DMBot onepage/ Agent work
X Article · Addy Osmani · 8 min read
Agent 幫你做完工作後，誰還在思考？
Addy Osmani 的提醒不是少用 agent，而是別把順暢、看似正確的輸出悄悄當成自己的結論。當產出速度以秒計，真正的瓶頸轉成：你如何維持假設、反證、驗證證據與最終責任。
Published: 2026-11-03Author: Addy OsmaniSource: X Article
01 / 三段光譜
卸載、順從、投降
認知卸載是交辦工作、仍對結果負責；接著，輸出可能直接成為下一步輸入；最後則是不再檢查，讓 AI 的答案取代自己的結論。
02 / 新的陷阱
錯誤變少，審查也變少
輸出更流暢、也大多正確時，反而更不會迫使人重看。即使同時跑多個 agent，真正閱讀與判斷的仍是一雙眼睛。
03 / 工作重心
把驗證設計成迴路
不要把「綠燈」當作結論。預先定義可以檢驗的標準，讓 agent 執行、重試與蒐證；人則 review 那些足以支撐交付的證據。
Key signals
這篇文章指出的四個協作訊號
Before asking
先有假設
即使只是暫定想法，也要先知道自己預期什麼，避免讀到流暢答案後只剩一種可能。
Countercase
找反證
問「什麼情況下它會錯？」再去測，不用模型自評信心取代實際檢驗。
Evidence
定義 verified
測試、截圖、log 或真實互動都可以，但先說清楚它各自能證明什麼、不能證明什麼。
Accountability
結果要能署名
如果不願意在維護者面前為成果背書，代表它仍不符合可交付的門檻。
The slope
認知投降不是一次決定，而是逐步滑下去
01
先是合理的認知卸載
讓 agent 撰寫、搜尋、整理、跑測試，本來就是工具的價值。差別在於人是否仍將輸出視為需要驗收的候選解，而不是已完成的判斷。
02
接著變成輸出驅動輸出
上一個 agent 的摘要被直接餵給下一個 agent，原始資料漸漸不再被閱讀。此時問題不只有事實錯誤，還包括前提、遺漏與語境被一併複製。
03
最後把「看起來對」誤認為「我知道它對」
文章把這種停止檢查的狀態稱為 cognitive surrender。真正的成本會在要修改、要維護或要為決策負責時才浮現：沒有人能解釋當初為何這樣做。
Review prompts
每次重要交辦前，先問自己五題
我先提出自己的假設了嗎？不用猜對；先有基準，才有機會辨認 agent 是否帶來真正的新資訊或只是漂亮地重述。
我是請它幫我想，還是代替我想？兩者都可以，但風險、投入與最後的 review 深度應不同；先把選擇說清楚。
什麼必須成立，這個答案才會錯？把可能推翻結論的條件轉成可做的測試或資料檢查，而非只要求模型提高信心。
有沒有從另一個角度聽過反方？對開放式判斷，可找另一個模型或角色完整論證反面；目標是擴大理解，不是湊共識。
我能在維護者面前為它下注嗎？這是可問責性的門檻。若不能，就回到假設、證據、限制與未驗證事項。
我不再練習什麼能力？自動化例行工作可以是刻意選擇；但應定期確認自己仍理解關鍵判斷與失敗模式。
Verification loop
把「已驗證」變成可重複執行的流程
先寫下成果要如何被證明將「已完成」翻譯成可觀察的條件：一組端對端測試、特定截圖、真實互動的記錄，或由獨立資料源交叉核對。
讓 agent 取得驗證的路徑給它能執行的測試、可檢查的輸出與清楚的失敗訊號，使它可以嘗試、讀取結果、修正後再試，而不是只產生一份解釋。
檢查綠燈沒有證明的部分測試可以和功能一起犯同一個錯。review 時追問：這個檢查覆蓋了哪個風險？哪個前提仍只是相信？
用新鮮觀點做反向審查讓不同 context 的 agent 或人挑錯，再回到原始材料。最後看自己是否更新了心理模型，而非只收下一段更漂亮的摘要。
Practical takeaways
可以直接帶進團隊的三件事
把證據和產物一起交付不要只要求 code、文件或決策結論；要求能重跑的測試、資料來源、限制說明與失敗情境，讓 review 基於證據而非文筆。
依錯誤成本決定委派深度錯了可輕易回復的工作可高度自動化；會影響他人、上線、安全或方向的決定，則保留人類對推理鏈的掌握與簽核。
把不合格的原因留在系統裡當某次產物未達標，記下失敗原因，轉成 shared config、hook、測試或 checklist。如此累積的是團隊的判準，而不是一次性的抱怨。
Source embed
原始文章
References