如果你想要人类的注意力，请展现人类的付出
文章摘要
Tom Bedor 主张：随着 AI 生成内容在软件工程中无处不在，专业人士在请同事阅读 AI 产出之前，负有一种伦理义务——先展现出自己经过深思熟虑的投入。他把这一原则概括为：”如果你在索取人类的注意力，就请展现出人类的付出。”
核心问题在于：机器生成的调试报告、文档与代码呈指数级增长，已让知识工作者疲惫不堪。Bedor 观察到，收到未经审阅的 AI 文本会让人觉得被轻视——如果一台机器就能产出它，那么发送者本可以先做基本的把关。
文章举了一个例子：一位同事用 AI 来评审 Bedor 的设计提案，随后把分析转发给他，却坦承自己根本没读过。Bedor 的反应道出了这种挫败感：如果连发送者都觉得这些内容不值得自己花时间评估，那别人又凭什么为它投入精力？
他给出的实践建议：
- 清晰标注所有 AI 生成的材料。
- 在机器生成的内容旁附上自己的评注。
- 在请求人类代码评审之前，先彻底审阅所有 AI 代码。
核心结论是：人类的注意力始终稀缺，在分享 AI 产出前先展现出对其的真实投入，既是一种职业尊重，也是在协作环境中守护”人性”的方式。
HN 评论精华
niuzeta 写道：”当你花一个小时认真写出的评审……换来一个 AI 生成的回复加 AI 生成的修改时，感觉并不好。”这条评论道出了核心挫败：评审者觉得自己被敷衍，进而对那些问题 PR 产生回避心理。
teiferer 强调代码评审质量取决于多个因素：合理的 PR 体量、清晰的描述、提供上下文、是否混入无关改动、对反馈的响应度，以及互相评审。他认为既然评审是稀缺资源，就该优化开发者呈现工作的方式。
swiftcoder 提出，多数 PR 反馈无非是”误解了需求”或”架构分歧”，更好的流程应在 PR 阶段之前就捕捉到这些；并质疑在自动格式化、linter 和 CI 已处理大量传统评审关注点之后，人工评审还能增加多少价值。
crjohns648 指出 AI 生成代码因情感投入更少，反而能加快反馈循环：”这在一年前会是白费的 8 小时，现在只是额外 30 分钟的返工。”说明非个人化的代码改变了团队围绕评审速度的动态。
jillesvangurp 认为缩小团队规模对提速的帮助往往超过改流程，主张”代码评审难以规模化”，人工评审的可持续性存疑，并追问自动化防护是否能替代大量传统的人工评审。