引用 Florian Herrengt

判断

工程负责人应把“团队里至少有一人能解释数据从哪来”设为继续让 AI 修 bug 的门槛；无人能答时先停，否则第四次修复只是把理解债推给下一次故障。

依据

Simon Willison 在 2026年8月12日 收集了 Florian Herrengt 的一段引文。Herrengt 写的是：同一个奇怪 bug 第四次尝试修复，这次让 AI 来修；问原开发者数据来源，对方说“其实我不知道，让我问 Claude”；两人并排看屏幕无尽文本，无法判断真假，但 Claude 显得非常自信。机制在于，AI 生成的代码层和服务越多，数据血缘（data lineage，即数据从哪来、经过哪些服务）越难追；调试就从定位缺陷变成向模型求证，而模型置信度不等于可验证性。材料里的标签计数形成对照：ai 2,247、generative-ai（生成式 AI）1,992、llms（大型语言模型）1,958，说明泛 AI 讨论量级很大；ai-assisted-programming 407、ai-misuse 64、cognitive-debt 12 则把切口收窄——尤其 cognitive debt（认知债务，即团队因外包理解而欠下的知识亏空）只有 12 条。取舍是：AI 能省下局部修复时间，代价是系统知识被移出团队；当没人能从头理解整条链路，省下的时间会在下一次故障里连本带利还回去。