技术团队中 AI 生成内容的礼仪

AI 生成的代码、文档和调试调查的激增，为技术团队引入了新的礼仪挑战：确定何时将 AI 输出转发给另一个人是可接受的。

处理这一问题的核心原则很简单：如果你在请求人类的关注，请展示人类的努力。

AI 疲劳的代价

将未经处理的 AI 输出转发给同事通常被视为不体贴，因为它将认知负荷从发送者转移到了接收者。当一名队友发送一份带有类似“我没读过这个，所以它可能不完全准确”免责声明的文档时，他们实际上是在要求接收者执行他们自己拒绝执行的验证工作。

这创造了一种被称为“AI 疲劳”的现象，工程师们花费越来越多的时间阅读冗长且可能不准确的文本。这种疲劳会导致人们下意识地回避那些过度依赖 AI 而缺乏人类策展的工作成果。

在软件工程中，AI 生成的 Pull Requests (PRs) 中缺乏人类的努力，可能会导致系统性的低效。

审查者倦怠： 审查者必须花费额外的时间在大型、AI 生成的 PR 中剔除幻觉和错误。当这些深思熟虑的审查意见遇到 AI 生成的修改建议时，整个过程会让人感到被轻视。
认知债务： 当开发人员提交 AI 代码而没有内化所做的选择时，他们在审查过程中无法解释为什么选择了特定的实现方式，从而增加了项目的长期认知债务。
子代理角色： 当团队成员的主要角色变成过滤另一个人 AI 的输出时，他们可能会开始觉得自己更像是“子代理”而不是协作人员。

为了维持专业信任和团队效率，建议采取以下实践来将 AI 集成到技术工作流中：

AI 生成的内容应该被清晰地标注，并附带人类的评论。发送者不应直接发送模型的原始数据 dump，而应该综合信息并突出显示最相关的部分。

所有 AI 生成的代码在提交进行人类代码审查之前，必须由作者本人进行审查。无论使用什么工具生成，代码正确性的责任仍然由人类作者承担。

由于 AI 通常很冗长，人类的努力可以通过通过编辑以实现简洁来体现。简洁是对接收者有限的注意力的尊重。

虽然“展示努力”的原则得到了广泛支持，但也有人认为这与其说是劳动理论，不如说是效用问题。

“这只是劳动价值论在文档上的应用……如果它们是有价值的，人们就会想读它们。某人创建它们的过程是否令人不快并不是一个因素。”

其他人建议，问题不在于 AI 本身，而在于人类努力在各方面的普遍下降，或者 AI 仅仅是一个工具，其输出本质上就是人类的输出。然而，从业者的普遍观点是，AI 生成的“廉价性”使得消费的成本更高，因此需要更高标准的策展，以避免用“slop”淹没通信渠道。