@guansi:最近,我和几位负责审核流程的同事聊了聊,感觉大家都憋着一股怨气……

X AI KOLs Timeline 新闻

摘要

作者分享了与负责评审的同事交流后的感受:新人借助AI提交的提案质量远超其实际水平,导致评审者需要投入大量精力反复审阅和反馈,而新人自身能力并未同步提升,这种错配可能成为未来的大问题。

最近,我和几个负责评审的同事聊了聊,感觉大家心里都憋着一股怨气,却又不太好说出来。 现在,有些新人交上来的方案真他妈挺厉害。技术前沿,逻辑扎实,各种术语张口就来。一眼就能看出用了 AI,再追问几句,就会发现,里面很多内容远远超出了他们自己的理解范围。 但方案既然交上来了,总得有人审。 评审的人得一节一节地看,核查来源,找漏洞,判断这些技术到底适不适合当前项目。越是看起来像那么回事,就越不能随随便便放行。有些地方乍一看很顺,仔细琢磨才发现不对劲——光是把问题解释清楚,就能花掉半天。 审完之后,把新人叫过来,一条一条给他们讲。他们态度挺配合,认认真真地记下来,然后再把这些意见喂给 AI,没过多久,就交来一版修改稿。 然后你再审一遍。 上一轮的问题有没有改对,这次有没有冒出新问题,都得重新检查。他们改得快,你却没法跟上这个速度。几轮下来,方案越来越像样,评审的人却看得脑仁疼。 你花了大量精力,把一份文档掰开揉碎地分析,投入的时间可能比他们最初生成它还多。好不容易把问题理清楚,发回去——没过多久,又端上来一盘。至于他们到底有没有理解你指出的问题,还得再问一遍才知道。 但你又不能直接责怪新人。让他们别用 AI,他们自己写出来的东西可能更差;让他们先自己审一遍,他们确实看不出问题。有些技术他们以前压根没接触过,现在第一次出现,竟然是在一份署着他们名字的方案里。 我越来越觉得,这件事变得棘手了。以前新人写方案,能力有限,问题通常也比较直白。现在 AI 把方案的水平抬上去了,评审难度也跟着上去了——但人本身的能力未必跟得上。我隐隐觉得,这以后会是个大问题。
查看原文
查看缓存全文

缓存时间: 2026/10/11 00:58

最近,我和几个负责评审的同事聊了聊,感觉大家心里都憋着一股火,却又不太好发作。

现在,有些新人交上来的方案还真他妈挺厉害。技术前沿,逻辑扎实,各种术语张口就来。你一看就知道用了 AI,再追问几句,就能发现里面很多内容已经远远超出了他们自己的理解范围。

可方案既然交上来了,就总得有人审。

评审的人得一节一节地看,核查来源,找漏洞,判断这些技术到底适不适合当前项目。越是看起来像那么回事,就越不能随便放过。有些地方初看挺顺,仔细琢磨才发现不对劲——光是把问题讲清楚,就能花掉半天。

审完之后,把新人叫过来,一条一条给他们讲。他们态度也挺配合,认认真真地记下来,然后把这些意见再喂给 AI,没多久,一版修改后的方案就又交上来了。

然后你再审一遍。

上一轮的问题到底有没有改到位,这一轮又有没有冒出新的问题,都得重新检查。他们改得快,你却没法按这个速度审。几轮下来,方案看着越来越像样,评审的人却已经脑袋疼得直跳。

你花了大量精力拆解一份文档,很可能比他们最初生成这份文档花的精力还多。好不容易把问题理清楚,打回去——没过多久,又端上来一盘。至于你指出的那些问题,他们到底理解了没有,还得再问一遍才知道。

但你又没法直接批评新人。让他们别用 AI,他们自己写出来的东西可能更差;让他们先自己审一遍,他们确实看不出问题。有些技术他们以前压根没接触过,如今第一次出现,竟然就是在一份署着他们名字的方案里。

这整件事让我越来越觉得棘手。以前新人写方案,水平有限,问题通常也比较直白。现在 AI 把他们的方案水平抬上去了,评审难度也跟着水涨船高——但人本身未必跟得上。我隐隐觉得,这以后会是个大问题。

相似文章

@ba_niu80557: https://x.com/ba_niu80557/status/2071277244287426980

X AI KOLs Timeline

文章深入分析了Anthropic因AI代码生成变得极其高效而面临的内部变化:瓶颈从“写作”转移到“验证”,传统管理、长期规划和努力衡量失效,注意力成为新的稀缺资源,工程师甚至感到孤独。这些现象预示了其他公司未来可能面临的挑战。

@dotey: 我记得半年前我说自己不怎么 Review PR 了,评论区很多人不认同,觉得这样不靠谱。现在再看,不 Review PR 的人越来越多。比如我刚看的这期播客,在 SpaceXAI 做 Grok Bot 的 Lauren Tan,一个月合并…

X AI KOLs Timeline

宝玉点评 Lauren Tan 与 Matt Pocock 的播客访谈:Lauren 在 SpaceXAI 做 Grok Bot,一个月合并 2500 个 PR 却不逐个 Review,而是靠 AI 自动验证、代码规范约束和名为 pstack 的开源 Skill 体系来保证质量。文章提醒读者别急着照搬,要先弄清她能这么做的前提条件——足够强的模型、Token 成本、AI 验证的局限,以及自己专业方向的把控。