小时候学英语的时候我记得刚学的两个单词就是 点头 yes ，摇头 no，但是在面对 Agent 输出结果的时候，我们似乎只能说 yes ，因为在面对强力模型的时候，你根本没有说 No 的机会，这就是人类在 Agent 面前的日常，但是最近 Claude 团队的 Addy Osmani 写了一篇文章《Critical thinking when agents do the work》，译过来就是《Agent 在执行工作时的批判性思维》。

这篇文章的核心主旨就一句话：在大模型的输出看起来有理有据的时代，你要用批判性思维去审查，学会说 No。

---

过去批判性思维的核心是：以谦逊的好奇心和怀疑的态度去面对新的事物。这句话同样是在说，在面对新事物的时候，你不要一味的拒绝，你需要对新的事物保持保持好奇，同时形成自己的判断，不要一味的听之信之。

批判性思维的核心在当下仍然管用。

然后 Addy Osmani 说到，在当下因为有大量的工作都有 Agent 来完成，他已经很少没有采用过批判性的思维方式了。似乎批判性思维隐匿起来了，如果你稍微了解点过脑科学你就知道，仿佛那个理智脑很久没有出现了，只有情绪脑和本能脑在主导一切。

更准确地说，是进化了几亿年的**本能脑（图省事、降功耗）和情绪脑（贪图即时多巴胺爽感）**联手接管了你的大脑皮层；

而那个进化最晚、专门负责深度审视与逻辑推演的前额叶理智脑（系统 2 慢思考），因为运转起来极度耗能，只要外界没有报错、没有阻力去倒逼它，它默认就是直接休眠的。

当 Agent 几秒钟就给你端上来一份看着像模像样的结果时，本能脑省了力，情绪脑拿到了正反馈，理智脑自然就彻底下班了。

Addy Osmani 给每个人设置了一个 /goal 任务，这个任务的 loop 是持续不断的自主迭代，让你学会保持批判性思维。

如果你不强制 Esc 关闭任务，那么你终将学会使用批判性思维。

他说过去，我们大部分认知和审美，都会在提出问题与获得答案之间的过程中，过去这个过程需要你自己去探索，时间可能需要很久，但现在有了 Agent + 强力模型，这个过程只需要几秒。

你越是使用这种 Agent 或者 Agent 工作流，保持批判性思维就会变得更加困难。随着模型能力的提升，显然模型出 bug 的机会会越来越少。

而且很多模型写的内容不仅文笔流畅而且大体上没啥毛病，很难再看第二眼（大家猜猜这说的是谁）。

即便你同时运行着多个 Agent，但做最终审核和把控的，只有你自己。

所以你必须要学会在日常工作中主动使用批判性思维，最好养成主动批判性思维的习惯，因为在默认情况下，没有人会替你做这项工作。

当然主动调用起批判性思维也很难，因为部分 Agent 或者 Agent Workflow 它本身就很令人满意，所以你的情绪脑会一直牢牢占领你的大脑皮层。因为工作很忙很辛苦，在忙碌了一天或者遇到困难时，能够迅速获得令人满意且往往准确的答案，确实让人感到舒心；但也正因如此，你很容易因此放松警惕。

---

认知缴械

Addy 在跟别人聊这件事的时候，把它描述成一个不断往下滑的光谱（Spectrum），从上到下分成三个阶段：

最顶层是认知卸载（Cognitive Offloading）：把繁琐的任务委派给 AI 去干，但你依然牢牢掌握结果的所有权。Addy 说他每天整天都在这么干，而且建议你也应该这么干。

中间层是 推迟/顺从（Deferral）：工具的输出直接变成了你下一步的输入；在这个阶段，AI 给出的结果已经不再是一个“待验证的假设”，而是默认成了你往下走的基石。

最底层是认知放弃/认知投降（Cognitive Surrender）：AI 的输出悄无声息地变成了你自己的观点，你甚至觉得压根没必要再去检查它了。

认知放弃这个词，是沃顿商学院的 Steven Shaw 和 Gideon Nave 提出来的。它简直精准命中了我们现在的日常：随着你对模型信任度的增加（或者说白了，就是变懒了），人会不知不觉地沿着这个光谱一路滑到底。

这种滑坡之所以极难被察觉，是因为每一步退让都是渐进性的，而且在当时看起来都无比合理。

上一次的回答你逐字逐句认真读完了，觉得没毛病，于是下一个回答你就只扫一眼大概；再下一个，你只看个代码骨架或目录；直到某天别人突然指着其中一行问你这儿为啥这么写，你当场卡壳，哪怕拉上你的 Agent 帮忙都解释不清楚。

这就是彻底的认知放弃，也是**认知债（Cognitive Debt）**一点点的积攒起来的。

这种债平时根本发现不了，通常只有当你试图在脑子里调用整个系统的心智模型（Mental Model），却发现脑子里一片空白时，它才会直接爆炸。

Margaret-Anne Storey 曾写文章聊过这种现象在团队里的表现：整个团队对系统到底是怎么运转的那种共同理解正在被慢慢侵蚀。

这笔债是完全隐形的，在合并代码的时候，代码库看起来干干净净，单测一片绿灯全过。直到某天你需要改需求或者线上炸了要排查问题时，才惊恐地发现：团队里已经没有任何一个活人真正看懂这套系统了。

写**者需求规格书（Spec）**也是一样的道理：你只扫了一眼目录觉得挺像模像样，就直接点头签字通过了。

（这简直说的太对了啊）

不过 Addy 在这里说：他并不是在要求大家做不可能的事。面对现代动辄几十上百万行的大型代码库，没有任何人能完整的审计。

就即便 Claude Code 团队也说过，他们现在也只做按需理解了。

当然，这种债务其实比大多数工程师想象的更容易偿还，你只在需要的时候能把局部认知重新拼回来就行。但前提是，你得清楚自己不知道什么。

在试错成本极低的事情上，尽管放心大胆地交给 Agent ，但如果你连借着 Agent 的辅助，都没法向别人解释清楚一个结果的来龙去脉，那就意味着你已经把所有权彻底移交了。

当然，交出所有权也不一定总是坏事。Addy 举了个自己的例子：前阵子他录一门课，要在三家评分差不多的酒店里挑一家当录制场地，他没工夫一条条翻评论，就直接让 AI 拍板定了。结果挺好，下次他还会这么干。

但如果换成决定家庭资产怎么投资、给孩子未来的职业方向提建议，或者在工作里决定：我们到底该做什么产品、这次改动会影响哪些用户、现在发版上线安不安全，这些事他绝不会甩手给 AI。

说白了就一句话：在犯错成本低的地方交给 AI，在需要别人为你擦屁股、承担后果的地方保留自己的思考。

---

5W1H

以前每当脑子发懵、不知道自己到底怎么想的时候，Addy 通常会回到一组最基础的问题清单：

• 我怎么确定自己正在解决的是正确的问题？
• 我怎么确定自己用的是正确的解法？
• 有没有实打实的证据支撑我的结论？
• 我怎么判断这件事已经真正做完了？

大多数时候，这其实就是最基础的 5W1H。写出来看着简直像小学生提的问题一样幼稚，但它能逼着你按维度去思考那些平时极易漏掉的盲区。

而现在，人们太容易直接跳过所有这些步骤，一上来就问 Agent：你觉得我该怎么做？

所以在 Agent 时代，Addy 把这份 5W1H 升级成了下面这 6 个新问题：

1. 在向 Agent 提问之前，我自己先提出假设了吗？

在让 Agent 跑任何非琐碎的任务之前，先写下来，哪怕只是在脑子里过一遍，你觉得答案大概会是什么，猜错了完全没关系。

但可怕的是，一旦你先读了一篇 AI 输出的、逻辑丝滑且文笔极佳的回答，你的大脑就很难再去想象任何其他的可能性了。

如果你不太清楚怎么做，可以用前 Claude 团队 Thariq 提出的 盲区扫描（Blind Spot Pass）机制：把你已知的信息喂给模型，让它专门帮你找那些“你不知道自己不知道（unknown unknowns）”的盲点。

2. 我是在让它帮我思考，还是在让它替我思考？

这两种做法其实都没毛病，只要你心里清楚自己当下是哪一种就行。

3. 如果这个结论是错的，什么条件必须成立？

想明白之后，你要去自己验证。AI 自己拍胸脯给出的自信度评估一文不值，远不如你亲手跑一个真实的测试来得实在。

4. 我听过来自不同视角的反方观点吗？

当你在某个开放性问题上形成了一个很强硬的立场时，不妨同时让不止一个模型站在你的对立面去反驳你，然后审视它们的论据，最后再形成自己的判断。这虽然会多花点时间，但一趟下来你对这件事的认知深度会直接拉满。

这个 tips 很受用，让多个模型站在对立面来反驳你。

5. 面对未来要接手维护这套东西的人，我敢拿这个结果跟他对赌吗？

不管是写代码还是交付任何其他产出，这都是衡量你能不能交差（Answerability）的底线标准。

6. 有哪些技能是我现在已经不再锻炼的？

也许是一些日常机械的 Debug 排查，让这些技能退休是可以的，但这种放弃必须是你深思熟虑后的主动选择，而不是稀里糊涂的被动废掉。

---

将验证变成一种肌肉记忆

Addy 说他最近写了不少 **验证（Verification）**的内容，所以他认为他现在已经从编写代码转移到了让代码正确运行上了。

当你给 Agent 配备了自我验证的手段时，无论是端到端测试（E2E）、属性测试（Property Tests），还是直接让它操作真实的 App 界面交互，它就能自己改代码、跑测试、看报错、再重试，走完一整个闭环。

这就是 Claude Code 团队的负责人 Boris Cherny 常说的让 Claude 自己验证自己。Addy 认为这是正确的方法，因为未来我们的工作不再是review code，而是去构建这些验证 Loop，并审查最终的证据。

但是特么扎心的事儿来了，有可能你在验证这件事上同样可能选择认知投降。

原本你该问的是：有证据支撑我的结论吗？

结果慢慢退化成了：CI 检查变绿了吗？

。。。。。。

Agent 让写测试变得太廉价了，以至于你满眼看到的都是✅。

遇到这种情况时，先问自己它证明了什么；紧接着再问自己，它没有证明什么。

你必须在开工前就提前定义好验证结论和依据，因为如果留到事后再看，人类的大脑会本能地为任何结果找借口合理化。

Agent 干完活的终点线，必须是一个看得见摸得着的客观产物：一个跑通的测试、一张实际渲染的截图、一段真实的日志或链路追踪（Trace）。这样才能保证完工标准是基于事实的。

---

高质量输入，才有高质量输出

在 Agent 时代，人类的心智模型依然在发挥着重要作用，只不过它的位置变了。

你要花精力在定义任务与上下文构建，以及最后端的成果审查上。这就是为什么高质量的输入决定了高质量的输出，在 Addy 看来，写好 Prompt 本身就是一种硬核的批判性思维能力。

在过去的人类协作里，如果你提了一个模棱两可、没想清楚的需求，你的同事大概率会直接怼回来反问你。

但 Agent 不会这样做，它擅长迎合。它会自己默默把你漏掉的空白全填上，然后给你一个表面上看起来已经完工的东西，哪怕它背后的核心想法依然是一坨。

Addy 把这种现象称为意图债（Intent Debt）：那些存在于非你亲手编写的产物中、隐含的目标、约束条件和底层逻辑。跟其他技术债不同，意图债没有任何人或者任何 AI 能替你偿还，因为到底想要的什么，只能来自你自己来描述。

你的 Prompt 就是你对问题理解程度的一面镜子；如果你连 Prompt 都表达不清楚，那大概率说明这件事在你自己脑子就是一团糟

所以在找 Agent 帮忙之前，先用自己的话写一份清晰的需求简报（Brief）：写清楚目标受众是谁、哪些事情明确不在范围内，以及什么才算真正的完工标准。如果你连续纠正了两轮，Agent 还是没改到点子上，那就别再微调了，此时需要停下来，直接重写你的初始 Prompt。

当然，你也可以拉着 Agent 一起来打磨意图。哲学家 Andy Clark 曾做过一个非常精辟的区分：把任务委派给 AI，与跟 AI 协作是两码事。

在协作模式下，你和模型处于一个相互放大的正向循环里：你的 Prompt 打磨了模型的输出，模型的输出又启发你写出更精准的下一条 Prompt，进而不断重塑并加深你脑子里对这个问题的心智模型。

如果一开始想不清楚，你可以直接下指令：让 Agent 反过来 view 你，把你没讲清楚的地方问出来。

当你关掉这个 Session 时，如果你发现自己脑子里的思路之前清楚很多，这才是真正的成功。

---

每日练习

你不用刻板的执行所有建议，只需根据自己的工作流程，选择适合的部分融入其中即可。

每周，尝试在没有 AI 辅助的情况下编写一段代码，或者完成一项关键任务，那种一旦你忘了如何操作就会带来严重后果的任务。

每月，梳理一下你已经不再做的事情，并判断哪些事情即便彻底不做了也无所谓。

如果遇到超出你理解范围的事物，就去学习它。比如 Addy 在写作时若碰到一个生僻短语，完全可以通过谷歌搜索找到一句简单的解释并直接引用；但他更倾向于深入研究，彻底弄懂它的含义，从而明确它在语境中的恰当位置。

对机器进行妥善的核查是一项真正的工作；如果对此视而不见，团队最终往往会将其彻底忽略。这项工作并非无需成本，因此请将其列入正式的工作计划中，这样才能确保它真正得到落实。

那些不再练习的技能会逐渐退化，而且速度可能比你预想的还要快。对于那些你不愿舍弃的技能，请务必坚持练习。

---

最后带走这八条军规

文章的最后，Addy 给大家浓缩了八条可以直接贴在工位上的行动准则：

• 保持刻意：Agent 完全可以反过来考你、采访你、向你展示它的证据，但前提是你得主动去设置这套机制。
• 诚实面对自己在光谱上的位置：如果你连在 Agent 的帮助下都解释不清楚一个答案，那你就已经缴械投降了。
• 先有假设：在开口问 Agent 之前，先形成自己的假设，哪怕是个很烂的猜想也没关系。
• 绿勾只代表一件事：多问一句，它到底验证了什么？它又漏掉了什么？
• 先看证据：在读它漂亮的总结之前，先去看它实际执行了什么操作、又返回了什么原始结果。
• 读懂它的越俎代庖：看清楚它在背后悄悄替你拍板了哪些决定。
• 打磨你的 Prompt：你写的 Prompt 的质量，直接暴露了你对这个问题到底理解有多深。
• 死守一条军规：如果一个东西你不好意思署上自己的名字，那就绝不要让它传出去。

想让自己始终留在牌桌上，唯一的办法就是亲手去运用那些真正重要的核心技能。

独立思考，提出更好的问题，为最终的结果负责。

比较好玩的是，Addy 在整篇文章的末尾，还特意贴了一张 Pangram 的 AI 含量检测图（显示 90% 人类手写），求生欲也是拉满了 ：）

Vibe Coding 最怕的不是 Vibe，而是除了 Vibe 之外啥也不是。当所有的脏活累活都被 Agent 接管之后，定义问题的能力、把控架构心智模型的能力、以及在烂结果面前坚定说出 No 的审美与兜底能力，才是我们不被沦为回车键工具人的最后一道护城河。