代码审查已无法应对AI生成代码的速度，应转向自动化、结对编程和设计评审。AI处理格式、安全等机械问题，人类专注架构和业务逻辑。反馈需前置，知识传递发生在写码过程中。Meta数据显示代码量增220%但功能仅增36%，瓶颈已从写码转向审查，需警惕AI偏离意图的“认知债务”。

AI生成代码量激增导致代码审查失效，知识共享受损，形成认知债务。解决方案是转变审查重点，从代码细节转向意图和验收标准，记录决策与约束，使审查者关注“为什么”而非“是什么”，以维护团队心智模型，防止理解力下降。

AI生成代码速度极快，但人类理解成本未变，导致认知债务累积和技术债膨胀。工程师盲目信任AI输出，缺乏判断力，系统难以维护。行业将分化为高薪决策层和可替代操作层，中级工程师面临淘汰危机。

AI编码代理生成代码的速度远超团队理解能力，导致“认知债务”。团队应控制生成速率，而非被动接受。安全速度取决于代码特性、团队信心及部署管道容量，需根据模块复杂度调整，避免过度生成。

手动重打AI生成的代码能消除认知债务，包括位置盲债、幻觉中毒债和个性化重构债。它强制建立空间记忆、暴露错误并促进主动重构，避免代码库失控和调试延长。虽然速度慢两倍，但换来完全掌控，防止开发者沦为AI传声筒，保持独立思考能力。

Thoughtworks工程师Kief Morris强调，AI生成代码时需重视“人在环上”的监督，而非完全放手。他建议通过CI/CD管道和工程最佳实践确保代码质量，避免认知债务，并用“harness engineering”定义“好代码”，让AI在安全框架内构建，同时保持对系统的控制，防止失去追踪能力。

文章探讨了认知债务的概念，包括技术债务、认知债务和意图债务，强调它们对系统健康的影响。随着人工智能的引入，团队需要重新组织，关注验证而非单纯编写代码。未来编程可能依赖更严格的语言和人机协作，以更好地理解和解决问题。

马丁·福勒在文章中探讨了大型语言模型（LLMs）对软件开发的影响，强调高级开发者在管理LLM代理中的重要性。尽管对初级开发者的未来存在担忧，他们仍被视为不可或缺。文章还提到认知债务，强调团队对设计决策的理解至关重要，并讨论了LLMs与开发者体验的关系及其提升工作效率的有效利用。

马丁·福勒对AI时代的软件开发未来表示怀疑，认为过度依赖大型语言模型（LLMs）可能增加开发者的认知债务，影响学习和模型构建的乐趣。他还提到非人类可读的代码表示形式可能成为新趋势。

文章探讨了“兴奋效应”对思维能力的影响，指出依赖AI可能导致“认知债务”，使独立思考能力下降。建议明智使用AI，以增强大脑训练和思维能力。