不要做AI的“肉代理”——人类在AI时代应有的价值

不要直接把AI的输出转发给别人，理解、验证并用自己的语言复述，才是人类在AI时代真正的增值点。

引子：一个令人沮丧的日常场景

想象一下这个画面：你在Slack里问了一个问题，或者在一个合并请求（Merge Request）下留了一条反馈，甚至是在WhatsApp群里和朋友争论一个观点。然后你收到的回复是：

“Claude说：……”

后面跟着一大段一字不差的AI生成内容。

作者坦白，自己也干过这种事。但他说，当自己无数次成为这种消息的接收方之后，他实在忍不了了。“请不要这样做。”

这句话看似简单，背后却触及了AI协作时代一个根本性的职业伦理问题：当我们把AI当传声筒，我们作为人类的角色到底是什么？

为什么“肉代理”毫无价值

“肉代理”（Meat Proxy）这个词很形象——你像一个代理服务器一样，只不过你的“肉”你的身体，成了AI输出内容的中转站。但问题是，这个中转站不仅没有增值，反而在制造庞大的损耗。

1. 我可以直接和Claude对话，为什么还要经过你？

作者说得非常直接：

我可以自己跟Claude聊。这更快，而且我能控制上下文。我不需要中间夹一个“肉代理”。

这句话击中了一个核心痛点。当AI已经是公共基础设施时（至少在技术圈内），任何不经过人类智识加工的转发，本质上都是噪音。提问者完全可以自己打开Claude，把问题粘贴进去，获得同样甚至更好的回答——因为他可以自由追问、调整上下文、纠正方向。

而你转发的那一大段话，对接收者来说，等于把本该属于他的一次主动查询，硬生生变成了被动接收的垃圾信息。

2. 阅读AI输出本身就是一种额外的认知负担

AI生成的文本有几个明显特征，这些特征使得它不适合被直接转发：

• 冗长（Verbose）：AI倾向于把一个问题翻来覆去地说，生怕你不懂，结果就是一大堆车轱辘话。接收者需要花费额外的时间去精简、提炼。
• 看似合理但实则荒谬的错误（All-too-plausible nonsense）：这是大语言模型最危险的地方——它会一本正经地胡说八道。没有专业知识的人很难识别出这些错误，一旦转发，错误就会顺着链条扩散，直至污染整个决策过程。
• 术语密度过高（Jargon dense）：AI模型，尤其是面向技术领域的模型，特别喜欢堆砌术语，来营造一种“我很专业”的错觉。最典型的就是作者举的例子——他最近收到的来自Claude的一句话：

“NATS控制平面事件：在Pod剧烈变动期间的流领导者选举/R3法定人数重组。”

作者说，看到这句话他差点崩溃：“我几乎查了每个词才搞明白它在说什么。”

这句话本身可能并没有技术上的错误，但它的表述方式极其不友好。它本可以用更直白的方式说：“在系统进行大规模容器调度时，消息中间件集群的稳定性出现了问题，需要重新选举主节点。”但AI选择了最生涩的技术黑话，把极其普通的运维场景包装得高大上，这反而制造了理解障碍。

那么，正确的姿势是什么？

作者没有反对使用AI。恰恰相反，他认为应该大胆地让AI辅助思考。关键在于利用AI之后那一系列人类独有的动作：

你可以问AI任何问题。但不要仅仅转发它的输出。请阅读它、理解它、验证它，然后用自己的话写一个回应。

这四步缺一不可：

1. 阅读（Read）：不光是扫一眼字面意思，而是仔细理解AI表达的逻辑结构和论证脉络。
2. 理解（Understand）：把AI说的话翻译成自己的心智模型。你能用自己的话解释清楚，才算真的懂了。
3. 验证（Validate）：检查AI的说法是否符合事实、是否符合你所在项目的上下文、是否有幻觉痕迹。这一步最耗时，也最能体现专业素养。
4. 用自己的话重写（Write in your own words）：用自己的语言去组织答案。这个过程是强制性的过滤器——你没法复述自己都不理解的东西。因此，用自己的话重写，就是向对方保证你已经完成了前面三步的凭证。

作者把这称作“你能够增加的价值”（Making that effort is value you can add）。在AI时代，信息本身不再稀缺，筛选、判断、消化、重构信息的能力，才是真正的稀缺资源。

代码审查：AI+“肉代理”的危险范例

作者用一个非常具体的场景——代码审查（Code Review）——来进一步说明问题的严重性。

在今天的软件开发中，交付一段代码的成本已经低到了极限：

1. 把工单描述（Ticket description）复制粘贴到Claude Code里；
2. 完全不看代码，也不看Claude写了什么；
3. 如果评审人有反馈，再把反馈复制粘贴回Claude Code；
4. 必要的话就迭代几轮。

这个过程“真的能跑通”。代码能编译、测试能通过、PR能被合并。但是从深层意义上看，谁才是真正的“实现者”（implementor）？

答案是：评审人（Reviewers）。他们通过Claude Code实现了功能，而你——那个提交代码的人——顶多算个“肉代理”。你甚至连发生了什么都不知道。

这带来的后果是灾难性的：

• 如果我们对自己的代码没有任何理解，未来出Bug时，我们无法诊断问题。
• 如果评审人指出一个设计缺陷，你却连这代码写的什么逻辑都不清楚，你怎么去和评审人讨论？怎么去争取或者妥协？
• 更糟的是，如果代码架构存在根本性错误，而评审人必须在没有你参与的情况下，靠着Claude生成的东西去逆向理解你的意图——那评审人实际上替你干完了所有脑力活。

从Slack到WhatsApp：无处不在的代理文化

作者的观察很敏锐——这种现象不只发生在工作沟通中。Slack上的技术问题、WhatsApp群里的私人争论，都充斥着同样的回复。

WhatsApp群里的例子格外有趣：争论一个观点，有人直接甩一段Claude的分析过来。这在友谊里简直是一种敷衍——你甚至不屑于用自己的脑子思考，或者至少不愿意为朋友花一点时间去组织语言。这才是问题所在。AI输出的那一段话，看起来比你的手动回复详尽得多、逻辑严密得多，但它缺少了你作为朋友、同事、同行的个人立场和上下文判断。

当回复变成了AI的机械灌注，人与人之间的交流也就失去了意义。

回归本质：AI是工具，你才是价值源

作者无意间揭示了一个AI时代的职业生存法则：不要让自己的大脑退化成缓存数据库，而要时刻保持输出经过深度处理的信息。

这里有一个深刻的悖论：AI使得无思考的流程变得前所未有的容易——复制、粘贴、转发，一气呵成；但与此同时，它也使得有思考的产出变得前所未有的有价值——因为当大部分人都沦落为传递标准答案的机器人时，一个能理解、能质疑、能给出独立判断的人，就是瑰宝。

作者最后的一段自白很有力量：

我也干过这种事。但我也当够了下家。

这是每个使用AI工具的人都应该警惕的自我异化。也许下一次，当你忍不住想转发一大段Claude的回答时，不妨先停一秒钟，问自己一个问题：我到底是在帮助对方，还是在用一段漂亮的文字掩盖自己的不思考？

如果答案是后者——请你关掉那个聊天窗口，花三分钟去真正理解那件事，然后用你自己的话，认真地说一次。

那才是你区别于API接口的价值所在。

---

原文链接：Don't be a meat proxy