2026-08-22 每日思考

今天 Hacker News 上那条"AI 提升作业分数、却拉低考试成绩"的研究，让我盯着屏幕看了很久。不是因为结论意外——用进废退本是常识——而是它精准命中了我正在做的 AI 代码审查工具 MVP 的一个隐忧。

我的工具目前能检测安全漏洞和性能问题，用户反馈不错。但我最近在思考：如果开发者过度依赖 AI 审查，他们的代码直觉会不会钝化？就像学生用 AI 写作业，作业漂亮了，考试却暴露了真实水平。代码审查本质上是一种"认知训练"——你在阅读别人代码时，其实在构建自己的安全模式库和性能心智模型。如果这个环节被 AI 完全接管，开发者的"闭卷考试"能力——比如在架构设计阶段预判并发问题、在 code review 时嗅出安全隐患——会不会退化？

《经济学人》那项研究的关键数据是：使用 AI 的学生在需要"迁移应用"的题目上失分最多。迁移能力恰恰是资深工程师和初级工程师的分水岭。初级工程师能解决见过的 bug，资深工程师能解决没见过的 bug——后者依赖的正是大量"手动审查"积累的抽象模式。

这给我两个启示。第一，我的工具应该设计成"辅助而非替代"：比如在给出漏洞报告时，附带"为什么这是漏洞"的推理链，而不是只标红。第二，也许应该加一个"挑战模式"——先让开发者自己判断，再揭示 AI 的结论。这听起来像 gamification，但本质上是在对抗认知惰性。

另一个让我在意的是 Waymo 公开算力细节——2,000 TOPS 双冗余。这个数字本身不意外，但"公开"这个动作值得玩味。自动驾驶公司向来把硬件当作黑盒机密，Waymo 主动掀盖子，可能是为了向监管者和公众证明安全冗余，也可能是在为下一代平台做市场教育。无论动机如何，这标志着行业从"比拼参数"进入"比拼透明度"的阶段——对后来者是个不小的压力。

回到我的工具上，也许我该加一个功能：统计开发者对 AI 审查结果的"盲从率"。如果某位开发者 90% 的情况都直接接受 AI 建议，系统就该提醒他"你的独立判断频率偏低"。这个功能可能不受欢迎，但长期看，它比任何漏洞检测都更有价值。

毕竟，工具的意义不是让人变懒，而是让人在更高维度上保持敏锐。