我如何对抗 AI 脑子烧焦

对 AI 编码 agents 日益加深的依赖,让许多开发者感到认知负荷过重,因为他们要同时处理多个长时间运行的会话、不断切换上下文,以及需要审查的大量 AI 生成代码改动。评论者提出了各种应对策略——从看板式队列、更严格的任务范围控制、限制并行工作,到更多把 AI 用于解释或审查而非生成——而另一些人则主张干脆接受更多空闲时间和休息。与此同时,对 AI 写作和“slop”内容的强烈怀疑也贯穿始终,反映出人们对深度理解退化、写作风格同质化,以及优先速度和自动化而非深思熟虑工作的文化的更广泛担忧。

“AI 脑子烧焦”的现实

  • 许多评论者表示,来自重度 AI 工作流的认知疲劳是真实存在的,尤其是对有经验的程序员来说,如今他们会觉得自己已经不太适合传统面试或深度工作。
  • 也有人认为这种恐慌被夸大了:解决问题的能力可以通过很多方式锻炼,真正退化的主要是编码流畅度,而不是一般智力。
  • 还有人区分原始认知与更高层次的思维和理解习惯,认为如果把太多事情外包给 agents,这些能力更容易受到影响。

多任务、上下文切换与生产力

  • 核心张力:并行运行许多 agent 会话,还是专注于一项任务。
  • 有些人会并行运行 10–30 个 agent,把这比作管理一个团队,甚至同时下很多盘棋;他们说注意力变成了做快速、局部的决策,而不是把全部上下文都记在脑中。
  • 另一些人把自己限制在 1–3 个活跃任务上,反馈说这样更专注、更不疲劳,而且有效吞吐量往往相同甚至更高。
  • 不少人指出,上下文切换看起来很高效,但往往会拖慢最终交付,尤其是因为大型 PR 和审查负担。

工作流、工具与“给 Agents 的看板”

  • 常见模式:把 agents 当作团队成员,通过工单、看板或驻留在 git 中的问题文件来管理。
  • 人们会构建定制工具(TUI/GUI 看板、本地 issue 跟踪器、“轮到你 / 轮到 AI”队列),或改造 GitHub/Jira/markdown/org-mode 来跟踪会话、决策和状态。
  • 还有不少人强调小而明确的任务、清晰的规格说明,以及前置的“拷问”(问答)流程,以减少任务中途的打断。

AI 写作风格与反弹

  • 对博客中部分由 AI 生成的行文反应非常负面;很多人说自己能“闻”出模型风格,并觉得它冗长、陈词滥调且去人性化。
  • 有人认为 AI 写博客文章意味着投入很低,会侵蚀信任;少数人说他们一旦检测到“AI slop”就会立刻停止阅读。
  • 也有人无所谓:只要文字能传达意思,就不在乎是不是模型起草的,尤其是在非文学写作中。

代码质量、速度与人的理解

  • LLM 极大加速了代码草拟、测试和重构,但审查者报告说仍会出现脆弱的抽象层和技术债缝隙,仍然需要大量人工修剪。
  • 一个反复出现的担忧是:你不会像理解自己写的代码那样去内化 AI 写的代码,这会削弱长期理解。
  • 更快的模型降低了并行化的冲动,但外部瓶颈(构建、测试、CI、工具)仍让“agent 等待时间”相当可观。

人的极限与文化问题

  • 多条评论建议把“agent 的思考时间”当作休息:读书、散步、听音乐、反思,而不是继续启动更多工作。
  • 也有人呼吁抵制行业里那种不惜一切追求速度的文化,强调深度专注、读书,以及少做但做好。