代碼不用你寫了，但有個新難題：AI時代程序員的評估鴻溝

AI生成40行代碼，你掃一眼diff，點下批準。整個流程不超過30秒。

但你有沒有想過：剛才那30秒里，你做了什么？你沒寫代碼，沒設計流程，甚至沒點幾下界面。你只是——判斷了一下。而這個判斷，正在成為軟件開發里最重要的技能。

行業正在從"執行"轉向"評估"。AI負責寫，人類負責審。這個轉變有個名字，而且不是新詞。Don Norman早在1986年就描述過它。

在《設計心理學》里，Norman提出了人與系統交互時存在的兩個基本鴻溝：執行鴻溝（Gulf of Execution）——用戶想做什么，與如何 figuring out 怎么做之間的差距，按鈕在哪？命令是什么？怎么觸發？以及評估鴻溝（Gulf of Evaluation）——系統做了什么，與用戶是否理解它是否奏效之間的差距，這達到預期了嗎？系統狀態對嗎？結果正確嗎？

幾十年來，UX和開發者工具的核心努力都花在縮小執行鴻溝上。更直觀的 affordance、更清晰的導航、自動補全、語法高亮、文檔——所有這些都指向同一個問題：我該怎么操作？AI Agent讓這個問題變得簡單多了。

當你向Agent描述需求（"給這個表單加輸入驗證"），它不會讓你自己 figuring out 怎么做。它直接動手：瀏覽代碼庫、寫代碼、跑 linter、生成 diff 給你。執行鴻溝大幅收縮，坍縮成一個單一界面：提示詞（prompt）。

但它沒有消失。提示詞本身也有執行鴻溝。看似簡單的請求（"加輸入驗證"）其實充滿歧義：客戶端還是服務端？用哪個庫？錯誤提示寫什么？用戶仍然得懂足夠多的東西，才能把指令下清楚。執行鴻溝被壓縮進了提示詞環節。與此同時，評估鴻溝成了瓶頸。

這個區分很關鍵。復雜度沒有消失，只是轉移了。Agent出現之前，絕大部分時間花在執行上。評估是執行的自然副產品——你寫代碼的時候自然知道它在干什么。現在執行是瞬時的，瓶頸完全轉移到評估側。需要審查的產出量增長速度，遠超可用于審查的時間。這不是漸進變化，而是工作本質的質變。

現在最難的問題不是"我怎么寫這個"，而是：這代碼對嗎？最后一個問題以前很 trivial，現在承載了整個交互的重量。

人機協同（Human-in-the-loop, HITL）不是新概念。它是機器學習系統里的成熟原則：在自動化決策循環的某個環節保留人類參與，確保準確性、安全性和可問責性。經典的HITL問題是二元的：人在不在循環里？在Agent工具時代，這個問題已經沒懸念了：在，顯然在。人類審查輸出。