AI 提效之后，人的协作比以前更重要了。在 Code Review 或帮同事排查 Bug 时，我越来越想直接看看：对方究竟和 AI 讨论过什么？问题是怎么提的，交代过哪些背景，那个关键的边界条件到底有没有被考虑过？ 这也是我对 Meat Proxy （也就是人肉 AI 搬运工）这类讨论的一点额外看法。 无论是在 PR 的 Code Review 中回复一个质疑，还是工作中请同事帮忙排查 Bug ，把一段未经核对的 AI 回答直接丢给对方，确实会把判断成本留给对方。于是，一个常见的建议是：先自己深入理解，做出判断，再用自己的语言重新组织一遍。 但真实工作里，一个人掌握的上下文，往往不足以独立完成这个判断。我们当然应该说明自己检查过什么、哪些结论有依据，但也应该允许带着尚未确认的判断向别人求助。 举个例子，一个新需求前端埋点的上报细节，可能会涉及后端 trace 下发、客户端 Native 二次处理、有时候涉及跨端容器的实现细节，数据落仓口径和产品诉求也要考虑。 需求推进有排期，问题排查有时间成本，也没人能保证自己正在沿着正确的方向调查。问题还没完全弄清楚，往往正是需要协作的时候。把 A...