Hello，我是Niko。16年程序员老兵，专注分享 AI编程实战经验、宝藏工具资源、前沿技术动态。不玩套路，多讲干货。
今天不聊技术，只聊真实感受。
用了大半年AI编程工具，代码产出确实上去了，需求交付也快了不少。但每天下班关上电脑，脑子里有一种钝钝的疼。不是困，不是乏，就是被榨干了的感觉。跟几个同行聊了一圈，都这样。
这篇文章不讲提效技巧，就讲一件事：效率变高了，人为什么反而更累？
太长不看版
- AI编程省下来的时间没还给你，被填进了更多任务
- 你从"写代码的人"变成了"审代码的人"，认知负荷反而更大
- AI能并行，你的大脑不能，未完成的任务一直在后台耗电
- AI把简单活儿干了，留给你的全是烧脑的
- AI编程带来裁员压力，留下的人更紧张也更卷
- 新模型新工具新范式，学习焦虑变成了日常底噪
- AI自动运行，上下班的边界越来越糊
省下来的时间去哪了？
AI编程确实提高了效率，这没什么好争的。
拿Claude Code写个CRUD接口，以前半天，现在半小时出初版。重构老模块，AI帮你读完几千行代码再给方案，快了好几倍。
但省下来的时间并没有变成你的自由时间。
原来一天做一个需求，现在"你不是很快吗"，那就再加两个。原来一周发一次版，现在两三天就要上一次。虎嗅今年2月转了一篇文章，标题就叫"效率翻了10倍，我却更累了"，里面引了《哈佛商业评论》的调查：
追踪200名科技公司员工后发现，AI使用会触发"工作量蔓延"效应：速度提升推高了组织的交付预期，任务范围随之扩大，工作密度和认知负载反而加剧。
AI帮你做得更快，组织不会因此少要求你什么。它会把你省出来的时间全部回收。
你现在是"空中交通管制员"
这个变化很多人没注意到。
以前的日常：接个需求，开IDE，从头写到尾，跑测试，提交。慢是慢，但节奏自己说了算。遇到卡点，去倒杯水想想，回来继续。
现在呢？给AI描述需求，等它生成代码，然后一行一行审。审代码比写代码更累，你得跟着AI的思路走，判断它的方案靠不靠谱，在看起来没问题的代码里找隐患。
Steve Yegge，40年硅谷老兵，管这个叫"吸血鬼效应"。他在今年的文章里写道：
当生产力提升超过约2倍时，技术不再仅仅是工具，而开始反向塑造使用者的工作节奏和心理状态。
你不再是那个写代码的人了。你变成了盯着好几架飞机同时起降的管制员，得确保它们不会撞在一起。
大脑只有一个窗口
这是我觉得最消耗人的一点。
AI天然支持并行，开三四个窗口各跑各的，互不干扰。但人脑不是这么运作的。所有任务共用一块注意力，切来切去，每次都要把上一个的状态存下来，再把下一个的加载出来。这个切换不是免费的。
心理学里有个说法叫"蔡格尼克效应"：没做完的事会一直在大脑后台转，你不主动想它也没用。三个AI任务同时开着，你当前只处理一个，另外两个在后台默默抢你的注意力。
我自己的体感是同时三四个任务已经到顶了。再多，判断力就开始出问题。
还有一点让我觉得很讽刺。以前写代码虽然慢，但可以进入心流，专注在一件事上忘了时间。AI编程基本杀死了心流这个东西，因为你的角色从"做事的人"变成了"管事的人"，而管事的人永远在被打断。
简单的活儿AI干了，难的全留给你
AI接管了什么？写模板代码、格式转换、生成CRUD、补单元测试。这些活儿机械、耗时间，但不太费脑子。有时候写这些东西甚至是一种放松。
AI干完之后，留在你手里的是什么？需求分析、架构决策、方案取舍、异常路径的判断、代码审查。全是烧脑的。
以前一天的节奏大概是两小时高强度思考加六小时中低强度编码。现在反过来了：六小时高强度思考加两小时在各个AI任务间跳来跳去。总时长差不多，但脑子的负载率从30%拉到了80%。
以前一天做100个俯卧撑，中间能喘口气。现在AI帮你把喘气的时间省了，100个连着做。
AI编程带来的裁员压力
这一层很少有人公开讲，但身边几乎所有人都感受到了。
AI编程提效之后，直接后果是团队需要的人变少了。去年底到今年，身边已经有好几个团队缩编。留下来的人并没有因此轻松，反而更紧张。你得证明自己的价值，证明"有了AI还是需要你"。大家明显下班更晚了，不是因为活儿多到做不完，是因为不敢先走。
这种压力跟AI编程本身没有直接关系，但它是AI提效叙事带来的连锁反应。LinkedIn上有人总结得很准：
AI代码债正在压垮高级工程师。生产速度上去了，但review、维护、还债的担子全落在留下来的人身上。
一个人干两个人的活，拿一个人的工资，还得时刻担心自己是不是下一个被优化的。这种状态，不累才怪。
新东西太多，不知道该学哪个
这一条不全是AI编程的锅，但AI把它放大了。
软件行业一直在迭代，没什么新鲜的。但AI加速之后，新东西冒出来的速度已经超出正常人能消化的范围。Vibe Coding还没整明白，下一个概念又来了。Axios 4月初的报道标题是：
AI agents are scrambling power users' brains.（AI agents正在搅乱高级用户的大脑。）
Business Insider也报道了工程师Siddhant Khare的公开呼吁：
AI fatigue is real.（AI疲劳是真实存在的。）
这些不是个别声音。
我自己最焦虑的不是"学不会"，是"不知道该学哪个"。时间有限精力有限，新东西没有尽头。不学怕掉队，全学学不过来。这种低烈度的焦虑一直在那儿，像耳鸣一样。
下了班，AI还在跑
最后一个原因很实在。
以前关上电脑就是收工。代码不会自己写，bug不会自己修。现在AI agent可以在后台一直跑。你下班了，它没下班。它可能还在跑你白天启动的重构，可能在自动修CI。你知道它在跑，就忍不住想瞄一眼。一瞄就是半小时。
而且AI跑到某些节点需要你介入，确认方向或者review决策。这些介入点不看你几点下的班。
工作不再是一块可以放下的东西了。
我在做的几件事
聊了这么多原因，说说我自己怎么应对的。没有什么高级方法论，就是试错之后活下来的几个习惯。
同时跑的AI任务不超过三个，多了就排队。我不是AI，接受这一点之后反而松了口气。每个任务我会记一个简短的进度备忘，切回来的时候不用从头想。
新技术出来先花十分钟判断跟我当前工作的关系。高度相关的才花时间学。一般相关的读一篇文章就够。不相关的，记个名字，以后用到再说。
每天留一段时间不开AI工具，自己想问题或者写点东西。不是为了产出，是让脑子从管制员模式里退出来。
下班关掉就关掉。AI任务的进度明天看。我之前试过晚上继续推，结果睡不好，第二天更慢。不划算。
去外面走走。长时间处理抽象信息之后，脑子需要换一种完全不同的输入。去公园比刷手机管用。
最后说两句
软件开发一直是个高强度、快迭代、逼着你不断学的行业。AI把这些特性又拧大了几圈。
Steve Yegge说AI时代有效工作时间应该缩短到三四个小时，因为高阶认知活动的消耗比执行性工作大得多。我觉得他讲到了关键。问题不是能不能用AI做得更快，是在更快的同时，怎么别把自己搞垮。
每一轮技术浪潮留下来的都是能适应的人。但适应不是硬撑，不是拿更长的工时去配更高的效率。适应是搞清楚新的规则，找到能持续的节奏。
