别做 AI 的 meat proxy：会用 AI 的人，必须重新承担判断责任
Simon Willison 8 月 3 日转发了一个很刺耳但很准确的词：meat proxy。它指的是那些把 AI 输出原封不动复制给同事、客户或公众的人。人还在链路里，但只是肉身代理，既没有验证，也没有判断。
这个词之所以好，是因为它抓住了 AI 协作里最容易被忽略的问题。很多人以为“会用 AI”就是会 prompt，把问题扔进去，把答案拿出来。可一旦这个答案进入团队决策、代码评审、客户沟通、产品方案或文章发布，责任并不会因为中间有 AI 就消失。
Simon 引用的核心建议很简单：可以 prompt AI，但不要只是转发输出。你要读它、理解它、验证它，然后用自己的话重写。这个过程本身就是你能增加的价值。
这句话对工程师尤其重要。AI 生成代码之后，人如果只是提交 diff，那就是 meat proxy。真正有价值的工程师会做几件事：确认需求是否被正确理解，检查代码是否符合项目约束，跑测试，审安全边界，看可维护性，判断是否引入过度抽象。AI 可以写很多代码，但它不能替你承担 merge 之后的后果。
对内容创作者也一样。AI 可以生成一篇看似完整的文章，但你如果不核验来源、不调整判断、不删掉空话、不把观点变成自己的语言，读者感受到的就是一种低密度搬运。AI 让写作门槛降低，也会让“有判断的人”和“只转述的人”差距更明显。
这个概念也能放到公司协作里看。以后团队里会出现大量 AI 生成的邮件、文档、PRD、复盘、会议纪要、代码审查意见。表面上产出变多了，但如果所有人只是转发模型文本，信息质量会下降，责任边界会变模糊，沟通成本反而会上升。
所以 AI 时代最稀缺的不是“答案”，而是带责任的判断。一个人使用 AI 后交付的东西，应该包含三层加工：
- 事实层：来源是否可靠，数据是否过期，结论有没有证据。
- 语境层：这是否适合当前团队、项目、用户和约束。
- 责任层：如果别人按这个建议行动，后果是否可以接受。
这也是为什么 AI 工具越强，人越不能退化成复制粘贴管道。强工具会放大人的能力，也会放大人的懒惰。以前你懒，可能只是一段文字写得差；现在你懒，可能会把一个模型幻觉扩散到整条协作链路。
我的判断是，“meat proxy”会成为 AI 时代很重要的职业分水岭。低阶使用者把 AI 当答案机，高阶使用者把 AI 当思考材料。前者转发，后者判断。前者让组织噪音变多，后者让组织速度变快。
如果用一句话总结：AI 可以帮你生成初稿，但不能替你成为作者、工程师、负责人。真正会用 AI 的人，不是产出更多未经处理的文本，而是更快抵达更可靠的判断。