随着代码生成越来越多地交由 AI 系统完成，瓶颈正从写代码转向监督写代码的系统——这一转变已被计算机教育研究者提出并命名。该转变揭示了一个词汇缺口：研究界常谈“人工监督”，却没有区分语言在委托通道中承担的两种功能——**网络控制（cybernetic）**：通过语言使世界行为与之匹配；**认知（epistemic）**：通过语言使世界与听者的理解相符合，并且可以被检查。
文中指出的失败并非网络控制语言本身，而是认知型语言被用于完成网络控制工作：输出被包装成解释性形式，以获得批准而非追求真理。仅检查输出是否被批准的监督方式容易被“橡皮图章”化；而要求代理对其工作背后的推理负责，则必须能够检索并验证这些推理。
作者展示了三个委托情景（仅作示例，非受控实验）：
- 在实际项目中，认知参与能够实现可审计的监督；
- 一个公开记录显示，某推荐在满足其自身声明的条件后被自行撤回；
- 一个失败案例说明，仅凭裁量选择而不提供理由的监督是不可行的。
基于此，提出了一条治理准则：每一次有后果的选择都必须附带如果条件改变则会作何决定的说明，且该说明必须可被第三方检验。没有此类条件，第三方无法将决定区分于单纯的橡皮图章。
为使准则可操作，作者给出两部分的重构测试：评估委托记录时，第二位阅读者能否在受到扰动后预测代理的行为。与此同时，提出了记录约定 ORRCF（Obligation‑Relevant Reasoning Condition Form），要求每条记录必须包含上述条件。
点评