如果你在寻求人类的关注，请先展示人类的努力

原文来源：If You are Asking for Human Attention, Demonstrate Human Effort — 当你在工作中寻求他人的关注时，请先展示你付出了人类的努力

前段时间，一篇名为《If you are asking for human attention, demonstrate human effort》的文章在 Hacker News 上获得了超过1500个点赞。文章很短，但点出了一个很多开发团队正在经历的微妙变化。

作者 Tom Bedor 在文章开头说了一个很多人都遇到过的场景：越来越多的调试分析、文档撰写和代码是由 AI 写的。这在团队协作中催生了一个新的礼貌问题——什么时候把 AI 的输出直接转发给同事看是合适的？

他回忆起第一次为此感到不快的那一刻：他提出了一个设计方案，然后队友让 AI 来评审这个方案。队友把 AI 生成的评审文档转发给他，还附了一句："我没仔细看，可能不完全准确。"Tom 当时的想法是：如果你觉得读这个东西不值当花时间，那凭什么我读它就值得？

这句话一针见血。

AI 让"转发"变得太容易了

以前，如果你要向同事征求意见，你需要自己先把事情理清楚，形成一个有头有尾的观点，然后组织语言发出去。这个过程本身就是一个筛选机制——它确保你发出去的东西，至少是你自己已经消化过的。

AI 改变了一切。现在你可以说"帮我看一下这段代码有什么问题"，然后把 AI 的回答直接截图扔到群里。成本几乎为零，但接收方的阅读成本没有丝毫减少。

这就产生了一种新的不平等：发消息的人省了时间，收消息的人却亏了时间。

Tom 提出的原则很简洁：If you are requesting human attention, demonstrate human effort. —— 如果你在寻求人类的关注，请先展示人类的努力。

这条原则在实践中的几个层面

代码审查中的 AI 代码

这是目前冲突最密集的领域。开发者让 AI 写了一大段代码，自己一眼没看就直接提了 PR。Reviewer 打开一看，代码风格完美、注释齐全、结构工整——但逻辑是错的，或者根本不解决实际问题。

更糟的是，因为 AI 生成的代码看起来太"专业"了，reviewer 需要花更多精力去辨别问题。你本来扫一眼就能发现人类会犯的典型错误，现在却要逐行检查那些看起来天衣无缝但实际有 bug 的代码。

Tom 的做法是：如果要发 AI 生成的代码给人 review，自己必须先 review 一遍。 标注哪些是 AI 生成的，并附上自己的评论。

日常沟通中的 AI 摘要

我在工作中也遇到过类似的情况。同事把一个很长的 AI 对话记录扔到群里，说"帮我看一下这个"。这其实是把信息筛选的工作转嫁给了团队。

更好的做法是：自己看完 AI 的输出，提炼出要点，然后用自己的话总结给团队。"我跟 AI 讨论了 X 方案的可行性，它的分析框架是这样的……我个人觉得它的第三点有道理，但第二点忽略了 Y 因素……"

你看，这多花不了几分钟，但对接收方来说完全是两个体验。

文档和设计文档中 AI 的使用

这个更隐蔽。有人用 AI 生成了完整的技术方案文档，但没有经过自己的思考消化就直接提交了。文档看起来面面俱到，但缺少了人的判断——哪些是重点、哪些是坑、哪些是经过权衡后的取舍。

技术方案文档的核心价值不在于它有多完整，而在于它反映了作者的思考过程。AI 可以帮你把思考写得更流畅，但不能替你做思考。

为什么这是个值得认真对待的问题

在 AI 辅助编程越来越普遍的今天，很多人觉得"效率提升了就好，管它是谁写的"。但 Tom 提醒我们：注意力本来就是稀缺资源，AI 时代只会更稀缺。

当每个人都在转发 AI 的输出时，信息的总量在暴增，但每个人的阅读能力是有限的。结果是大家花更多的时间阅读 AI 的文字，却得到更少的信息价值。

这让我想起了一个概念——信息通胀。当 AI 可以低成本产生海量文本时，每段文本的"信息含金量"实际上在贬值。而那些经过人类思考、提炼、消化过的内容，反而变得更有价值。

几个可落地的建议

1. 发 AI 内容前，自己先读一遍。 这是最基本的尊重。如果你觉得不值得花时间读，那对方也不值得。

2. 标注 AI 的参与程度。 "这段代码由 AI 生成，我已经检查过逻辑，但边界条件可能还有问题"——这句话本身就在展示你的努力。

3. 用自己的话转述。 不要直接转发 AI 的输出。把关键信息提炼出来，加上你的判断和观点。

4. 区分"探索"和"交付"。 用 AI 做早期的头脑风暴和信息收集完全没问题，但最终交付给同事的东西，应该是你已经消化过的版本。

5. 善意假设，但保持规则。 不是每个人都意识到这种行为的问题。如果团队里有同事经常转 AI 输出，可以温和地提出建议，约定一个团队规范。

写在最后

Tom 在文章最后说了一句话，我特别喜欢：keeping AI generated content clearly labeled and demonstrating human effort helps show consideration for teammates, and keeps a touch of humanity alive in our work.（清晰标注 AI 生成的内容、展示人类的努力，这既是对队友的尊重，也是在工作里保留一点人性。）

技术工具可以提升效率，但不能替代人与人之间的基本尊重。当你在 Slack 群里扔出一条 AI 生成的回复之前，先想一个问题：如果这条消息是我自己写的，它会不会更好？

如果答案是"不会"——那说明你的思考还没有结束。