这正是 cognitive debt，也就是认知债所描述的问题。这个概念由两个人带火：维多利亚大学计算机系教授 Margaret-Anne Storey（Litt 的幻灯片把她署名为 Margaret Storey），以及 Django 框架的共同作者、长期写 LLM 工程实践的开发者 Simon Willison。代码交付时，人可能并未真正跟上。即使 agent 生成的代码本身清晰易读，参与者仍可能不知道程序应该做什么，设计意图如何落进代码，以后需要修改时又该从哪里开始。
“”
Even if AI agents produce code that could be easy to understand, the humans involved may have simply lost the plot and may not understand what the program is supposed to do, how their intentions were implemented, or how to possibly change it.
—— Margaret-Anne Storey，Cognitive debt（加粗为 Litt 幻灯片上的加粗）
“It's beautifully ironic: AI turns an interactive activity into a static paper report I can focus on deeply :)”
但讲解做得再好，阅读本身仍是费劲的工作，人也太容易骗自己说已经读懂了。
这种错觉有人专门研究过。Andy Matuschak 是一位独立研究者，做的正是「帮人思考的工具」这一类东西，早年在 Apple 参与 iOS、在 Khan Academy 领导研发。他用一句 books don’t work 概括这个问题。人以为读过就懂了，实际既没有记住，也没有形成清楚的理解。文字可以把解释摆在眼前，却不能保证理解已经发生。
Matuschak 和 Michael Nielsen 尝试把检查理解的动作直接放进阅读过程。Nielsen 是量子计算标准教材的合著者，后来把精力转向如何让人真正读懂并记住复杂内容。两人采用 spaced repetition，也就是按逐渐拉长的时间间隔反复考问自己，并把测验题嵌进在线文章。他们合作的 Quantum Country 就是这样的读物：内容是量子计算入门，读者一边阅读，一边被文章中的题目检验，不能只凭熟悉感判断自己是否掌握了内容。
Litt 把这个做法接进了自己的 agentic coding 流程。现在讲解文档底部有一个交互测验，五道题，全部围绕这次代码改动，他自己去答。
他给自己定的规矩是：过不了测验，代码不发给别人。
轮到他 review 别人的代码，执行的仍是同一条规矩。
“My rule: I won't send code to others until I can pass the quiz, and I do the same when reviewing others' code.”
这个问题也不新，计算机这门学科起步时，就有人思考过它。五十年前，计算机科学家 Alan Kay 已经提出，计算机可以成为一种比书更进一步的新媒介。作为个人电脑与图形界面的早期设计者之一，他长期主张，计算机不应只负责计算，还应帮助人思考，尤其是帮助孩子理解世界。
Litt 展示了 Kay 论文《A Personal Computer for Children of All Ages》中的一张图。那是手绘线条插画，不是照片。画面乍看很像今天的孩子拿着平板看视频，实际发生的事却不同：孩子们在玩一个可以交互的游戏，还会一边玩一边改代码，从而理解物理规律。程序把系统的运行规律跑起来，人可以观察、尝试和改变条件，这就是模拟。
演讲幻灯片出自 Kay 的论文《A Personal Computer for Children of All Ages》。画面里的孩子看着像在拿平板看视频，其实是在玩一个可交互的游戏、并一边玩一边改代码来理解物理。这是手绘插画，不是照片。来源 同上演讲幻灯片他用这张梗图收束整条谱系。持枪一侧配的是 Alan Kay 本人的照片。来源 同上
Litt 用一张太空人梗图收束这条线索。图上的人问：「等一下，计算机的意义原来是造出动态模拟，帮人理解复杂概念？」持枪一侧配着 Alan Kay 本人的照片，回答只有一句：「一直都是。」他的立场也落在这里：计算机本来的目的，一直是增强人的能力，不只是替人自动化。
“The point was always to augment, not just automate.”
Litt 说，AI 让做模拟这件事变得容易得多，这很美妙。让 AI 来教人，在他看来，是计算机这门技术出现以来最了不起的可能之一，也是他对未来乐观的原因。
工具搭对了，人可以比过去任何时候都更好地理解世界。
“”
If we build the right tools, we can now understand the world better than we ever could before. We don't have to merely take ourselves out of the loop, we can get deeper in the loop too. It's up to us.
