一切始于一个在网络上引发广泛关注的帖子。
一位名叫Siddhant Khare的工程师，撰写了一篇文章《人工智能带来的疲惫感》。作为开源项目OpenFGA的核心维护者，他深入描述了技术前沿的工作变化。
以往，编码是一项充满成就感的过程：思考、编写代码、测试并发布。这曾是创造者的乐趣所在。
如今，他的日常工作变成了一个循环：下达指令、等待结果、阅读输出、评估输出、判断输出是否正确、安全及符合架构设计，修正错误，然后重新开始。
他不再是那个亲手构建系统的创造者，而更像是生产线上的质检员。完成工作后，感到的不再是成就感，而是深深的疲惫。
这并非Siddhant Khare的个例。波士顿咨询公司的一项研究揭示了这种由人工智能引发的职业倦怠现象，称为“AI脑疲劳”。其症状包括注意力分散、决策迟缓、大脑持续嗡嗡作响，尽管忙碌，却感觉自己没做什么。
研究显示，已有14%的美国职场人士遭受这种现象的困扰。
从创造者到监督者
Siddhant Khare的经历揭示了一个悖论：人工智能使单次任务加速，却使整体工作变得更累、更耗心力。几乎同时，哈佛商学院的研究也指出了这一现象：人工智能并未如预期般减轻我们的负担，反而以隐蔽的方式重塑了工作体验。
例如，程序员的工作从“思考-编码-测试”变成了“指令-审阅-修正-再指令”。Siddhant认为自己工作的核心已从“创造”转变为“审阅”，难以达到“心流”状态。
他感慨道，一天内处理多个AI生成的问题时，大脑不再创造，而是进行成百上千次高强度判断，如函数命名是否规范、逻辑是否稳固、代码是否有性能隐患等。这种高强度的工作正在悄无声息地消耗认知资源。
哈佛商学院的数据支持了这一观点：监督AI工作的员工，精神努力增加了14%，精神疲劳增加了12%，信息过载感更是飙升了19%。
在许多关于未来的设想中，AI能帮助人类处理事务，让人有更多时间享受生活。然而，实际情形与预期大相径庭。许多人发现，工作和生活的界限被模糊化了，如同移动互联网时代一样。
“当AI以对话窗口的形式嵌入工作流程，它就像一个随身携带、永不关闭的办公室。”Siddhant表示，以前下班意味着关机，离开办公空间。而现在，对话框始终在线。
随时可能收到“帮我看看这个”的请求，AI立即给出答案，而人们则需要确认和反馈。工作就这样悄无声息地侵入了本该休息的时间。
“那个本该节省时间的工具，为何最终吞噬了我一天乃至夜晚的时间？”
技术焦虑与思维能力退化
当面对龙虾热不知所措时，程序员们的焦虑同样严重。
Siddhant在文章中列举的技术更新清单，正是每位技术从业者感到疲惫并产生措施恐惧症的来源。
这种指数级的更新速度，让每个从业者陷入深深的焦虑循环。更糟糕的是，知识贬值的速度。人们耗费两周时间精心构建的完美提示词工作流，三个月后可能不如新模型一句简单的指令。
追求确定性的思维体系也正在崩塌。即使AI很先进，输入相同内容也可能产生不同结果。周一完美运行的提示词，周二可能因模型微调而输出完全不同甚至错误的代码。
“每次与它的互动都需保持警惕，因为它可能带来惊喜，也可能带来惊吓。”
为了尽可能让AI输出所需内容，Siddhant花费大量时间优化提示词，有时发现自己的时间花费远超自己动手写完整个任务。
更让他担忧的是，在一次没有电脑、没有AI的白板技术讨论中，他发现自己从零开始思考、推导问题的能力竟退化了。长期依赖AI进行初步思考，就像依赖GPS导航后失去认路能力一样。
以往独自面对难题时经历的挣扎、困惑、推导、试错过程，构建了深度理解。直接获得答案或许能更快完成任务，但代价是思维的钝化，理解世界和解决问题能力的肤浅化。
长此以往，人们要警惕变成只会“审阅”答案，而不会“创造”答案的人。
与AI共处，也要照顾好你的大脑
虽然Siddhant抱怨AI带来的困境，但他也冷静分析了现状，并提出了一些实用建议，毕竟与AI共事是不可逆的。
根据他的建议，结合哈佛商学院学者和波士顿咨询公司的研究，以下是五条实用建议。
1、明确人机分工，建立边界
AI擅长生成模板代码、撰写文档草稿、自动化测试、快速信息检索。人类擅长顶层架构决策、复杂问题调试、创新性思考、价值与伦理判断。两者并非替代关系，而是互补。
如何找到这个边界？Siddhant的经验是记录。他记录了两周内使用AI的任务，花费的时间及对结果的满意度。数据表明，AI在某些领域是得力助手，在其他领域则是时间黑洞。现在，他知道何时使用AI，何时亲自上阵。
核心在于：保护创造性环节，让AI回归工具属性。不要让工具定义你的工作流程，而要用目标和大脑选择和驾驭工具。
2、设定“熔断机制”，防止过度依赖
针对“提示螺旋”，Siddhant有一条规则：使用AI编码，最多尝试三次。如果三次内无法得到70%可用的内容，他就果断关掉对话框，自己动手。
这条简单的规则比任何高级提示技巧都更有效，避免陷入看似高效实则低效的认知黑洞。
同样，为每次AI会话设定时间限制也是一种有效的方法。例如，每次使用AI最多30分钟，计时器一响，无论产出如何，都交付已有成果或转而自己动手。
3、分离思考时间与执行时间
为了防止“思维萎缩”，Siddhant将每天的第一个小时留给无AI状态。他用纸笔思考，手绘架构草图，最原始、最缓慢的方式推演问题。看似低效，实则是为大脑做必不可少的“热身运动”。
4、接受“不完美”，追求“足够好”
对于追求完美的工程师来说，这是最难接受但最必需的一课。AI的输出从来都不是完美的，它总是“相当不错”。如果你强求100分的答案，修正、调试、重写的时间可能远超你自己从零开始。
Siddhant接受AI产出70%的完成度。将每次AI输出视为初稿、起点或原始素材，这种思维方式的转变，能减少挫败感。
5、对炒作周期保持战略定力
面对层出不穷的新工具和框架，如何避免陷入FOMO的焦虑循环？程序员现在的策略是：关注，但不盲从。他们依然关注行业动态，但不再追逐每个新工具，而是专注于一个主力工具，并深入掌握其核心特性。
最后，Siddhant写道：“照顾好你的大脑。它是你唯一的头脑，任何人工智能都无法替代。”