认知债务

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 原文：Understanding is the new bottleneck 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。...