当 Agent 帮你干活，我们该思考什么？来自 Claude Code 团队的 Addy 分享的这篇虽然是拿 Coding 做例子，但这个方法可以衍生到任何 Agent 工作。模型越强，批判性思维越难，而且难的方式跟大家预想的不一样。明显错误越来越少，大多数输出都不错，而且你同时跑多个 Agent，但只有一双眼睛，在这种舒服的状态下就会放松警惕，所以批判性思维得刻意排进日程👀 首先要警惕认知滑坡：

• 卸载：把任务交给 AI，但结果仍归你负责；
• 延迟：工具输出直接成了你的下一步输入，不再是假设;
• 投降：AI 的输出悄悄变成你自己的观点，你不觉得需要检查;

人会一步步往下滑，每一步都很小、都显得合理，所以很少有人察觉。如果你连借助 agent 都解释不清这个答案，你这时就已经交出了所有权。因此，要把判断力放在任务两端：

1. 事前定义：先写自己的假设，明确目标、边界与完成标准。对于任何架构和执行性的工作，我会和 Agent 一同完成设计说明。这样我们双方都知道接下来会做什么，以及完成标准是什么？

2. 事中执行：Agent 生成与迭代，让验证进入执行循环。分步骤地让 Agent 输出中间产物，我们可以确定部分的执行结果是否正确。如果连续有效，就可以放心大胆执行；

3. 事后验证：先看证据，再看总结，审查隐藏的假设与决策。一定要校验 Agent 的执行结果，可以用另外的模型来阅读执行文档和中间产出的 log 记录，来双向校验。

交付前的最终门槛：我能解释它，也愿意为它署名负责吗？产出不应超过审查能力，持续练习不愿失去的技能！