多数人不判断 agent，只是在吸收它的结论

多数人不判断 agent，只是在吸收它的结论

你让 agent 修一个 bug，三十秒它把 PR 甩了回来，描述写得头头是道，测试看着也跑过了。你扫一眼，觉得”应该没问题”，合并。

越来越多的活是这么交出去的。agent 产出越快，你真正焦虑的就越不是它写得对不对，而是另一个问题：我凭什么判断该不该信它？

我们默认这种判断力是天赋。有人就是一眼能看出一段代码好不好，一个方案靠不靠谱；有人不行，那是没天分。AI 时代这个焦虑被放大了——它一屏接一屏地给你东西，你要么逐行较真（来不及），要么扫一眼觉得”好像没问题”（那不叫判断）。

最近读到一篇讲科研的文章，里面一句话把这事说穿了：taste 不是天赋（gift），是肌肉（muscle）。 它甚至给了练法。这套练法，搬到和 agent 协作上，严丝合缝。

判断力的练法：预测，然后对账

那篇文章讲怎么训练科研品味，方法朴素得不像方法：每次实验之前，先预测它的结果。把一篇论文的结果部分盖住，只看方法，自己先猜出那些数字。给本月的每个新发布打个赌——两年后它还重不重要——过段时间回头核自己的命中率。

一次预测加一次修正，重复几百次，是任何一个好模型被训练出来的方式，包括你脑子里那台。

把”实验”换成”agent 的输出”，这套就是判断力的练法。

你之所以判断不了 agent 给你的东西，往往是因为你的顺序错了：你先看它写了什么，再回头觉得”嗯好像没问题”。这不是判断，是追认——结论已经摆在你面前，你只是给它盖了个章。真正的判断发生在你看到答案之前。

派活之前，先写下你赌它会怎么做

具体到动作，就一句：派活之前，先写下你赌它会怎么做。

让 agent 实现一个功能前，先写一句：我赌它会用这个方案、会在这个边界上翻车。让它改一个 bug 前，先写：我赌根因在这里。等它把 PR 甩回来，先别看它的描述——盖住，自己先猜它改了哪几个地方、漏了哪个。然后对账。

赌对了，你的脑内模型得到一次确认；赌错了，你恰好抓住了一个你和它认知不一致的点——那个点，就是这段代码最该被你盯住的地方。

这件事的成本低到可笑，几乎只是动笔写一句话。但它把你从”被动追认”扳回”主动预测”，而追认和预测之间的差，就是判断力本身。

为什么大多数人练不出来

那篇文章里还有个让我印象很深的细节。Hamming 在贝尔实验室有个习惯，搞得他午饭桌上不太受欢迎：他会问邻座，你们领域最重要的问题是什么；然后问，那你为什么不做那个？人们换桌子坐。

这个问题刺人，是因为多数人答不上来。我们不选问题，我们吸收问题——从导师那、从某个大厂上季度宣布了什么、从这周大家都在转的那篇论文。吸收来的问题，你握着结论，却没有推导：你知道某个著名实验室在乎某个方向，但不知道为什么，不知道他们期待找到什么，也不知道什么会让他们放弃它。

对 agent 也一样。多数人不判断 agent，只是吸收 agent 的结论——它给的方案看着挺像回事，那就用吧。你握着它的产出，却没有自己的预测去跟它对账。一旦它跑偏，你和大多数人一样，一年后才发现。

落点

判断力不是你天生有没有那双眼睛，是你敢不敢在看到答案之前，先押一个预测下去。

下次把活交给 agent，在敲回车之前，先花十秒写一句：我赌它会这么做，会在这里出问题。然后等它交活，对账。

几百次之后，那台脑内模型就练出来了。这事没有天赋这一说，只有你做没做那次预测。