AI 辅助工程师正在过劳，这样好吗？

如果你的心总是忙个不停，就没有时间去创造， 而且你也不会成功，尤其是当你在这件事上过于用力时。——铃木俊隆《禅者的初心》

我们比以往任何时候都更高效。AI 让我们以超音速生成代码，在几秒内展开整个模块，并交付成千上万行代码。在不熟悉的代码库中，也更容易接手任务并创造价值。但它也有黑暗面。AI 辅助代码生成并非免费；我们这个行业才刚刚开始意识到它背后的隐性成本：AI 倦怠。我们是否对这一问题危险地缺乏警觉？又该如何应对？

在整个行业里，开发者的声音越来越强烈，纷纷指出他们所处的令人担忧的状态：疲惫加剧、为了追赶不断提升的工作节奏而持续奔忙、对 AI 辅助编程的复杂感受，以及挥之不去的精力消耗。氛围编程逐渐变成了末日编程。

我们对 AI 最大的隐性成本之一——倦怠——危险地缺乏认知！

我们是怎么走到这一步的？更重要的是，我们该如何打破这个循环？ Evil Martians 围绕这个话题展开了讨论，分享个人经历，并探索可能的解决方案。本文正是这些讨论的产物。

TL;DR

AI 优先的工作流会让你工作得更辛苦，却更难获得满足感。它们会通过多种方式加剧倦怠。要让 AI 工作流保持可持续，我们必须：

• 重新找回对工作过程的享受

• 重建成就感、掌控感和自豪感

• 消除把每一刻都用来最大化产出的不健康倾向

本文末尾有一份自助行动清单，涵盖了以上所有要点。可以用它来帮助自己朝正确方向调整。

不过，先找出问题的根源，实际上才是解决问题的第一步，也是最必要的一步。继续往下看，了解是什么在助长 AI 倦怠。

真正的问题从来都不是 AI 的未来

我们总在问：AI 能否独立解决问题？质量是否足够好？效率是不是核心标准？它最终会不会取代人类？就我个人而言，我认为以上所有问题的答案都是：不会。但归根结底，这些都只是面向未来的猜测。

而我们活在当下。与其试图预测未来、给自己添焦虑，不如把注意力放在今天能控制的事情上。

如果我们暂且放下那种“每次新模型一出就完了”的叙事，也许就会开始问真正该问的问题：

• 这些工具到底在哪些场景里有用，在哪些场景里没用？

• 当下使用它们的最佳方式是什么？

• 最重要的是，怎样才能让这种方式可持续？

我们太执着于 AI 的命运，却忘了自己的命运。

AI 会比泡沫活得更久吗？大概会。你会吗？

这才是今天真正重要的问题。而答案取决于你如何管理精力、预期、日程安排，以及工作的真实感受。我们需要放慢脚步，先确保照顾好自己。养成更健康的工作方式。否则，在我们讨论的那个未来到来之前，我们就已经先被倦怠击倒了。

AI 最大的承诺，某种程度上是个谎言

我们为什么需要 AI？从本质上说，它对人类有一个终极承诺：**机器现在来做 X，所以我们可以少工作一点。**让机器处理那些无聊的部分，我们就能专注于自己喜欢的事情。

但现实并不是这样。

一项《哈佛商业评论》研究证实，“对 AI 智能体进行高强度监督所带来的认知疲劳，既真实又显著”，员工还表示“AI 工具的存在增加了他们的工作负担”。

有了 AI，人们似乎不是工作得更聪明，而是工作得更辛苦。

为什么？答案出奇地简单。我们来算一算。

生产力陷阱背后的数学

Ben 和 Alice 面前各有 4 小时的软件工程工作：

• Ben 是传统派工程师。他手写代码，并认为 LLM 会拖慢他。

• Alice 更愿意把编码工作交给 AI，自己专注审阅。

他们都先从规划功能开始。Ben 在脑子里完成规划，Alice 则借助 LLM 写出一份计划。然后他们开始实现。Ben 一字一句地敲代码；Alice 观察代码生成，再进行审阅、引导和修改。Ben 用 4 小时完成任务；Alice 借助 2 倍提速，只用了 2 小时就完成了。所以从纸面上看，Alice 似乎工作得更少。

但真实情况并非如此。我们必须把认知消耗也考虑进去：

Ben 工作时间更长，但真正消耗脑力的部分更少，而且他的思考是分散进行的。他在过程中不得不重新思考架构的某些部分，但最终一切都衔接起来了。过程有挑战，但也有回报。像一场可控的马拉松，而不是冲刺赛。

与此同时，Alice 连续 2 小时都在进行高强度的认知训练。她把时间花在提示、审阅和调试上——这些全都是高度消耗脑力的任务。

接着，关键差异出现了：完成之后，Ben 停了下来。他感到满足——他解决了一个真实问题，理解了系统，找到了最优方案，也有了掌控感。

Alice 没有停下来。

她虽然提前完成了，但感觉并不“够”。事实上，她甚至觉得这件事“来得太容易”，尽管它在认知上其实更费力。也许她还会觉得自己进展慢，因为她对自己工作的期望高得不合理——毕竟，外界叙事告诉她，她应该是个“10x 工程师”。

于是，她直接转向下一个任务。然后是下一个。

在同样的 4 小时内：

• Ben 做了 1 倍强度、稳定且有满足感的工作，然后去吃午饭

• Alice 做了 2 倍强度、令人耗竭的工作

AI 辅助编程会指数级地增加工作量——同时抬高任务数量和工作强度。因此，AI 驱动的倦怠其实源于以下三件彼此关联的事情同时发生：

当 AI 代写代码时，我们失去了什么

AI 驱动的倦怠源于以下三件彼此关联的事情同时发生：

• 工作过程带来的满足感更少

• 工作强度更高

• 工作数量更多

AI 出现前的编程

规划 → 打造 → 结果 这个循环正在被打断。使用 LLM 时，我们从规划直接跳到结果。我们把编写代码那种愉悦、近乎冥想、带有触感的过程，替换成了审阅 AI 生成的代码（而这需要更多脑力，也更令人疲惫）。

于是，我们把自己喜欢的部分删掉了，换成了自己非常不喜欢的部分。

然后，我们把这个循环加速，一天重复好几次。工作里真正值得享受的部分所剩无几。同时，节奏和强度却都上去了。

AI 辅助编程

我们用工作量来弥补满足感的不足。

过去，在写代码时，满足感几乎会自动产生。现在，掌控感、成就感、自豪感——都被削弱了，甚至完全消失了。

我们不再像以前那样经历创造过程，与结果的联系也变弱了，因此就更难为它感到自豪。这会让人更倾向于继续加班，因为我们无法真正内化自己工作的价值。

一场安静的职业转向

人们选择职业，是因为自己对某些活动本身感兴趣。艺术家喜欢作画，而不只是展出画作。作家喜欢写作，而不只是出版或签名售书。程序员喜欢编程！而不只是部署产品。但现在，对很多人来说，最初吸引他们投身这个职业的那部分，正在被移除，或者被根本性地改变。

如果我们稍微展望一下，或许能看到一种可能的未来：AI 优先的方法把整个生态系统改造得如此彻底，以至于工程工作可以由非技术岗位（再加上设计、产品管理等）充分完成。对狭窄专业角色的依赖减少。整个产品的创建与维护都由万事通式的“AI 通才”来承担。

但我们还没到那一步！我们的职位名称没变。岗位和职级也跟两年前一样。然而，工作的结构已经在发生巨变，甚至让人觉得像换了一个职业。我们正处在一个奇特的境地：在没有主动决定转行的情况下，我们其实正在悄悄完成这次转变。大致有四条路：

• 想办法喜欢上这种新工作，并随着它一起进化。

• 无视 AI，继续假装它不存在。

• 一边使用 AI，一边毫无乐趣地工作，希望有一天回到旧时光，那时我们的职责和职业认同都与手工技艺紧密相连。

• 转行，去寻找另一个受 AI 影响较小、自己更感兴趣的领域。

显然，第一种选择最好，第二种是逃避现实，第三种不可持续。彻底转行已经超出本文范围，所以我们应该聚焦第一种选择——避免倦怠，并重新学习如何欣赏这种新形态下的职业。

导致倦怠的日常因素

在进入解决方案之前，我们先回顾一下随着 AI 工作流普及而出现的、也在不断加剧开发者倦怠的其他日常因素。

失去上下文

当你和智能体协作时，它掌握的上下文越多，你自己反而越失去上下文。你不再需要把整个项目装在脑子里：架构、边界情况、过去决策背后的理由——这一切都开始存在于你之外。

你不仅把写代码外包了，甚至连理解自己的系统也一起外包了。

这种“外移”会带来一个微妙但严重的问题。因为你和代码库的接触越深入，你的判断就越好。你能在问题变成 bug 之前发现它们。你能识别那些将来会让你付出代价的捷径。你不仅在智识上理解这些问题，还能凭直觉察觉它们。而这种直觉，正是通过沉浸式接触建立起来的——而智能体工作流会把它抹掉。

这种影响也会沿着团队和入职流程扩散。你无法教别人或审查你自己从未真正学会的东西。久而久之，你会变成一个项目监督者，却不再真正了解它。而监督一个自己不理解的东西，是很耗人的。

没有时间进行被动思考

用传统方式解决问题时，很多思考其实是在无意识中发生的。当你边试代码边思考时，或者即使离开屏幕时——比如散步、洗澡，甚至半睡半醒之间——这种思考仍在后台继续。这是大脑处理难题的一种方式。

有了 AI，我们正在失去问题解决过程中这至关重要的一环。规划被压缩成与模型几分钟的来回交互，用同意或不同意它的提议，取代了真正的思考。

模型填满了沉默，连你自己的思考都还没来得及把线索连起来。

结果就是：你做出了看似没问题、但客观上并不最优的决策 → 在此基础上生成了不够精确的代码 → 之后才意识到问题 → 于是感觉必须推倒重来，或者把整个方案重做一遍。

错误预期

在 AI 辅助下开始做项目，会让人产生一种虚假的欣快感。功能不断出现，进展看起来很轻松，你一个接一个地接任务。

但这会形成陷阱。你自己和客户（或经理）都会据此设定预期。这个冲刺速度会变成基准预期。一旦不可避免地开始放慢，你就会发现自己很难重新达到那个标准。

审阅瓶颈

在使用智能体时，生成的代码量往往远远超过一个人合理能够审阅的范围。智能体编码加快了打字速度（顺带说一句，打字本来就从来不是最慢的部分）。但与此同时，它也去除了引入错误、 bug 和错误决策的瓶颈。

人们对 AI 生成的代码负责任感更低。有些人甚至完全不看，直接把它交给团队里负责质量把关的人。

生成的代码越多，就需要审阅的代码越多。

那个审阅者（通常是资深工程师）现在必须承担不成比例的风险、压力和认知负荷。他们一边要维持系统健康、最佳实践和代码库质量标准，一边还要面对成千上万行（充其量只能算中规中矩的）代码，而这些代码别人几乎没人看过。

无穷无尽的可能性

手写代码时，每尝试一个新方向都会带来实际成本，因此它天然起到了范围控制的作用。尝试另一种方案代价更高，所以你会仔细权衡它是否值得。

有了 AI，这种摩擦大多消失了。每一个新想法只需要一条提示词。

这打开了一个充满可能性的世界，但也很容易让人沉迷其中，一路探索下去。

看似廉价的反复迭代会不断累积，等你意识到自己已经投入了多长时间时，往往已经超过了本该停止的时点。

自助行动清单

那么，这一切就只能这样了吗？其实不必如此。下面是一份实用建议清单：你可以从今天开始采用这些工作方式，改善自己与 AI 工作流的关系，并把倦怠控制在可接受范围内。可以从最符合你当前感受的那一项开始。

如何停止 AI 倦怠 ⚕️

• 承认自己的成果 提升你对自己价值的认知，并为自己的工作感到自豪。

• 重新思考你的 AI 工作流 以让 AI 智能体真正帮到你、而不是加剧疲惫的方式与它们协作。

• 继续锤炼你的技艺 重新连接工作中让你感到愉悦的部分。

• 纪律与工作生活平衡 规划工作时间，并记得休息。

• 在工作中寻找新的兴趣领域 为不断变化的角色探索新技能。

承认自己的成果

😐 我对成就的感受很弱。我对自己的工作没有自豪感。它总觉得不够好。甚至不觉得真正属于我。

如果上面的任何一句都击中了你的内心，你就需要更清楚地意识到自己带来的价值！这样你会更深地把自己和工作联系起来，也会对工作感觉更好：

• 调整你的思维方式。AI 也许生成了代码，但工作依然是你做的。正如前文的数学分析所展示的，你现在很可能比以前工作得更辛苦——你完全有理由为此感到自豪。

• 保留“成果记录”。记录你一天中完成的每一项任务。如果你的组织有一个可以和同事分享成果的频道，也要经常在那里发声。（如果没有，你也可以提议建立一个。）比如在 Evil Martians，我们团队有一个非常活跃的成果频道，总能看到大家彼此点赞、互相表扬。

• 向队友演示你的工作成果。把你的工作展示给经理或同事看。共享屏幕，带他们了解你正在构建什么。这也是我们团队的常规做法。

• 记录工时。这也有助于保持工作与生活平衡。但更重要的是，记录时间能把你正在做的工作变成可衡量、可见的块状内容。

重新思考你的 AI 工作流

🤷 AI 没什么帮助，这个过程很耗人，手写代码反而更高效。

如果你有这种感觉，可以尝试加入一些规则，来控制和优化你使用智能体的方式：

• 多规划，少审阅。始终从“规划”模式开始。先读计划。在计划阶段就把错误修掉，别等它们变成代码。理想情况：争取一次迭代就得到有效结果。

• 不要在一个任务上耗太久。如果 3 到 4 步之后还没有好结果，就重来。换一种方法试试。

• 不要并行处理多个任务。既然生成代码现在感觉很容易，人们就很容易同时接好几个任务。但这是个陷阱。它会增加你之后必须偿还的心理负担和技术债。设定清晰的检查点，在到达之前不要切换任务。

• 不要连续做两个重度 AI 任务。AI 有时会让人上瘾，很容易从一个任务直接跳到下一个。这样不会给大脑恢复的机会。一个好习惯是：完成每个智能体任务后，让大脑稍微放松一下。

• 拆解任务。AI 一次提示就能生成几百行代码，所以相比人类开发者，任务拆分似乎没那么必要。但现实是，大任务带来的心理负荷并不会消失，只是被推迟到后面了。另外，在处理大任务时，人更容易陷进去、忘记休息等。

继续锤炼你的技艺

😔 我的工作越来越像合成出来的了。我怀念过去那种写代码的感觉，也很想念它。

不要一直使用 AI。你仍然可以时不时做一些纯粹的代码工作。

• 保护“技艺”时间或任务。给自己留出一些不使用 AI 的时间。从一天中的某个时段，或某些特定任务开始，不用智能体写代码。这些任务不一定要是 AI“搞不定”的最难任务；这不是在追求产出最大化。这样做是为了重新接触你工作中安静、愉悦的那一面。

• 知道什么时候不该用智能体。不要默认所有事情都交给 AI。有些任务适合用智能体：无聊的任务、你明确知道 AI 一定能显著提升效率的任务，或者你本来就不想自己做的任务。但对于你喜欢的任务，留给自己做。

• 使用“询问”模式。利用模型本身来帮助你熟悉不熟悉的代码库。必要时让它协助和给建议，而不是直接让它生成实现。

• 不要把 AI 用在激情项目上。如果你在做个人项目，尽量别在那上面用智能体（至少别用得超过你真正想要的程度）。这是你自己的时间，没有截止日期——换句话说，这正是你能以真正热爱的方式去享受过程的绝佳机会。

纪律与工作生活平衡

🫩 我工作得太多了，到了晚上已经没时间也没精力做别的事。

规划好一天，并承诺遵守。

• 规划工作时间。不要在这些时间之外工作；如果必要，哪怕功能还没做完也要停下来。（这和记录工时很搭。）

• 定期认真休息。现在这一点尤其重要，因为你的大脑可能一直在高强度运转，而编码过程中并不会自然获得恢复机会。

• 先规划当天意图，完成后就停。若你提前完成了所有计划，不要再塞入更多高强度工作。相反，把这段时间用于沟通、学习、清理，或其他更“柔性”的任务。

在工作中寻找新的兴趣领域

😵‍💫 我的角色开始让我感觉像换了个职业，我不喜欢它正在变成的样子。

正如安静的职业转向部分所探讨的，这种感受是合理的。事实是：这个职业确实在变化。我们应该寻找新的方式去欣赏这种新形态。下面是一些你可以寻找满足感的相关领域和技能：

• 与用户合作、做访谈、建立反馈闭环、识别真实需求。

• 专注于沟通与软技能。

• 探索数据分析、原型设计和假设验证。

• 学习如何微调智能体并设置护栏，让“氛围编程”变得可持续。

• 精通性能优化。

尾声

在这样充满不确定性的时代，清楚地区分现实与营销叙事极其重要。很多不必要的压力，正是源于二者之间的张力。

话虽如此，AI 确实 在改变我们的现实，而且——不管我们喜不喜欢——它已经来了，而且会长期存在。这部分不受我们控制。但我们可以控制的是：我们如何面对工作、如何设定边界、以及我们选择相信什么。

AI 可以有帮助。只有在你误用它时，问题才会出现。

放慢速度。接触现实。设定可持续的预期。学会让 AI 帮助你，而不是压垮你。找到那些你真正喜欢的小事。留意它们。记住自己为什么选择这个职业，并重新与它建立连接。

这个行业最终会自己找到出路。你的任务，是带着你的精力、好奇心，以及对工作的享受能力，完整地走到那一天。