生成变便宜以后，验证与信任成了新的生产资料

最近几条消息放在一起看，像是一条逐渐闭合的生产链。

Anthropic 发布 Claude Sonnet 5，强调它把过去更昂贵模型才有的 agentic 能力带到更低价格区间，并直接进入 Claude Code。Simon Willison 观察到，编码 agent 已经把家用设备逆向和自动化的试错成本压低到“值得随手试一下”。Cursor 的 agent swarm 实验则把生成规模继续推高：多个模型组合可以得到接近的质量，成本却相差很大；系统甚至需要重新设计版本控制和冲突处理，才能接住 agent 的提交速度。

另一边，GitHub 重构了漏洞奖励计划。官方给出的背景不是没人提交，而是 AI 辅助报告增加后，低质量或难以验证的候选也一起变多。GitHub 用 Signal 门槛、邀请制项目和可信研究者关系，把有限的人工注意力优先给更可能成立的报告。

这四件事揭示的是同一个机制：生成成本下降，并不会自动让有效结果等比例增加；它首先让候选结果增加。 当候选供给超过人的验证能力，真正稀缺的生产资料就从“写出第一版”转向了验证、筛选和信任。

这篇想讨论的不是“AI 会不会替代程序员”，也不是再证明一次代码需要测试。我更关心的是：当 Claude Code 和 GitHub 把生成、提交、协作连成一条越来越快的流水线，哪些原本被当作收尾工作的环节，会开始决定整条链路的产能。

生成的是候选，不是结论

低成本生成最容易造成的误解，是把“候选数量”当成“有效产出”。

Claude Code 可以在仓库里读文件、改代码、运行测试并提交一个看起来完整的补丁。Agent 集群可以把一个大任务拆成许多并行分支。AI 也可以根据公开代码生成漏洞分析、修复建议和复现步骤。这些能力都是真的。

但它们首先生产的是候选：

一个补丁候选，可能修了症状，也可能改变了另一个边界条件。
一份漏洞报告候选，可能是真问题，也可能无法复现或已经超出项目范围。
一段分析候选，可能引用了事实，也可能把相关性写成因果。
一篇内容候选，可能结构完整，却没有独立判断和来源边界。

候选不是废物。没有候选，就没有后续选择。但把候选直接算成完成量，会让组织在数字上越来越高产，在现实里越来越忙。

最简单的原因是：

总审查成本 = 候选数量 × 单个候选的验证成本

AI 也许能降低单次验证的一部分成本，例如自动补测试、检查格式、寻找相似问题；但只要候选数量增长得更快，总审查成本仍然会上升。更麻烦的是，低质量候选通常不会自己消失。它们会进入 issue、PR、收件箱和报告队列，占用那些最有经验的人的时间。

GitHub 的问题已经从“有人报告吗”变成“先看谁”

GitHub 漏洞奖励计划的变化，是这个机制很清楚的样本。

传统漏洞奖励计划鼓励更多人发现和提交问题。提交量少时，这个激励方向合理：多一份报告，就多一个发现真实漏洞的机会。AI 降低报告生成成本后，提交量不再是唯一瓶颈；报告是否可复现、是否属于有效范围、证据是否足够、研究者是否理解项目上下文，开始决定审核队列能不能运转。

GitHub 引入 Signal 和 VIP 计划，本质上是在做两件事：

用历史质量和行为记录给候选信号排序。
把高信号研究者与维护者之间的协作关系制度化。

这不意味着“新人不值得看”，也不意味着声誉可以代替技术验证。声誉只是在验证资源有限时，帮助决定先验证什么。最终报告仍然要复现，影响仍然要评估，修复仍然要验收。

真正变化的是注意力分配。以前系统优化的是“让更多人提交”；现在系统必须同时优化“别让低成本生成淹没验证者”。

同样的变化会出现在代码仓库、内容审核、招聘申请、学术投稿、客户线索和任何允许 AI 批量生成候选的入口。入口越便宜，下游越需要排序机制。

验证不是质检工序，而是生产本身

在手工生产的想象里，验证像流水线末端的质检：主体工作已经完成，最后抽查一下就好。

Agent 参与后，这个顺序不再成立。验证必须从任务定义时就开始。

以这个博客为例，AI 写出代码并不算完成。一个改动至少要经过：

目标与边界
  → 可审查的 diff
  → schema / 链接 / 内容规则
  → 类型检查与构建
  → 浏览器行为测试
  → 生产环境验证
  → 人确认不可逆决定

这里每一层都不是“挑错而已”。它们共同定义了什么才算产品：URL 不被误改、双语页面不串内容、下载文件与 SHA-256 一致、静态路由在 Cloudflare 真实生效，而不是只在本地看起来正确。

我在和 AI Agent 一起搭站里写过 AGENTS.md、内容锁和发布闸门；在一张真机截图引发的连锁修复里又遇到过“代码声称修好、真实行为没有变化”的反例。两件事放在一起，结论很直接：验证不是给生成结果盖章，而是在把候选变成可以承担后果的交付。

如果删掉验证层，生成速度越快，错误进入生产的速度也越快。

筛选不是删除垃圾，而是保护判断力

“AI 内容太多，所以需要筛选”听起来像一个信息管理问题，实际上是产能配置问题。

有经验的人每天能认真审查的复杂问题有限。让他逐份打开低质量候选，哪怕每份只花几分钟，也会挤掉真正需要判断的工作。筛选的目标不是追求零误判，而是让高成本注意力落在最有价值、最不确定或风险最高的地方。

一个成熟的筛选层至少要利用三类信号：

机器可验证信号：schema、测试、构建、格式、重复项、范围和可复现步骤。
任务上下文信号：是否回答了原问题，是否触碰受保护字段，是否有业务或安全影响。
历史信号：提交者过去的准确率、修复是否经得起复查、是否诚实记录失败和边界。

前两类可以大量自动化，第三类构成了信任的基础。但顺序不能倒过来：不能因为一个人或模型过去表现好，就跳过这次证据；也不能因为自动检查全绿，就假设业务判断一定正确。

好的筛选不是“机器替人拍板”，而是机器先挡掉机械问题、整理证据、标出风险，让人把判断用在不可替代的部分。

信任为什么会成为生产资料

信任常被理解成品牌、名气或一种模糊感觉。放进生产链后，它其实由一组可以积累的证据组成：

这份结果能否复现？
来源、假设和不能推出的结论是否写清楚？
修改历史是否可追溯？
出错时有没有负责人、回滚路径和更正记录？
同一个提交者过去交付的东西，经复查后还成立吗？

这些证据会降低下一次合作的验证成本。一个维护者愿意优先看某位研究者的报告，不是因为他不需要验证，而是因为对方过去持续提供了可复现、范围准确、沟通清楚的结果。一个团队愿意把更多任务交给 agent，也不是因为模型突然“值得无条件信任”，而是仓库里的测试、权限、审查和回滚机制让错误可见、可停、可恢复。

因此，信任不是验证的替代品，而是验证记录长期积累后的压缩结果。

GitHub 在这里很关键，但 GitHub 本身不自动制造信任。commit、PR、review、checks、release 和 issue 只是容器。真正有价值的是容器里留下的证据：谁改了什么、为什么改、什么检查通过、哪里仍然不确定、出问题后如何更正。

这对哪些人有用

这个机制不只影响开发者。

对使用 Claude Code 的个人

不要只优化“它一次能写多少”。先定义验收标准，让 agent 生成补丁的同时生成复现步骤、测试和风险说明。把高频低风险检查自动化，把发布、删除、权限和外部消息保留为人工控制点。

对维护开源项目的人

入口开放不等于队列必须无差别处理。要求最小复现、范围说明和自动检查；记录高质量贡献者，但不要让声誉绕过证据。衡量自动化的价值时，也要看它减少了多少无效审查，而不只是增加了多少提交。

对内容与研究团队

把原始事实、机制判断、适用对象和不能推出的结论分开。AI 可以产生摘要和候选观点，编辑应该优先检查来源、反例、遗漏条件和传播后果。发布数量不是唯一产出，经过验证后仍然成立的判断才是。

对招聘者和采购者

当简历、作品集和方案书都能批量生成，漂亮文本的区分度会下降。更有价值的是可追溯作品、真实边界、过程证据、长期维护记录，以及候选人如何面对一次判断错误。

它不能推出什么

“验证、筛选和信任更值钱”也很容易被滥用成新的官僚主义，所以边界必须写清楚。

它不能推出“门槛越多越安全”。没有风险对应的审批，只是在制造等待。

它不能推出“只有老人和名人值得信”。如果历史声誉变成唯一入口，新人永远无法积累第一条可信记录。系统仍需给低历史信号、高证据质量的候选留下通道。

它不能推出“生成没有价值”。恰恰因为生成便宜，过去不值得尝试的逆向、自动化和小工具才开始成立。Simon Willison 描述的 ROI 变化是真实收益。

它也不能推出“某个 benchmark 或厂商实验可以直接外推到你的生产环境”。Anthropic 和 Cursor 的材料都证明了方向，但性能、成本和稳定性仍要回到自己的任务、数据和失败条件验证。

一套更适合低成本生成时代的工作法

如果要把这些观察落到日常工作，我会保留六条：

生成之前先写验收标准。 没有验收标准，候选越多越难判断。
把结果和证据一起交付。 代码附测试与复现，分析附来源与反例，数据附口径与截止时间。
先自动筛机械问题。 格式、schema、范围、重复项和构建不该消耗专家注意力。
按风险分配人工判断。 发布、权限、安全、法律、财务和外部沟通优先由人确认。
记录误判和更正。 只展示成功会制造虚假信任；可靠系统必须允许翻案。
衡量通过率与复查存活率。 不只数生成了多少，还要看多少候选通过验证、上线后是否仍然成立。

这套做法不会让审查消失。它做的是把审查从无差别的人肉阅读，变成有证据、有排序、有边界的生产过程。

结论

在AI 杠杆与面包悖论里，我把“可信交付”理解为原型之外真正有人付费的部分。这次 Claude Code、Agent 集群和 GitHub 漏洞报告提供了更具体的一层：可信交付不是一句服务承诺，它由验证、筛选和长期可追溯的信任记录构成。

生成工具会继续变便宜。仓库里的候选补丁、漏洞报告、内容草稿和商业方案也会继续增加。接下来真正限制产能的，不是谁还能再生成一份，而是谁能回答：

哪份结果是真的？
哪份值得先看？
哪份可以承担生产后果？
如果判断错了，谁能发现、停止并更正？

能稳定回答这些问题的人和系统，掌握的才是低成本生成时代新的生产资料。