请求人类注意力时，请证明你付出了人类努力

当一位工程师把 AI 生成的代码评审意见直接转发给你，并附上一句 "我没仔细看，可能不太准" 时，你内心的第一反应是什么？Tom Bedor 在 2026 年 6 月的文章中记录了这个场景："如果读这份东西都不值得花你的时间，那凭什么值得花我的时间？"

这个看似简单的 etiquette 问题，实际上触及了一个更深层的系统性挑战：在 AI 生成内容指数级增长的今天，人类注意力正在成为最稀缺的资源，而我们需要新的协调机制来保护它。

信号经济学视角：为什么 "努力证明" 有效

传统垃圾邮件经济学的核心洞见是：如果让发送者承担足够的成本，就能自然过滤掉低价值信息。David Reiley 等研究者提出的 "注意力债券"（attention bonds）概念认为，当请求他人注意力需要预付某种代价时，只有真正重要的信息才会被发送。

Tom Bedor 提出的 "If you are requesting human attention, demonstrate human effort" 原则，本质上是一种轻量级的注意力债券实现。它不需要货币支付，而是要求发送者投入不可伪造的人类认知劳动 —— 阅读、理解、筛选、添加个人见解。这种 "努力证明"（effort demonstration）构成了一个可信的信号：发送者已经为这个信息付出了成本，因此它值得接收者投入注意力。

在 AI 生成内容泛滥之前，这个信号是隐含的：写一封邮件、准备一份文档本身就需要时间投入。但现在，生成一份看起来专业的技术文档只需要几秒钟。信号的噪声比急剧恶化，使得人类注意力系统过载。

设计一个可落地的 Effort Demonstration 机制

基于信号经济学的原理，我们可以为技术团队设计一套三层防护的 effort demonstration 系统：

第一层：强制标签与元数据

所有 AI 生成的内容必须携带机器可读的元数据标签。这不是可选的礼貌，而是基础设施要求。具体实施包括：

• 在代码仓库中，AI 生成的文件必须包含ai-generated: true的头部标记
• 在即时通讯工具中，转发 AI 内容时必须使用特定的消息类型（如 Slack 的/ai-forward命令）
• 邮件客户端自动检测粘贴内容是否来自 AI 工具，并添加视觉标识

这个技术层的作用是降低识别成本 —— 接收者一眼就能判断内容的来源，而不需要耗费认知资源去猜测。

第二层：最低人类策展门槛

仅仅标记 AI 内容是不够的。Bedor 的实践提供了明确的操作标准：

• 对于文档：必须添加发送者的个人评论，说明为什么这份 AI 生成的内容值得对方阅读，以及发送者同意其中的哪些观点
• 对于代码评审：发送者必须先自己阅读并理解 AI 的建议，过滤掉明显错误的条目，只转发经过验证的部分
• 对于调试报告：发送者必须验证 AI 的诊断步骤，确认问题确实存在且建议的修复方案可行

这个门槛的设计原则是：发送者投入的认知劳动应该与请求的认知劳动成正比。如果你希望对方花 30 分钟评审代码，你自己至少应该先花 5 分钟筛选。

第三层：注意力成本递增机制

对于反复违反 effort demonstration 规范的成员，系统应该引入递增的摩擦成本：

• 第一次违规：自动提醒，要求补充人类评论
• 第二次违规：消息进入低优先级队列，延迟送达
• 第三次及以上：需要团队负责人审批才能发送给指定接收者

这种设计借鉴了垃圾邮件过滤中的灰名单（greylisting）机制 —— 不是完全阻止，而是通过增加延迟和摩擦来筛选掉低质量请求。

实施中的关键参数与权衡

在实际部署 effort demonstration 机制时，需要注意以下参数设置：

阈值校准：不同场景需要不同的努力证明强度。紧急故障排查可以适当降低门槛，而设计文档评审则应该维持严格标准。建议采用动态阈值：根据接收者的当前负载（如日历空闲度、近期消息量）自动调整所需的努力证明等级。

误报处理：存在一种风险 —— 过度严格的机制可能阻止有价值但发送者确实没有足够时间策展的 AI 内容。解决方案是引入 "信任白名单"：对于已经建立可靠记录的成员，允许他们在标注 "未策展" 的情况下发送，但这类消息会被标记为 "需要额外注意"。

文化阻力：在快节奏的创业公司中，"先发送、后整理" 的工作流程根深蒂固。推行 effort demonstration 机制需要自上而下的支持，建议从代码评审等已经有明确流程的场景切入，逐步扩展到其他沟通渠道。

从团队规范到协议标准

Bedor 的原则目前还是一种社会规范，但我们可以预见它向技术协议演进的路径。类似于电子邮件的 SPF/DKIM 认证，未来的协作工具可能会内置 effort demonstration 的验证机制：

• 消息协议扩展，支持 "策展证明"（curation proof）字段
• 客户端自动验证发送者是否满足最低努力要求
• 接收者可以设置个人过滤器，自动归档未满足 effort demonstration 标准的消息

这种协议化的好处是降低了个体执行的社会成本 —— 当系统替你强制执行规则时，你不需要亲自告诉同事 "请不要再发未经筛选的 AI 内容了"。

结论

AI 生成内容的爆发不是问题的根源，它只是暴露了一个长期存在的结构性问题：人类注意力一直是稀缺资源，我们只是习惯了用内容生产的成本来间接筛选。当生产成本趋近于零时，我们需要显式的协调机制来替代这种隐式筛选。

"If you are requesting human attention, demonstrate human effort" 不仅是一个 etiquette 建议，它是一个信号经济学机制的设计原则。通过要求发送者承担不可伪造的认知成本，我们可以重建注意力市场的有效信号传递，保护团队中每个人最宝贵的资源 —— 他们的时间和专注力。

资料来源

• Tom Bedor, "If You are Asking for Human Attention, Demonstrate Human Effort", 2026-06-11, https://tombedor.dev/human-attention-and-human-effort/
• David Reiley et al., "The Economics of Spam", 讨论注意力债券与中断权在垃圾邮件过滤中的应用

systems