AI替我干活，我卻更累了

一切都要從一篇在技術圈刷屏的帖子說起。

一個名叫Siddhant Khare的工程師，發表了一篇文章《AI疲憊是真實存在的，但卻無人提及》。作為開源項目 OpenFGA 的核心維護者，身處技術浪潮最前沿的他描述了自己工作流程的改變。

過去，寫代碼是一條清晰、流暢且能帶來成就感的路徑：思考問題、編寫代碼、進行測試、測試通過后發布。那是創造者的愉悅。

而現在，他的日常變成了一個循環：提出指令、等待輸出、閱讀輸出、評估輸出、判斷輸出是否正確、判斷輸出是否安全、判斷輸出是否符合架構設計，修正不符合的部分，然后重新下達指令，周而復始。

他不再是那個親手構建系統的創造者，而變成了一條永不停歇的生產線上的“質檢員”。干完活后，沒有往日的成就感，只有一片空白的疲憊感。這篇帖子迅速引發了熱烈反響，評論區里感同身受的人很多：“是我本人沒錯！”“簡直是我每天的寫照。”

這并非Siddhant Khare的專屬困境。波士頓咨詢公司的一項研究，為這種AI帶來的新型職場倦怠取了一個形象的名字“AI腦疲勞”。癥狀包括但不限于：注意力渙散、決策遲緩、大腦像一直在嗡嗡響，明明干了很多活，卻感覺什么也沒干成。

他們對1488名美國職場人的調查顯示，已有14%的人深陷其中。

從“創造者”成為“監督者”

Siddhant Khare試圖用自己的經歷揭示一個悖論：AI 讓單次任務變快了，卻讓整體工作變得更累、更耗神。幾乎在同一時間，哈佛商學院的研究者和波士頓咨詢公司的調查都指向了同一個結論：AI 并沒有如預期般解放我們，反而以一種更隱蔽的方式重塑了工作體驗，帶來了系統性的新負擔。

比如，AI讓程序員這份工作從“思考-編碼-測試” 變成了“指令-審閱-修正-再指令”。Siddhant認為自己工作的核心從“創造”變成了“審閱”，也很難獲得那種“心流”狀態。

他感慨：當人們在一天內需要處理六個由 AI 生成的不同問題時，大腦不是在創造，而是在進行成百上千個微小的、高強度的判斷：這個函數命名規范嗎？那個邏輯在邊界條件下會崩潰嗎？這段代碼有沒有性能隱患？這種高強度的評價性工作，正在悄無聲息地榨干認知資源。

哈佛商學院的研究數據證實了這一點：需要高度監督AI工作的員工，在工作中投入的精神努力增加了14%，精神疲勞增加了12%，信息過載感更是飆升了19%。

在很多關于未來的設想里，AI能幫人類處理很多事，能讓人類有更多時間享受生活。實際上，至少到目前，和移動互聯網出現以后一樣，許多人工作和生活的界限被一臺手機徹底模糊。

“當AI以一個隨時可對話的窗口形式嵌入工作流，它就變成了一個隨身攜帶、永不關門的辦公室。”Siddhant表示，以前，下班意味著關掉電腦，離開那個物理空間。現在，對話框永遠在線。

一個“幫我看看這個”的需求隨時可以扔進來，AI瞬間給出答案，而人們需要進行確認和反饋。工作就這樣悄無聲息地滑入了本該屬于休息的時間。

“那個本該為我節省時間的工具，為何最終吞噬了我一整天，甚至包括本該屬于夜晚的時間？”

fomo和潛在的思維能力退化

當你面對龍蝦熱覺得不知所措，程序員們的焦慮絲毫不比你低。

Siddhant在文章中列出的技術更新清單，是每一個技術從業者所感到疲憊，并且產生措施恐懼癥的。

這種指數級的更新速度，讓每一個從業者都陷入了深深的焦慮循環。更糟糕的，是知識貶值的速度。人們花費兩周時間，精心構建的一套完美提示詞工作流，三個月后，可能還不如新模型一句簡單的指令。所有投入的時間和精力，仿佛瞬間歸零。

另一個正在崩塌的體系是工程師追求確定性的思維。即使AI已經很先進，但輸入相同內容很可能輸出不同結果。追求確定性的工作突然變成了擲骰子。周一完美運行的提示詞，周二可能因為模型的一次微調，就輸出完全不同的、甚至錯誤的代碼。

“每一次與它的互動，都必須保持警惕，因為永遠不知道它會給使用者一個驚喜，還是一個驚嚇。”

為了盡可能讓AI能輸出想要的內容，Siddhant在工作中花費了很長時間優化提示詞，結果有時候會發現自己在這件事上的時間遠超自己動手寫完整個任務。

更讓他害怕的是，在一次沒有電腦、沒有AI的白板技術討論中，他詫異地發現，自己從零開始思考、推導一個問題的能力，竟然退化了。長期將初步的思考、代碼框架外包給AI，就像長期依賴GPS導航后，逐漸失去了構建心理地圖和認路的能力。

以前正是那些獨自面對難題時，經歷的掙扎、困惑、推導、試錯的過程，構建了人們理解的深度。跳過這些痛苦的過程，直接拿到結果，或許能更快地完成任務，但代價是思維的鈍化，是理解世界和解決問題能力的膚淺化。

長此以往人們要警惕變成一個只會“審閱”答案，而不會“創造”答案的人。

與AI相處也要照顧好你的大腦

雖然Siddhant抱怨AI帶來的困境，但他也冷靜分析了目前的狀況，并且提出了一些與AI相處的建議，畢竟對于他們這些科技工作者來說，與AI一起工作這件事是不可逆的。

根據他的建議，結合哈佛商學院的學者以及波士頓咨詢的研究者的觀點，有以下五條具有實操性的建議。

1、建立邊界，明確人機分工

AI擅長生成模板代碼、撰寫文檔草稿、自動化測試、快速信息檢索。人類擅長頂層架構決策、復雜問題調試、創新性思考、價值與倫理判斷。兩者并非替代關系，而是互補。

如何找到這個邊界？Siddhant的經驗是記錄。他進行了為期兩周的簡單記錄：什么任務用了AI，花費了多少時間，對結果的滿意度如何。數據清晰地告訴他：AI在哪些領域是得力助手，在哪些領域反而是時間黑洞。現在，他知道了何時該用它，何時該親自上陣。

核心在于：守護好創造性的核心環節，讓AI回歸工具屬性。不要讓工具定義你的工作流程，而要用你的目標和大腦去選擇和駕馭工具。

2、為AI使用設定“熔斷機制”

針對那個讓人越陷越深的“提示螺旋”，Siddhant有一條硬性規則：使用AI編碼，最多嘗試三次。如果三次提示內，AI無法讓他得到一個70%可用的內容，他就果斷關掉對話框，自己動手寫。

這條簡單的規則，比他學過的任何高級提示技巧都為他節省了更多時間。它就像電路中的熔斷器，在你的認知資源被無限消耗之前，果斷切斷回路，避免陷入“看似高效，實則低效”的認知黑洞。

同樣，為每次AI會話設定時間限制也是一種有效的方法。比如，每次使用AI最多30分鐘，計時器一響，無論產出如何，都交付已有成果或轉而自己動手。

3、分離思考時間與執行時間

為了防止“思維萎縮”，Siddhant將每天的第一個小時留給了無AI狀態。他用紙筆思考，手繪架構草圖，用最原始、最緩慢的方式推演問題。這看似低效，實則是為大腦做必不可少的“熱身運動”。當思維經過充分預熱，再使用AI時，你便能更好地評估其輸出，提出更精準的問題，而不至于被它帶著跑。

4、接受“不完美”，追求“足夠好”

對于追求完美的工程師來說，這是最難接受但最必需的一課。AI的輸出從來都不是完美的，它總是“相當不錯”，能達到70-80%的程度。如果你強求它產出100分的答案，你消耗在修正、調試、重寫上的精力，可能遠超你自己從零開始寫的成本。

Siddhant接受AI產出70%的完成度。 將每一次AI輸出都視為一個初稿、一個起點、一份原始素材。當它出現在屏幕上的那一刻，就在心里給它貼上“草稿”的標簽。這種思維方式的轉變，能讓挫敗感減少一半。

5、對炒作周期保持戰略定力

面對層出不窮的新工具和新框架，如何避免陷入FOMO的焦慮循環？程序員現在的策略是：關注，但不盲從。他們依然密切關注行業動態，因為這是他工作的一部分，但不再追逐每個新工具上市首周就采用，而是專注于使用一個主力工具，并深入掌握其核心特性。對于新工具，他會等它們經過數月（而非數日）的市場驗證后，才進行評估。

文章的最后，Siddhant寫下了一段話：“照顧好你的大腦。它是你唯一的頭腦，任何人工智能都無法替代。”

文｜朱婧瑀（見習）

VIEW MORE

@浙江的小城里藏著一座短劇超級工廠>>

@合肥的科大訊飛、北京的百度都選擇了杭州>>

@2028全球智能危機，第一塊多米諾已倒下？>>