做了一个扮演“Auto Reviewer”的网页游戏，正在调整数值，想看看大家「审批疲劳」的时间点分布

观察到用 codex 等 AI 开发的时候，用户一开始通常是手动批准 AI 的各种请求，但一段时间后就会产生审批疲劳、开始切换到 Auto Review 甚至是 yolo 模式。

基于这个现象做了一款模拟“审批疲劳”的游戏，玩家负责扮演 Auto Review 模型，左划/右划即可通过、审批各个 Agent 的请求，注意 Agent 填写的字面理由可能和命令执行后的实际效果有着天壤之别：

试玩地址↓↓：

https://tcchen2026.github.io/allow-overflow/

想看一下大家的成绩分布，以及收集一下反馈，尤其是平衡性是否需要调整。

游戏 UI 本身是开源的（ https://github.com/tcchen2026/allow-overflow ），我还在做一系列能够减轻人类审批压力的工具，后续计划开源出来。

哈哈有意思。

你是准备把这个当成众包或者新时代的验证码软件嘛。

好多题目不会做。

审批疲劳这块我太熟了，一开始还认真点，后来就想一键放行。做成游戏挺好玩的。

游戏是预先编好的题库，和真实的审批无关。后续开源的工具可能是由一个本地模型驱动的（还在训练）。

我本来上班就已经够惨的了，现在玩个游戏你也要让我继续上班？

很有意思，感觉能火。

游戏里那些理由和实际效果差距大的案例大概是什么比例？

这游戏体验太真实了，大概200个请求后就开始随便点了，和实际工作状态一模一样。