AI 干得越快，人 review 得越累：我给 Claude Code 做了个侧栏
一场会话聊到第 40 轮，你接了个电话，3 分钟后回来。刚才定了什么？还有哪件事在等你拍板？你只能往上翻。
Claude Code 一轮能改十几个文件，跑几十条命令。写代码的速度已经不是瓶颈。瓶颈落到了人身上：它做完了，你要判断做得对不对，再决定下一步往哪走。
为什么 AI 干得越快，人 review 得越累呢？
Outline Sidebar 是我为这个问题做的一个 Claude Code mod。它把一场会话整理成一串可折叠大纲：一轮对话是一块，同一话题接着做的几轮并列挂在话题下面，换了话题就开新的顶层块。
¶一、被切碎的是什么
1971 年，赫伯特·西蒙写过一句后来被反复引用的话：“信息的丰富造成了注意力的贫乏。”（Simon，1971）他讲的是组织怎么应对越来越多的信息。放到 AI 编程里，信息是 Agent 源源不断吐出来的，贫乏的是人那一侧。
人在 review 时用的，是一种装着问题的注意力。脑子里同时放着整个问题的状态：什么算对，什么试过了，哪里最可能出错。这个状态建起来要二三十分钟（这是我自己的估计），毁掉只要 3 秒。
心理学里有一个现象能解释这一点。索菲·勒鲁瓦（Sophie Leroy）发现，人从一件没做完的事切到另一件事时，注意力会有一部分留在前一件上。她把留下的这部分叫“注意力残留”（attention residue），残留越多，后一件事做得越差（Leroy，2009）。
残留的注意力就像一层层拖影，垂落遮蔽了一张理应干净的工作台。
一场长会话就是一台制造残留的机器。对话是一条只往下长的流。结论、等我拍板的事、交出去的活、做完的事和技术细节，全搅在一起。想找回刚才定了什么，只能往上翻。每翻一屏，都要把别的事装进脑子，再把它们挤出去。
真正要护住的，是脑子里装好的那份问题状态。 它被切碎了，就要从头再装一遍。而那个电话，只打了 3 分钟。
¶二、harness 的人这一侧
harness engineering 说的是给 Agent 搭的那一圈东西：给它什么上下文，给它什么工具，怎么验证它的产出。大多数 harness 都做在 Agent 这一侧。Outline Sidebar 做在人这一侧，管两件事。
第一件是可观测性。
同一棵大纲按 6 个方向过滤：需要我做的、问题与结论、我让它做的、它已做的、全部、技术信息。被打断以后回来，扫一眼 3 号视图“我让它做的”，就能看到当时的原话、做成了几件、还有几件在等我。
第二件是结构化的反馈。
我在侧栏里改的状态，会跟着下一条消息发给 Claude。比如我把“确认仓库是否公开”标成 Done，Claude 收到的是一条明确的状态变化，不用从一段话里去猜我的意思。人的判断用固定的格式回到 Agent 的上下文里，比在对话里写一句可靠。
这两件事背后是同一条分工：AI 可以出初稿，最后一句话归人。 大纲的层级由 AI 出初稿，我在侧栏里手动纠正，改过的块 AI 不再动。Claude 说它替我办完了的事，只会变成 ToReview 等我看一眼，不会直接变成 Done。ToReview 要改成 Done，得先展开详情看过证据：没看就按，这一下只展开证据，不改状态。
这当然会让人多按几下键。多出来的那一下，记录的是“人看过证据才放行”。Claude 收到通过的消息时，也会知道哪几条是没证据就被放过去的。
¶三、证据证明了什么
Agent 的可观测性建设重点应当从过程指标，转向结果指标；围绕关键事实节点开展。
过程指标是 token 用量、缓存命中率、耗时、调了几次工具。它们说明 Agent 花了多少力气，说明不了事情办成没有。Outline Sidebar 把它们放在 6 号视图，只当参考。
更隐蔽的过程指标藏在「证据」里。最早的版本里，每条「做了」下面挂的证据只有两种：改了一个文件，跑了一条命令。命令那一条带着 isOk（工具有没有报错的标记），意思是工具没报错。它能证明动作做了，证明不了结论成立：
- 测试命令退出码是 0，相关的测试却被跳过了。
- 文件改成功了，功能没有变。
- 「做了」里写着「部署好了」，下面挂的是一条改文件的记录。
命令没报错，只说明动作做完了；结论成不成立，要靠专门验证它的那条命令。
最新的 0.13.0 版按这个判断改了三处。
第一，分开动作和结果。
总结时，模型给每条“做了”标一个 result（说明这条是动作还是结果的字段）。动作是“改了、加了、建了什么”，挂上工具记录就算有证据。结果是“某件事现在成立”，比如测试通过、页面能打开，必须挂一条跑成功的命令。只挂了改文件的结果，标成“未验证”。模型仍然只能从工具记录里挑，不能自己编。
第二，事实会过期。
一条验证过的结果，会记下它依赖的文件，也就是同一轮里验证命令之前改过的那些。后面哪一轮又改了其中任何一个，它就标成“待复验”。第 3 轮测试过了，第 5 轮又改了同一个文件，第 3 轮的“测试通过”就不能再信。这一步只比对文件名，不经过模型。
第三，指标改成看结果。
原来的“证据覆盖率”拆成两个数：动作有记录的比例，结果有验证的比例。另外加一个待复验的条数。3 号视图每件事的汇总里，也多了“结果已验证 a/b · 待复验 n”。
这套做法有几处粗糙的地方，我先说清楚。只比对文件名，不同目录下的同名文件会被当成一个，宁可多标几条待复验。网页上线、仓库公开这类文件以外的事实，判断不了过没过期，干脆不标。子代理改的文件不在主会话的记录里，也算不进依赖。这些都是已知的漏洞，不影响主干：可观测要追的，是现在还有哪些事实成立。
（过程指标也没有删。它们是另一张账：一件事花了多少 token、多少时间。第五节会说到它的用处。）
¶四、五个组块
1956 年，心理学家乔治·米勒（George A. Miller）发表了一篇论文，开头第一句是：“我的问题是，我一直被一个整数纠缠着。”这个整数是 7。米勒发现，人能一次记住的东西，大约是 7 个，上下差 2（Miller，1956）。
45 年后，纳尔逊·考恩（Nelson Cowan）重新梳理了这方面的实验。他的结论是：把复述和组块这些记忆技巧排除掉，人能同时盯住的只有大约 4 个组块，范围在 3 到 5 之间（Cowan，2001）。7 是被技巧撑大的数字。
两个人给的数字不一样，有一点却是一致的：上限数的单位是组块（chunk）。一个字、一个词、一串打好包的数字，都可以是一块。米勒在那篇论文里就讲过，绕过上限的办法是把零散的东西重新编码，打包成更大的块。电话号码分成 3 段好记，靠的就是这个。
这个数字在用 Agent 的人身上也能看到。DeepSeek Harness 团队在《Super-agent 设计探索：迈向更自主的 Agent 系统》里写：“据我们观察，一个人通常只能同时跟进 3 到 5 个活跃 Session。”他们的结论是，单任务的上限取决于模型能力，多任务的上限取决于人的注意力。这是团队的观察，不是实验，但它和考恩的 3 到 5 落在同一个范围里。他们看的是会话之间，Outline Sidebar 管的是一场会话之内，卡住的是同一个地方。
这给了 Outline Sidebar 一条硬规则。人一次盯得住的大约 5 块，所以摆出来的东西都不超过 5 个：
- 视图栏：多于 5 个视图，只摆前 4 个，其余收进“…”。正看着的视图收在里面时，它的名字露在“…”上。
- 同一层的块：顶层话题、子块和“需要我做”的条目，超过 5 个时留最新的 4 个，前面的折成一行“还有 N 项”。光标所在的块和正在跑的那一轮照留。
- 一块下面的“做了”：超过 5 条，只摆前 4 条和一行“另有 N 条”。
“…”那一行自己也算一块，所以是 4 加 1。折叠就是替人做组块：8 个块收成一行“还有 8 项”，在注意力里只占一个位置。 折进去的里面要是有在等我的，那一行会写成“还有 8 项，2 件等你”，免得被折掉的事从此被忘了。
要看全的时候，总有办法看到。展开那一行“…”，这一层就整层摆出来。把层级切到“全部展开”或者搜索时，大纲完全不折。导出成 Markdown 时也不折。
这当然不是说 5 是一条测出来的定律。考恩给的是 3 到 5 的范围，什么算一个组块也有弹性：一行长标题本身可能就占好几块。所以 5 是一个设计预算，用来逼自己做取舍。它说的是“摆第六个之前，先想想能不能把其中几个打成一包”。
¶五、它不做什么
它不约束 Agent。护栏、权限、测试这些控制层的事，不归它管。它也只看一场会话。用 /fork、/branch 另开的窗口它跟不到，跨会话、跨天的项目，你可以交给别的工具来，有更专业的 multi-agent harness 工具。
大纲只管看清已经发生的事；下一步怎么排，交给管整个项目的那一层。 6 号视图里的 token 和用时、第三节的验证结果，都是以后安排任务时能直接用的数据。
下次被打断回来，先按 3。
¶信源
- Simon, H. A. (1971). Designing Organizations for an Information-Rich World. In M. Greenberger (Ed.), Computers, Communications, and the Public Interest. Johns Hopkins Press.
- Leroy, S. (2009). Why is it so hard to do my work? The challenge of attention residue when switching between work tasks. Organizational Behavior and Human Decision Processes, 109(2), 168–181.
- Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81–97.
- Cowan, N. (2001). The magical number 4 in short-term memory: A reconsideration of mental storage capacity. Behavioral and Brain Sciences, 24(1), 87–114.
- DeepSeek Harness 团队（Yujia Qiao 执笔）. (2026). Super-agent 设计探索：迈向更自主的 Agent 系统. 知乎专栏：zhuanlan.zhihu.com/p/2100165774447059306
- Outline Sidebar 仓库和 README：github.com/MatsuriMW/outline-sidebar。结果验证与待复验见 0.12.0（提交 6967b06），五块上限见 0.13.0（提交 17f7741）。