Geoffrey Litt 是 Notion 的设计工程师。七月份他在 AI Engineer 大会上做了一个演讲，标题是一句很直白的话：理解才是新的瓶颈。

这不是一个技术问题，这是一个认知问题。Agent 写代码的速度已经远远超过了人类吸收代码的速度。但 Litt 的观点不是「所以我们别看了」，而是「我们得换个方式来看」。

他的核心论点：理解代码不是为了验证 Agent 对不对——Agent 自己验证自己的能力越来越强，这条路迟早会走不通。理解代码是为了参与。当你脑子里有足够丰富的概念图景，你才有能力在下一个迭代中提出真正有创造力的想法。如果你脑子里是空的，你的参与能力就被实质性地削弱了。

他把这叫做「认知债」——跟技术债一个道理，短期不理会没问题，但迟早会咬你。

三种方法，都不靠读 diff

Litt 在演讲中提了三种建立理解的技术，都来自教育学的启发。

第一种：解释文档。他不是让 Agent 吐出 diff，而是让 Agent 生成结构化的解释——先讲背景知识，再讲直觉，最后才到代码。他管这叫「文学性 diff」：像写散文一样按逻辑顺序走一遍改动，而不是按字母顺序排列文件。解释文档末尾还附带一个互动测验，五道题，关于这次改动。他的规矩是：答不过测验，代码不发出去。

「测验是一个速度调节器，」他说。「跟 AI 一起工作时，循环很容易跑得比人类理解的速度快。测验是一种反向制衡——我机械地问自己：我真的理解了吗？」

第二种：微观世界。这个词来自教育学家 Seymour Papert 的「数学乐园」概念——如果你想学法语，就去法国生活。他的问题是：能不能造一个环境，让你在里面自然地理解系统是怎么运作的？

他举了一个例子：他要写一个 Prolog 解释器，但很难直觉理解内部在发生什么。于是他和 Agent 一起做了一个调试器——可以拖动时间轴、看每一步栈上有哪些东西、哪些规则被评估了。关键是他自己做的调试，不是让 Agent 调试。「自己动手的过程，就是理解建立的过程。」

另一个例子更有趣：他在把个人网站从一个框架迁移到另一个框架，Claude 写了迁移脚本，但他完全看不懂新框架。于是他让 Claude 做了一个「指挥中心」——一个小游戏，让他自己一步步点击按钮完成迁移，同时看着旧网站和新网站并排显示。这个过程的体验接近自己手写，但快得多。

第三种：共享空间。理解不是一个人关起门来的事。当一个团队持有相同的思维模型时，沟通效率会完全不同。

开发者们吵翻了

这篇文章在 HN 上拿了 298 分，160 条评论。讨论比原文更激烈。

madrox 的评论是最高赞：「一个普通工程师正在发现工程管理很久以前就面临的问题，这令人忍俊不禁。这就是为什么经理要参加站会，为什么 Slack 存在，为什么工程师总被戳——他们正在重新发明解决方案，而不是去读一本工程管理书。」

这个锐评引来了大量反驳——两者「其实很不一样」，当经理你找最强的人，给他们最难的工作，问最少的问题。但对 LLM，「如果是一个严肃的产品，你仍然需要自己理解大部分想法。」信任 Agent 毫无意义，「因为最终负责的是你，不是 LLM。」

galaxyLogic 指出管理 AI 和管理人有一个本质区别：「管理 AI Agent 不需要你友善、有同理心、建立信任。」

关于 LLM 写 PR 描述的问题，alecbz 说 LLM 生成的 PR 描述「几乎普遍被讨厌」——过于复杂的机械描述，完全感觉不到动机。TacticalCoder 给了一个具体例子：一个简单的整数范围检查if (a >= 0xab000000 && a <= 0xabffffff)，LLM 把它转成了字符串转换和十六进制子串匹配。他的原话是：「I. Shit. You. Not.」

但也不是所有人都悲观。drooby 说他的团队做了一个 PR 草稿 skill，把描述锁死在 3-5 句话，只写 WHAT 和 WHY。「我发现这比人类自己写 PR 描述的时候有用多了。」

「别读代码」还是「扔掉代码」？

另一个激烈争论点是「不读代码」运动。

champagnepapi 直接问：「大家怎么看那个『别读代码』的说法？我肯定不支持。」

simonw 算是最中间的意见：「不读每一行代码能解锁更多 Agent 的价值，但显然有风险。」他把它比作依赖另一个团队的产品——关键技能是「培养直觉，知道什么时候需要深入细节，什么时候可以放松一点。」

hk__2 给了最干脆的方案：「不理解的代码就扔掉。」如果 Agent 的代码不清晰，扔掉重来或者自己写。xxpor 补充：「这好像是最难调整的部分：代码现在是来去自如的东西了。」

bigstrat2003 是讨论中最激烈的反对者之一：「理解从来都是瓶颈。这就是为什么 LLM 实际上没有帮助：它们加速了容易的部分（打字），但在困难的部分（理解）上要么中性，要么有害。」

Litt 的回应：重点从来都是增强，不是自动化

Litt 的演讲以一个 50 年前的画面收尾。Alan Kay 设想过计算机可以成为一种比书本更好的媒介，来教人们——尤其是孩子——如何思考世界。画面里，一群孩子不是在 iPad 上看 YouTube，而是在玩一个互动游戏，一边玩一边编辑代码来理解物理。

「重点从来都是增强，不是自动化，」Litt 说。「AI 让创建模拟变得如此容易，这是计算机有史以来最伟大的可能性之一。」

「如果我们造出正确的工具，我们现在可以比以往任何时候更好地理解世界。我们不需要把自己从循环中移除，我们也可以更深地进入循环。这取决于我们自己。」

参考来源：

• Understanding is the new bottleneck — Geoffrey Litt
• Understanding is the new bottleneck — Hacker News