降低 AI 代码变更的认知负担

# 降低 AI 代码变更带来的认知负担 来源：https://amoffat.github.io/blog/cognitive-load.html Andrew · 2026 年 10 月 1 日 · 阅读约 2 分钟 在审阅大量 AI 生成的代码时，我常常发现 LLM 为抽象概念所选用的术语，并不总是与我自己的选择一致。比如，它可能称之为 `MutationIntent` 的东西，在我看来叫 `EditRequest` 会更自然。由于 LLM 的用词不是我理想的用法，每次看到这些术语时我都要在脑子里做一次语义查询，这无形中增加了认知负担。 这看似只是微小的摩擦，但当考虑到在陌生代码中有几十个新术语需要互相理解时，这些认知负担会不断累积。我脑子里能同时记住的语义查询数量是有限的，超过这个限度后，我就会开始误解代码的实际运作方式。 为了尽量减少这种负担，在进行代码审阅之前，我会先用这个提示词对 AI 的改动做后处理： `` 请审阅这些改动，提取出用于描述抽象对象、过程和概念的所有非常规或自创术语。为每个术语创建一个临时的 Markdown 文件，记录它的含义、选用它的原因，以及一些备选的替代术语。我将使用这份 Markdown 文件来确认术语选择，或提供我自己的定制术语。然后请按照这些决定对代码进行相应修改。这里的目标是将你的用词习惯映射到我的用词习惯，以便我能更轻松地理解这些概念。 `` 接下来我会逐一确认这些术语的选择。AI 会把确定的术语在整个代码库中做查找替换，包括文档部分。最终得到的代码就容易审阅多了，因为它现在读起来更像是直接出自我的思路。