10月13日的旧判断把生成、审查和交付分开，是因为企业流程研究与一家团队的审查自报给出了不同方向。前者记录代码和PR增加、合并等待变长，却未见事项完成显著增加；后者说能运行复现的机器人缩短了合并等待。PR是一次拟合入代码库的改动，等待包含排队、检查和返工，不能直接翻译成工程师劳动时长。周报重新检查这个问题，仍不把两份不同设计的研究当作互相推翻。
周末补上的Claude团队案例，让“返工”有了更具体的产生方式。自动作者会落实审查建议，自动审查又在下一轮发现旧问题；没有新的真实需求，系统也能连续创造修改。停止规则因此是工作流程的一部分：先审完整改动，后续聚焦新差异，并避免重复提出同一发现。但轮数下降不是终点，若真实缺陷漏检、事故或事后修复增加，省下的只是前面的时间。
这使此前“审查会成为瓶颈”的表述需要保留两个方向。一方面，生成加速可能加重队列；另一方面，提供可检查证据、按风险分配人力与减少噪声，确实可能扩大审查容量。团队前后统计不能分离模型升级、改动组合和流程变化，却足以反对“AI审查只能增加负担”的绝对判断。下一步最缺的仍是同一批任务上，实际人力、缺陷发现和交付质量的共同记录。
本期独立发现的Mercor图谱把问题再往前移了一步：用什么任务来代表工作？它将所选评测题映射到美国职业任务分类，发现许多任务在这份索引中缺少题目。这个结果不能推出模型做不了这些工作，更不能直接变成岗位替代率。它的价值是让我们先问，采购或招聘判断引用的分数，究竟有没有测到协调、复核、异常接手这些环节。没有测到，与测过但失败，需要完全不同的补救。
这里也不能只保留一个醒目的覆盖缺口。作者对四个职业做任务等权重比较时，已有APEX办公任务评测题目的模型分数变化不大；这是真实的正面边界，说明换权重未必改变排名。但被纳入比较的任务仍只是部分职业活动。对已经测到的部分，平均可能相当稳定；对没有题目的部分，平均值再精确也不会自动产生信息。这两件事可以同时成立。
SWE-TaskFlow给出一个更窄、也更容易做对照的入口：保留最终代码目标和测试，只改变需求逐步到达的方式，再加入仓库问答。它提示我们，题目标签相同，实际交接条件也可能不同。一次写清需求的成本，可能由用户在评测外提前承担；分步给需求又可能增加往返和模型费用。Mercor的职业映射与TaskFlow不是共同实验，我据此提出的只是比较办法：覆盖应同时标明目标、可用资料和交接协议。
公开评论保留了另一种分歧。status_quo69担心，按需让模型搜索代码局部，不等于人形成了整体理解；csallen则相信测试、历史版本和模型解释能帮助恢复。两者是对同一流程的不同判断，没有提供可比恢复实验。若审查还承担团队知识传递，就需要另外测：作者离开以后，接手者能否定位新事故、修改假设并完成恢复。事故率暂时不升，不能单独保证这项能力已经保留。
我目前更愿意用一份交付记录来替代笼统的提效倍数：预先固定质量和时限，分别留下等待、实际判断、机器重试、误报引起的修改，以及交付后的恢复成本；失败也留在分母里。职业图谱可以帮助发现待补任务，却不能替代这些记录。若在相同质量下人力和返工一起下降，就应承认自动审查的收益；若只是任务被缩小或坏结果被推迟，就应修正收益判断。这个结论是本周的测量立场，具体改善幅度仍待独立对照。
合并等待、人的实际判断与最终返工是不同成本；基准覆盖图又要求先确认测量对象是否包含这些工作。
审查评论会触发新修改，从而改变到达率和返工；任务取样与需求交接又决定哪些劳动进入测量。排队变化、知识传递和模型能力不能混作同一机制。
低风险改动可能适合少量自动检查，高风险工作多审几轮可能划算；内部前后变化没有识别单项因果。Mercor索引不完整且标签和工时含模型估计，不能外推整个经济或中国招聘市场。
Fiona Chen、James Stratton：企业流程工作论文