“AI提高了我的生产力，但我更累了”_输出_工作_OpenFGA添加时间：2026-02-10 11:50:02

AI让我更容易分心，然后一天工作结束后，我就会感到内疚TT

感觉身体被掏空

至于为啥会出现这种情况呢？Siddhant Khare分析，其实是多方面因素造成的。

效率提升带来的工作量负担

首先，AI是提效了，可能一个小时就能完成过去一天的工作量。

但这并不意味着可以带薪摸鱼，事实上，开发者的+1也会注意到这种高效，于是他会非常开心地为开发者增加工作量，毕竟能者多劳嘛。（doge）

所以接下来开发者需要在一天时间里同时处理6个1小时的AI任务。

而且每个任务都相当碎片化，需要反复的上下文切换和更高的精力消耗。

这里就存在一个悖论：AI降低了生产成本，但与此同时，却增加了额外协调、审核和决策的成本，而这些多余的成本最终还是由人来承担。

从创造者到审查者的身份转变

过去，开发者是自己写代码、测试、发布系统，享受着从0到1的“Hello World！”创造过程。

而现在呢？变成了：提示→等待输出→评估→修正→重新提示。

程序员的角色定位变成了质检员，从生成性工作换成了评估性工作。

但审查AI生成的代码显然更累，因为每一行都可能存在Bug，不像审查人类同事的工作那样，可以只聚焦于某一部分代码。

连续不断的评估只会导致严重的决策疲劳，以及失去解决问题带来的成就感。

AI输出的非确定性引发焦虑

工程师习惯的是输入相同、输出相同的确定性，但AI是概率性的。

相同的提示词，今天能输出不错的代码，明天给出的就是一堆垃圾，甚至你都不知道是什么原因导致的这种情况。

这种不可预测性将会导致用户必须时刻保持高度警惕，无法做到完全放松。除非你能完全接受这种结果，提前预料到需要进行内容重写，对AI不抱有那么高的期待。

但显然这很难做到。

不断更迭的AI工具

AI更新迭代太快，每周都有新的模型、协议出现，可能前一秒你还在花费大量时间学习某个工具，下一秒就又来了个新SOTA。

例如Claude Code这几个月，先后发布sub-agents、skills、Agent SDK、Claude Cowork；OpenAI发布Codex CLI、GPT-5.3-Codex、Swarm框架；Kimi K2.5可同时协调上百个Agent并行；OpenClaw推出了模块化的skills市场……

学不完，根本学不完。但又不能不学，否则稍不留神，就会被前沿进展抛下。

期间需要耗费大量的业余时间，但对效率的提升实际寥寥无几，而且对于某个具体进展很难做到深入探究，只是在不停地切换学习。

结果就是每天的脑容量都在适应和焦虑新进展，而不是解决实际问题。

无限循环的提示改写

AI生成过程中存在一个陷阱，你总会相信，只需要再微调一下提示词就能输出理想的结果，却忽略了背后所消耗的时间成本。

原作者称之为“再来一次提示”陷阱。

为了让AI输出更好，人们会陷入无限循环的提示词改写过程，最后发现，其实如果自己写可能会更快。

而由于边际递减效应，后续每次提示词迭代带来的效果也愈发不够明显。最终你将完全偏离第一性原理，即发布功能的本质，而是全身心聚焦在让AI输出完美结果上。

当你能够意识到这一点时，或许已经为时已晚。

思维能力的退化

过度依赖AI，会导致大脑的思考能力萎缩。

例如在GPS导航出来之前，人们会在脑海里自行构建地图并推断合理的路线，但现在出门，没有GPS几乎寸步难行。

因为大脑就是这样不进则退，你不使用它，它就会退化。当你过多地使用AI协助，那些解决问题的能力就会逐渐消失。而这一点已经被诸多研究所证明。

所以与其放任能力退化而感到焦虑，不如每天留出一定时间用来独立思考。

社交媒体的比较陷阱

比较是引诱压力的元凶，尤其是现在互联网时代，所有人都在同步晒自己的AI学习成果，比如“我用AI在两小时构建了整个应用程序”、“一分钟理解OpenClaw”。

很少有人会分享自己的失败经验，这就导致屏幕另一边的你会显得焦虑，觉得自己是不是哪里能力不足，跟不上别人的脚步。

但事实上，还有很多人和你一样卡在第一步：配置环境。

所以总的来说，我们可以把AI疲惫看作个人因为AI快速发展而产生的疲惫感，要适应这种变化而被迫承受的心理、情感和运营压力。

也就是Too Much，Too Fast（过犹不及）。

放过自己，享受AI

为此，原作者专门提出了一套可持续的工作方式：

• 限时使用：为AI任务设置闹钟，如果30分钟内AI搞不定，就手动完成。
• 区分思维时间和执行时间：每天早上坚持不使用AI，用纸笔思考架构，保持大脑活跃，下午再利用AI辅助执行。
• 接受70%原则：不强求AI输出完美代码，达到70%可用即可，剩下的内容手动修改。
• 关注底层而非表层：不要过度追逐每一个新出的AI工具，而应关注更耐用的底层逻辑，如上下文管理、安全权限等。
• 实时记录：坚持记录AI在不同工作内容中的使用效率，从而知道什么时候该用AI，什么时候该停止。
• 停止审查AI生成的全部代码：集中精力在最核心的部分，例如安全边界、数据处理、错误处理路径等，其余部分依靠自动化测试和静态分析。接受非关键代码的粗糙。

换言之，他认为，AI时代的真正相处之道不是如何使用，而是知道什么时候该停下来。AI的提效，透支的不只是物理***，还有人类的精力上限。

所以工程师们应该要像设计系统一样，为自己的大脑设计缓冲区，以确保产出的可持续性，而不是盲目追求产量的最大化。

更终极的解法是：适当摸鱼，有助于身体健康～

参考链接：

[1]***s://siddhantkhare***/writing/ai-fatigue-is-real

[3]***s://cacm.acm.org/opinion/ai-fatigue-reflections-on-the-human-side-of-ais-rapid-advancement/

— 欢迎AI产品从业者共建 —

📚「AI产品知识库」是量子位智库基于长期产品库追踪和用户行为数据推出的飞书知识库，旨在成为AI行业从业者、投资者、研究者的核心信息枢纽与决策支持平台。返回搜狐，查看更多