拒绝低ROA：别让AI生成的“长篇大论”变成团队协作的负担

最近复盘团队的PR流程时发现一个挺离谱的现象：PR数量涨得飞快，但大家的沟通效率反而下降了。我们试过用AI Bot来辅助代码审查，结果差点演变成“机器人互怼”的奇观——两个AI为了一个根本不存在的优先级问题在那里反复拉锯。

最让人崩溃的是那种“AI Slop”现象。有些AI审查意见写得那叫一个“高大上”，明明就是个一眼就能看穿的小改动，它非得整出一段一千多字符的论述，甚至还夹杂一堆废话引用。这感觉就像你只是去便利店买瓶水，店员非要拉着你聊十分钟人生哲学。

这其实触及了一个核心指标：Return on Attention (ROA)，也就是“注意力回报率”。CEO之前说过一句特别扎心的话：人类的注意力才是最稀缺的资源。如果你为了帮自己省下30秒的改码时间，却让同事得花5分钟去读一段毫无营养的AI描述，这本质上就是在浪费别人的生命。哪怕只是改了一个 .gitignore 文件，如果描述写得跟论文一样长，这个PR的ROA简直低到尘埃里了。

现在的AI Coding Assistance确实很强，但也自带一种“自信的错误”（Confident Wrongness）——它会一本正经地胡说八道，或者产出大量看似专业实则空洞的内容。

如果你们也在配置 Cursor 或 Copilot 的自定义指令，我建议一定要强制约束它的简洁性，别让它变成“话痨”。可以参考这个约束逻辑：

Be concise. Avoid verbosity. Do not explain obvious code. 
If a fix is trivial, keep the comment under 20 words. 
Focus on logic and edge cases, not syntax nitpicking.

咱们在做数据分析或者写代码文档时，都要警惕这种“低成本生产、高成本消费”的坑。写任何东西前先问问自己：这一段话，到底值不值得别人浪费精力去读？

深度思考可以看这篇：
https://christine-seeman.com/return-on-attention-ai-code-review/