如果你是在索取人类的注意力，就请展现人类的努力

原文 ↗ Hacker News 讨论 ↗

感知到的问题：“AI 垃圾”和努力的不对称

  • 许多人表示自己被大量冗长、啰嗦、明显由 LLM 生成的文本淹没（邮件、规格说明、PR、文档）。
  • 核心抱怨：发送者付出很小的努力，却让读者/审阅者承担巨大的工作量。
  • 人们反感被迫扮演“human in the loop”的角色，去调试或核查他人的 AI 输出。
  • 这被描述为反社会且不尊重人：“如果你都懒得写，我为什么要懒得读？”

努力、尊重与注意力

  • 人类的努力被视为关心、所有权和责任感的信号。
  • 一些人主张互惠：你的努力应当与对方展现的努力相匹配。
  • 也有人反驳：重要的是有用性和质量，而不是产出它有多费力。
  • 张力：劳动价值论（“努力 = 价值”）与“价值 = 结果”之间的争论反复出现。

对工作场所和代码审查的影响

  • 常见模式：同事贴出大段、几乎未经审查的 AI PR 或规格说明，然后期待认真的人工审查。
  • 审阅者表示自己花的时间比“作者”还多，而作者有时甚至无法解释代码（“Claude 加的”）。
  • 这会侵蚀信任、拖慢团队，并促使审阅者倾向于忽略或草率放行。
  • 反方观点：在 agentic 世界里，人工 PR 审查“无法规模化”；有人建议改为更重的自动化和测试。

建议的规范与应对策略

  • 要求作者自查 AI 输出并承担责任（“你提交，你负责”）。
  • 保持 PR 小而清晰；在让工作更易于消化上投入更多努力。
  • 一些人主张：
    • 标注 AI 生成内容并允许过滤，对欺骗行为严惩不贷。
    • 对低努力、高数量的提交默认说“不”。
    • 使用 AI 先审 AI 生成的 PR，作为第一道筛选。
    • 拒绝阅读明显的垃圾内容，或上报管理层。

对 AI 本身的态度

  • 支持者：AI 很适合做摘要、编辑、模板化内容、研究辅助，甚至公民行动；只要输出好并经过检查，工具选择并不重要。
  • 怀疑者：许多输出仍然脆弱、空泛或错误；有些人甚至本能地觉得 AI 内容和艺术令人不适，或者“没有灵魂”。
  • 普遍担忧的是一场 AI 对 AI 的军备竞赛（垃圾邮件、招聘筛选、支持、治理），把成本转嫁给夹在中间的人类。