AI 时代，我物理上变得更自由了，但心理上好像更忙碌了

大家好，我是白露。

今天不聊技术，聊点真实感受。

看到一篇帖子：https://linux.do/t/topic/2259508/16

楼主讲了一下自己在 AI 时代的一些感悟。

效率的诅咒

最近半年，我越来越明显地感觉到一件事——AI 确实让我变快了，但我好像也因此变得更累了。

以前写一个功能模块，从需求分析到代码实现可能要花两天。现在呢？Cursor 一开，提示词一丢，二十分钟框架就搭好了。听起来很爽对吧？但问题是，省下来的时间并没有变成休息，而是被我自己填满了更多的任务。

以前做不完的事，心安理得留到明天。现在正反馈来得太快了，脑子里只有一个声音："反正也不难，再搞一个吧。"

于是一个晚上下来，我可能同时推进了三个项目，但合上电脑那一刻，精神是空的。

走在路上也在想提示词

五一的时候出去玩，走在街上陪人逛街，脑子里却一直在构思提示词。时不时就掏出手机，打几行字发给 AI，看看它回了什么。

说实话，那一刻我意识到一个问题：我物理上确实可以在任何地方工作了，但心理上，我好像再也没有真正"下班"过。

AI 把工作的门槛降得太低了。以前你想干活，至少得坐到电脑前、打开 IDE、进入状态。这些"仪式感"本身就是一道屏障，把工作和生活隔开。现在呢？一部手机、一个对话框，随时随地都能开工。

自由？确实自由了。但这种自由的代价，是边界的彻底消失。

学还是不学，这是个问题

除了精神上的疲惫，还有一个让我纠结很久的事——到底要不要深入学 AI 的底层原理？

说真的，我一度很焦虑。看着 Transformer 的论文、cs336 这类课程，总觉得自己应该系统地啃一遍，不然就会被淘汰。但冷静下来想想，这种心态本身就是一种典型的"学生思维"：进入任何领域就想找一套课从头学到尾，学透学全才安心。

工作几年之后，我慢慢意识到一件事——脱离应用场景的学习，不仅效率低，而且消磨热情。 你花三天啃完注意力机制的数学推导，然后呢？如果没有一个实际场景去验证和使用它，两周之后大概率忘得一干二净。

所以我现在的策略是：建立基础认知就够了，别钻细节。 剩下的，等真正遇到问题了再去学。结合实际场景的学习，效率比泛泛而学高出不止一个量级。

AI 不是许愿机

在各种社区泡久了，你会发现一个很有意思的现象：大多数人对 AI 的认知，还停留在"许愿机"阶段。

觉得 AI 什么都能做，丢个需求过去就等着收结果。至于结果对不对、能不能落地、会不会在生产环境炸掉——那不重要，反正"AI 都能做"。

但实际用过的人都知道，AI 就像自动驾驶。你有了自动挡和智能辅助，难道就不需要方向盘了吗？它给你开沟里了怎么办？原地绕圈了怎么办？

会用 AI 对话不是一种能力，能指挥 AI 在自己的领域干活还不出错，才是真本事。

而这个"不出错"的前提，恰恰需要你对自己的领域有足够深的理解。AI 降低了执行门槛，但没有降低判断门槛。你得知道它输出的东西对不对，这比让它输出东西本身要难得多。

对抗惰性

还有一个问题不得不提——思维惰性。

以前遇到一个技术问题，第一反应是自己查文档、看源码、动手试。现在呢？第一反应是丢给 AI。这本身没什么问题，工具就是拿来用的。但时间长了你会发现，自己独立思考的能力在退化。

有个朋友的做法我觉得挺好：每次 vibe coding 的时候，同时在 Obsidian 里记录自己的思考和问题。保持"主动思考 → 询问 AI → 更新笔记"的循环，让自己的热情和理解不要在一次 vibe 之后就彻底丧失。

做完之后还会回去复盘，看看自己写了多少屎山。这种自我拷打虽然痛苦，但确实有效。

人该发力的地方

聊了这么多焦虑，最后说点积极的。

我越来越觉得，纯技术实现层面 AI 做不好的事情已经越来越少了。给它足够的上下文和清晰的指令，大多数编码任务它都能搞定。但它真正做不好的，是对整体思路的把握，和一些剑走偏锋的小点子。

这些东西从哪来？经验积累，或者真正的创造力。

这恰恰是人该发力的地方。与其焦虑"AI 会不会取代我"，不如想想"我能不能站在 AI 的肩膀上，去看它看不到的路、解决它解不了的问题"。

工具变了，学习的对象和思路也需要跟着变。 这不是更麻烦了，只是需要花点时间，重新学会怎么跟新工具相处。

说到底，AI 时代最稀缺的能力可能不是"会用 AI"，而是在这个一切都唾手可得的时代里，依然保持清醒和节制的能力。

物理自由是真的，心理忙碌也是真的。关键在于，你有没有意识到这一点，并且愿意主动做点什么。

能反思到这一步的人，其实已经领先了绝大多数。无需过分焦虑，因为我们站在时代前沿。为了追那金字塔尖的一小撮人而把自己搞得精神荒芜，不值当。

我是白露，我们下期再聊。