会介绍一些我在理解智能体所构建系统时觉得很有帮助的方法：
- 代码讲解文档
- 检验自己理解程度的测验
- 可以亲手探索、借此理解系统的「微世界」
但首先，我们得问一个更根本的问题……
为什么要理解？
为什么？为什么还要理解？
现在不是应该把自己移出循环，让智能体自己不断循环吗？随着智能体变得越来越聪明，人类还需要深入细节吗？
我认为，许多人——甚至那些支持「理解」的人——对这个问题给出的答案也稍微有点偏差！
一种可能的答案是：我们理解，是为了验证。我们检查智能体的工作，看看它做得对不对。
「正确」可以有很多含义：是否符合规格、架构是否合理……但从根本上说，这只是一个通过或不通过的问题。
但问题是：智能体越来越擅长验证自己的工作。这当然是好事！我喜欢智能体少犯错误。
可这样一来，我们人类的位置在哪里？
这就引出了另一个答案：我们理解，是为了参与。
你可以学习智能体正在做什么，以确保自己能积极参与创造过程。下面说说这为什么重要……
一个项目绝不只有一轮循环！它包含你与智能体之间许许多多轮循环。
而你对系统的理解程度，会直接影响你能否想出下一步如何推动它演进。
你需要在脑中拥有一套丰富的概念，才能流畅而有创造力地思考怎样把事情继续向前推进。如果缺少这种熟练度，你参与项目的能力就会受到实质性限制。
顺带一提，这与 Margaret Storey 和 Simon Willison 推广的「认知债务」概念密切相关。
它很像技术债务：短期内，你也许可以在不知道系统究竟如何运作的情况下继续前进，但它迟早会反咬你一口。
好吧，理解确实重要。
但这又引出了下一个问题：怎么做？当我们与 AI 协作、快速推进时，怎样建立起人类自己的理解？
事实上，这并不是人类第一次思考如何传递理解。我认为，我们可以从教育中寻找灵感。能不能把人类为教育发明过的最佳思想拿来，应用到这个问题上？
方法一：解释
今天我想分享三种值得尝试的方法。
第一种：解释。怎样才算好的解释？
每当智能体完成一项工作，我们就获得了一次解释的机会——可以生成一份解释性的产物。
最朴素的做法，是阅读代码 diff：查看究竟改了哪些原始内容。
但如果我们换个问法呢：
最好的解释会是什么样？
假如你拥有一个真正愿意下苦功，把事情向你解释清楚的团队——无论是人类团队还是 AI 团队——那会是怎样的体验？
这里有一种答案。我制作了一个名为 /explain-diff 的技能。我每天都在用，许多同事也觉得它很有价值。
它可以把经过精心组织的代码讲解输出为 HTML、Markdown 或 Notion 文档。Notion 很适合团队围绕这些讲解进行协作和讨论。（免责声明：我在 Notion 工作，所以肯定有偏见。）
我们来看一份讲解文档中都包含什么。这里用一个修改电子游戏透视方式的例子。
第一条原则：先教我背景知识！
甚至在谈「改了什么」之前，先帮助我理解「原来有什么」。在这个例子里，就是先向我介绍游戏引擎。
第二条原则：先建立直觉，再进入细节。
在展示任何代码之前，文档先说明目标——「用二维绘图技巧让花园呈现三维感」——并解释等距投影之类的相关概念。
这一切都在帮助我建立对改动本质的直觉。它让作为人类的我赶上进度，使我能够以平等参与者的身份理解这项工作。
你还可以用交互式图示来建立直觉。
这里，我通过拖动花园里的石头、观察它们的坐标如何变化，来理解等距透视。
（这里使用的是 Notion 刚刚推出的新功能：现在可以在页面中嵌入可交互的 HTML。）
我们终于讲到代码了。但典型的 diff 只是按文件名字母顺序堆在一起的一大摞修改，没有任何解释。
而我所谓的「文学化 diff」，则像文章一样组织内容：按照合理顺序带你走过各项修改，在周围配上解释，并嵌入代码片段。它比原始 diff 审阅起来更快。
最终，你会得到一份漂亮的讲解材料。我仍然会读代码 diff，但一定先读这份讲解。
有时我会把它打印出来，带到咖啡馆去看——这样不容易分心。
这有一种奇妙的讽刺感：AI 把一项交互式活动，变成了一份让我能够深度专注的静态纸质报告。:)
这里只有一个问题：阅读本身是件苦差事 😅
正如 Andy Matuschak 所说：「书不起作用」！人们太容易骗自己，以为自己已经认真读过了，实际上却什么都没记住，也没有真正理解。
怎么解决？我从 Andy 和 Michael Nielsen 在文章中嵌入间隔重复测验的工作中获得了灵感。
现在，我会在代码讲解中做类似的事情。每份讲解文档底部都有一个互动测验——五道关于这次修改的问题——而我会尝试回答它们。
我的规则是：在我通过测验之前，不会把代码发给别人；审阅他人的代码时，我也遵循同样的规则。
测验是一种速度调节器。 与 AI 协作时，整个循环的速度很容易超过人类理解的速度。
测验是一股与之抗衡的力量：我通过一个机械化的问题——「我真的理解了吗？」——来确保自己仍然是创造过程中的完整参与者。
好，这就是 explain-diff。如果你想用，这是技能链接：它有两个版本，可以输出 HTML 或 Notion 页面。
方法二：微世界
下一个想法：微世界。它的灵感来自极具远见的教育家 Seymour Papert。
Papert 有一个非常美的想法，他称之为生活在数学王国（Mathland）：如果你想学数学，就去数学王国生活——就像你想学法语，就去法国生活一样。我们能不能构建一个环境，让孩子仅仅追随自己的好奇心，就自然而然地学会数学？
那么，该怎样把这个想法应用到代码上？我们能不能创造出一些可供人置身其中的世界，让人自然地直觉感受到系统如何运作、又在怎样发生变化？
去年，我在编写一个 Prolog 解释器，却很难直觉地理解其内部究竟发生了什么。
我和智能体一起构建了这个调试器。它让我可以逐步查看逻辑语言的执行过程：在时间轴上前后拖动、查看栈里的内容，以及每一步正在求值哪些规则。我甚至可以给自己留下评论，比如「很好，我们正确应用了这条规则」。
让智能体制作一个供我使用的调试工具，与直接让智能体替我调试，有着巨大的区别——正是亲自动手的过程，让我逐渐形成了理解。
再举一个例子。我曾经把个人网站从一个框架迁移到另一个框架，Claude 写了一个脚本来完成迁移。但这项工作极难审阅：我不熟悉新框架，最后只能说一句「看起来大概没问题吧」。
于是，我让 Claude 给我做了一个电子游戏——一个由我亲手逐步完成迁移的指挥中心，我可以观察每一步造成的可见效果，以及文件树如何演变。它生成了一套 UI，我可以点击按钮逐步执行迁移，同时让旧网站和新网站并排运行。
在这个指挥中心里，我看着新网站一步步活过来。最终，我获得了近似于手工迁移所能带来的理解——但快得多，因为整个体验都已经替我铺陈好了。
这里的关键在于：智能体可以编写一些代码，来帮助我们人类理解另一些代码。
这件事意义重大！
方法三：共享空间
好，最后一种方法：共享空间。到目前为止，我们讲的都是一个人如何独自理解……但当你在团队中工作时，大家需要共同理解。
当你和另一个人拥有相同的心智模型时，沟通会非常高效。你们拥有一套共享词汇，这些词会在双方脑中唤起相同的画面，于是你们可以即兴碰撞、互相接招，展开有创造力的对话。缺少这些共享结构，沟通就会困难得多。
我对创造共享环境这件事非常兴奋：团队可以在其中共同建立理解。从某种意义上说，这也正是 Notion 一直在做的事。
最近，我们在 Notion 中发布了大量帮助人类与智能体协作的新功能，让整个团队形成共享理解，而不是每个人都在孤岛里独自工作。
举个很小的例子：现在你可以直接在 Notion 中运行 Claude 和 Cursor 智能体。我如今有很多编程工作就是这样完成的。
当这些智能体在 Notion 中制定技术方案时，默认生成的就是一个可协作页面。我可以立即和团队一起评论、讨论。共同思考，而不是独自思考！
初衷一直都是增强人类
好，来做个总结。今天，我们介绍了一些理解代码的方法……但实际上，我认为这背后是一个大得多的问题。
从更普遍的层面说，人类理解事物如何运作，仍然非常重要！不仅是为了验证，更是为了参与。
毫不意外，这并不是什么新观点。它可以一直追溯到计算机领域最初的源头……
50 年前，Alan Kay 就曾设想：计算机可以成为一种比书更好的新媒介，教人们——尤其是孩子——如何思考这个世界。
在这张图里，你也许会以为这些孩子正在 iPad 上看 YouTube，但并不是。他们正在玩一个交互式游戏，一边玩，一边修改代码，从而更深入地理解物理。这可是 50 年前的设想！！
现在，希望你已经看懂了这个梗图。
初衷一直都是增强人类，而不只是自动化。
AI 如今让创造模拟变得如此容易，这件事非常美妙……让 AI 教会我们，是计算技术有史以来开启的最伟大可能性之一。
这让我对未来极其乐观！
如果我们构建出正确的工具，如今的我们便能以前所未有的深度理解世界。 我们不必只是把自己移出循环，也可以更深入地进入循环。选择权在我们手中。
完
延伸阅读
如果你喜欢这次演讲，也许会喜欢我写过的这些关于人类与 AI 协作的文章：
- AI 副驾驶已经够多了！我们需要的是 AI HUD——「任何认真思考 AI 设计的人，都应该考虑副驾驶之外的交互形态，用更直接的方式扩展人类心智……」
- AI 生成的工具可以让编程变得更有趣——「我没有让 AI 替我编程，而是用 AI 构建了一个定制调试器 UI……它让亲手编程这件事变得更有趣……」
- 像外科医生一样写代码——「识别并委派次要的繁琐工作，好让自己专注于真正重要的核心任务。」