不要做肉体代理
生成式 AI 越来越多地被当作工作场所的拐杖来使用：人们把原始 LLM 输出直接粘贴到聊天、文档和代码评审中，而不是自己思考、核验并用自己的话沟通。评论者把这称为把人变成只负责转发 AI 回复的“肉体代理”，把验证与理解的艰苦工作外包给同事，并损害代码质量、文档和信任。许多人认为组织需要明确的规范或政策——例如“如果你请求人类注意，就展示人类努力”——以确保 AI 只是辅助工具，而不是逃避责任的方式。
核心抱怨：“肉体代理”和垃圾手榴弹
- 许多人描述同事把原始 LLM 输出（常常前缀着“Claude 说……”）直接粘贴到聊天、PR、文档或工单里。
- 这把最难的部分——理解、验证和总结——转嫁给了别人。
- 人们把这类行为比作扔“垃圾手榴弹”、“BI 垃圾”，或者当一个“非常昂贵的键盘”。
- 还引用了布兰多里尼定律：制造胡说八道很便宜；反驳它很昂贵。LLM 将这种不对称性大幅放大。
对工作质量和角色的影响
- 资深工程师表示自己被降级成 AI 保姆，或者不得不为没人看过的 AI PR 盖章。
- 有些人认为“代理式工程”循环（报错 → 粘贴给 AI → 重试）很浅薄，几乎没有真正的理解。
- 也有人说，LLM 让优秀工程师专注于设计和胶水工作，并且能把较弱的人提升到最低及格线。
- 还有人担心“氛围编码者”和整个组织失去基础技能，未来会引发维护危机。
礼仪和政策建议
- 建议的规范：
- “如果你在请求人类注意，就展示人类的努力。”
- 绝不要发送原始 LLM 输出；请提供人类写的 TL;DR 和你自己的判断。
- 让“肉体代理”行为在社交上变得有代价（忽略这类消息，问一句“你读过了吗？”）。
- 一些组织会在手册中加入规则，要求提交“注意力请求”时回答关于文档的问题，或提出 AI 行为准则。
- 关于后果也有争论：有人主张重复违规可直接解雇；也有人说真正的问题是文化和管理激励。
何时转发 LLM 内容是可以接受的
- 少数人认为，在以下情况下转发 AI 答案是没问题的：
- 问题很琐碎，而且提问者显然没有尝试；类似于“让我替你搜一下”。
- 专家只提示一次，仔细审核一大份文档，然后把它分享出去，而不是让每个人分别查询。
- 即便如此，许多人仍坚持发送者必须已经阅读并理解了输出。
LLM 风格、行话和认知负担
- 有人抱怨新模型更简短、更紧张，而且行话更多，使文本更难解析。
- 有些人通过自定义指令来缓解（ELI5、简化技术英语、“听起来有点傻但要正确”）。
- 另一些人指出，幻觉虽然没那么频繁了，但仍然存在；验证和领域知识依然至关重要。
更广泛的担忧：懒惰、智力和文化
- 很长的分支讨论科技（LLM、互联网、短视频内容）是否正在导致注意力、智商和“逆弗林效应”下降。
- 有人预见会出现一种“智力阶层”：一部分人把思考外包给 AI，另一部分人则继续锻炼大脑。
- 也有人认为，关键在于人机合力的能力；历史上的技术（写作、计算器、编译器）也改变了哪些技能会被练习。