AI 貼上文化正在讓你變成廢人

> Patch Note

我的結論先說：直接 paste AI 輸出的人，根本沒在思考，只是在用工具逃避責任。

這個問題比你想的嚴重。不是什麼「哎呀品質有點下降」那種程度，是整個溝通和協作的信任基礎正在被侵蝕。你以為你在幫忙，其實你在傳噪音。

最近有個網站 dontpastetheai.com 在 Hacker News 拿到 629 分，核心訴求就一句話：請不要把 AI 生成的內容直接貼上去。這個網站本身沒什麼技術含量，就是一頁文字，但它能引起這麼大的共鳴，代表這個問題真的踩到很多人的痛點了。

它的定位自己說是 nohello.net 和 dontasktoask.com 的精神同類 — 這兩個網站都是在講溝通上的懶人行為。nohello 是叫你不要只傳一個「嗨」然後等人回，dontasktoask 是叫你不要問「有人懂 X 嗎」要直接問問題。現在多了一個：不要把 AI 的回答當成你的回答。

---

你身邊一定看過這些場景

我自己做 code review 和技術討論也有一段時間了，這個現象我直接說，過去一年半明顯感覺變化。

場景一：PR description 廢話連篇

有人開了一個 PR，description 寫了五段，講 background、講 motivation、講 implementation details、講 testing、講 future work。聽起來很完整對吧？問題是每段都是泛泛而談，沒有說清楚「這個 PR 改了什麼、為什麼這樣改」。讀完你還是不知道它解決了什麼具體問題。這種 PR description 就是 AI 生成的典型產物 — 結構完整、廢話很多、核心信息反而模糊掉了。

Code review 花在讀這種 description 的時間完全是浪費，你還不如直接看 diff。

場景二：Slack 回訊息像在貼文章

有人問你一個問題，你給他回了十段。第一段說「這是一個很好的問題」（不是啦，是 AI 覺得這樣比較有禮貌），然後洋洋灑灑列了各種 consideration，最後還有一個 conclusion。對方想要的是你的判斷，你給他一篇 survey paper。

dontpastetheai.com 說的那段話很準：「如果他們想要一般性的答案，他們自己幾秒內就能得到。他們問你，是因為他們想要你的觀點、你的 context、你的判斷。」

場景三：技術文件失真

這個比較隱性但更嚴重。有人負責寫某個 module 的文件，直接讓 AI 根據 code 生成，然後稍微看了一下就 commit 上去。文件內容技術上沒有錯，但它描述的是「一個看起來像這個 code 的系統應該怎麼運作」，而不是「這個 code 實際上是怎麼運作的」。微妙的設計決策、暫時的 workaround、未來的 TODO — 這些 context 全部不見了。

下一個維護這段 code 的人，會把這份文件當成 ground truth，然後踩坑。

---

為什麼大家會這樣做

說實在的，我完全理解為什麼這件事會發生，甚至我自己也有過這種衝動。

最直接的原因：摩擦力太低了

以前你要回答一個問題，你得想。現在你把問題丟給 ChatGPT 或 Claude，三秒就有一個看起來有模有樣的答案。Copy paste 這個動作的摩擦力幾乎是零。人類天生會走阻力最小的路，這不是道德問題，是行為設計問題。

但問題就在這裡 — 當摩擦力是零的時候，思考也消失了。

信心問題

還有一個比較少被提到的原因：有些人 paste AI 是因為他們不相信自己的答案夠好。AI 的回答看起來更完整、更有條理、更「專業」，所以用它顯得比較安全。這是一種偽裝成謙遜的懶惰。

問題是，你的不完整回答裡面有真實的 context。AI 的完整回答裡面是 pattern matching。這兩個根本不是同一種東西。

這讓我想到早期的 Stack Overflow 文化

大概 2010 年代初期，Stack Overflow 剛流行起來的時候，也有類似的問題 — 有人問問題，有人就直接貼文件連結，然後說「RTFM」。後來社群形成了一個共識：你應該要解釋為什麼這個連結能回答他的問題，不是只丟個 link 了事。

AI paste 文化是同一個問題的進化版：你以為你在幫忙，其實你只是在轉發，沒有加任何自己的判斷進去。差別是 Stack Overflow 的 RTFM 至少還是指向一個真實的資訊源，AI paste 給你的是一個模型根據 pattern 合成出來的回答，不一定對，也不一定適用你的情境。

---

這件事的量級：Patch Note

我把這個定級為 Patch Note，不是 Meta Shift。

為什麼不是 Meta Shift？因為 AI 工具本身不會消失，工程師的工作方式也不會因為一個網站或一個社群共識就根本改變。這更像是社群在調整自己的 norm，就像 code review 文化是花了很多年才形成的一樣。

但它也不只是個 Nerf Watch，因為它影響的不是某個特定技術或公司，而是整個知識工作者的溝通品質。這個 Patch Note 如果被忽略，會慢慢累積成更嚴重的問題。

從商業角度看，目前沒有公開數據能量化「AI paste 文化」造成的生產力損失，但可以估計一個方向：McKinsey 在 2023 年的研究估計生成式 AI 能讓知識工作者生產力提升 20-40%。但這個數字的前提是，AI 是用來加速思考，不是取代思考。如果大家都在 paste 而不是用 AI 輔助判斷，這個 upside 會被嚴重打折（來源：McKinsey Global Institute, 2023）。

還有一個間接指標：GitHub Copilot 的研究顯示工程師接受 AI 建議的比率大約是 30%（來源：GitHub 官方部落格）。也就是說有 70% 的建議被拒絕了。這說明好的工程師確實在 evaluate，而不是盲目接受。但這個數字在不同資歷的工程師之間差異應該很大 — 目前沒有公開分層數據。

---

所以你現在應該怎麼做

dontpastetheai.com 給的建議其實很務實，我補一些自己的版本：

先讀再貼，不然就別貼

如果你真的要用 AI 的回答，至少把它讀完，然後用自己的話重新說一遍。三句話就夠了。你在這個過程中會過濾掉廢話，也會加入你自己的 context。

識別哪個部分真的有用

AI 的回答通常有一個真正有用的核心，外面包了一堆廢話。你的工作是把那個核心挖出來。「我問了 Claude，它這段說的有道理：...」這樣比直接貼整段好太多了。

「沒有強烈意見」也是一個合法的答案

這個我覺得很重要。很多人 paste AI 是因為他們覺得必須給一個看起來完整的答案。其實不用。「我對這個沒有強烈意見，你可以參考 X 或 Y」比一段 AI 生成的中立分析有用多了，因為它是誠實的。

Code review 和文件要特別嚴格

溝通上的 AI paste 還算輕微，因為對方可以追問。但 code review comment 和技術文件是會被存下來的，會影響未來的決策。這兩個地方要對自己的輸出更負責。

如果你的 PR description 是 AI 生成的，至少要確認每一句都是真的，每個細節都是你能 stand behind 的。不然下一個看這個 PR 的人，讀的是噪音，不是信號。

---

工具是用來放大你的判斷，不是取代它。你用 AI 草稿然後自己改，這很好。你把 AI 輸出直接貼給別人當答案，這是在偷懶，也是在浪費對方的時間。

就這樣。

延伸閱讀

• AI 讓開發者變成獨行俠 — 誰來收拾這些技術債？
• AI delegate out,accountability delegate in — Zapier V2 招募標準真正的分水嶺
• Coding Agent 正在改變工程、產品、設計的協作方式 — 但改變的不是你想的那個