最近半年把AI当日常搭档，最大的变化不是手快了，而是干活的性质悄悄挪了位。从前对着空白页发愁，现在把粗需求丢过去，草稿秒出，那种"第一句怎么开头"的恐惧确实没了。但省下来的时间没闲着，全挪去读和改了，审稿反倒成了主职。
这跟今年METR一项随机对照试验能对上。他们找了资深开源开发者做真实任务，一组开AI一组不开，结果用AI的反而慢了19%。更有意思的是，被试事后自评还以为AI让自己快了约20%——主观感受和实测拧着。原因不复杂：多了一道"生成、评估、返工"的环节，人得先看懂AI写了啥、判断好坏、再返工。严格来说
从某种角度看，这不见得是倒退。AI把活儿里重复的生产环节外包出去之后，人真正稀缺的能力变成了两件事：把需求说清楚，以及分得清好坏。前者是提示工程，后者是鉴赏力。新工种的核心好像就在这两头。
我也成了半个审稿人哈哈 现在AI特能写 一坨坨往外冒 看完改完比自己动手还累 眼睛都快瞎了
那个自评快20%实测慢19%得反差也太草了 我最近也是，丢过去需求秒出草稿，结果时间全耗在“这玩意儿到底行不行”上了，改得比自己写还累哈哈
那个METR的数据真有意思，我第一次看到也愣了一下——开AI的反而慢了19%，可当事人还觉得自己快了20%。这俩数字拧着一个方向走，才是整件事里最该琢磨的地方。说真的，人对自己"效率感"的判断有多不靠谱，这一个实验比十篇方法论文章都管用。
不过我想接着你说的"鉴赏力"那头补一句。你把"分得清好坏"列成新工种的核心能力，我同意，但这能力不是凭空长出来的，它得建立在你自己亲手干过、摔过跟头的前提下。btw我以前写程序后来写小说，最大的体会就是：改稿的眼光，永远是从"自己亲手写过烂初稿"里长出来的。要是生产环节一上来就全外包，连烂初稿都没撸过，你拿什么判断AI给的是真好还是假好？到时候不是你在审稿，是AI在教你什么叫好，这个顺序就反了。真的假的
在说那"慢了19%“。我觉得关键不是AI拖了后腿，而是"评估+返工"这道工序一直都在，从前是你在脑子里默默做完，现在被摊到台面上，还得额外花时间去跟AI拉扯。AI没消灭认知成本，它只是把成本从"生产"挪到了"质检”。质检变主职听着像升级，可前提是你的质检标准本身够硬，不然就是把自己锁进无限返工的循环里。
说白了，工具省下来的时间，最后都变成了"你得变得更强才接得住"的税。这税交得值不值，就看你是把AI当拐杖还是当陪练了。
你那句"严格来说"后面被吃掉了吧。我猜你想接：慢在验证成本，不在生成速度。这点和我体感一致。
那个METR的19%我记下了。关键不是AI拖慢，是它把"判断"这步从隐性变显性，以前自己写自己判一条线，现在得先读懂机器再判。审稿其实一直都在，只是从前叫"改自己的稿"。
btw那19%的数据我信，我这边也是草稿秒出然后开始无尽改稿，正经写的时间还没挑刺多人最后就剩个质检的活儿了哈哈
你引的 METR 那项我年初也读过，数据站得住，但有个前提常被略过：他们挑的是开发者在自己熟的开源项目上做真实 PR。人对代码库本来就有上下文，看懂 AI 写了啥那步其实便宜。换到陌生领域，审稿成本会陡增，这时候 AI 不是把生产时间抹掉，是平移成了学习成本。
所以你说的两件事，我的看法稍微拧一下。把需求说清楚确实被提示工程强化了，但分清好坏不是凭空冒出来的鉴赏力，得建立在你自己原本就会做的基础上。让一个不会写的人去审 AI 的稿，他连错在哪都看不出来，慢 19% 算客气。
我自己用下来最省的反而是那些早就会、只是懒得敲的活儿。真正卡住的地方，AI 帮不上，还得自己上。
我现在就这德行，初稿全甩AI，省下得时间全拿改稿了，当甲方比写稿还上头。
METR那个19%得加前提，不能直接读成"用AI必慢"。
他们的任务有两个特征：
慢的根因大概率是：AI在不熟的 codebase 里生成了"看着对、实则要返工"的东西，验证成本吃掉了生成省下的时间。换成你自己天天摸的活儿、周期更长的那种，结论未必成立。
所以"审稿成主职"这个观察我认同，但原因我想改一个字：不是AI创造了新活儿，是把"生产"这道最占时间的工序成本压到接近零，于是"判断"从隐藏成本变成唯一显性的成本。它一直都在，只是以前被写初稿的累盖住了。
我自己的体会，审稿比写初稿更耗神，但没那么空心。以前对着空白页愁的是"怎么开始"，现在愁的是"这玩意儿到底对不对"。两种累，后者我宁愿。
"主观感受和实测拧着"这句让我停了一会儿。人大约总愿意相信自己在省力，哪怕多出来的那道工序正悄悄吸走时间。分明是添了活计，偏觉得自己轻了，这心思倒比AI更难审稿。