去年，我参与了一个新项目。
团队定下了一种新的协作方式。能交给 AI 的工作，尽量让 AI 完成，人主要负责提要求、做判断和验收结果。
这和我以前的工作方式差别很大。过去，我自己写核心逻辑，让 AI 帮忙补代码、改 bug。到了这个项目里，AI 接过了大部分实现工作，我负责把方向、质量和最后的结果兜住。
一个多月以后，我发现了一件有点反常的事。
AI 明明写了更多代码，我每天的产出也比以前多，下班时却更累了。脑子像塞了一团棉花，忙了一整天，回头又觉得自己没完成多少事情。
我和几个同样重度使用 AI 的朋友聊了聊，他们也有类似的感受。后来我把这段经历重新捋了一遍，发现疲惫大多来自下面几件事。
01 能做的事情变多了，判断却没跟上
以前我主要写前端，后端只处理一些简单的 CRUD。用了 AI 以后，一个完全陌生的领域，当天也能做出些像样的东西。
这种体验很容易让人高估自己。AI 让人暂时能处理更多工作，判断力和经验却不会同时增长。代码能跑起来，也不代表我已经理解了这个领域里的风险、边界和维护成本。
如果忘了这一点，接下来很容易错估工时，接下超出能力范围的任务，甚至给出自己兜不住的承诺。
AI 能扩大行动范围。至于该不该做、要做多久、做到什么程度，仍然需要人来判断。
02 等待让我频繁切换任务
使用 AI 时，反馈来得很快，又没有快到可以完全忽略等待。
输入几句提示词，看着它沿着自己的思路往下做，很容易沉浸进去。任务开始运行以后，我会忍不住盯着进度，觉得结果马上就要出来了。
可这几分钟很尴尬。继续等，有点浪费时间。转去做别的事，刚进入状态，又要回来检查结果。一个上午切上几次，执行时间可能省下来了，我却一直没法专心做完一件事。
过去写代码，累通常来自持续思考。现在还多了一种累，脑子不断启动、暂停，再重新接上刚才的任务。
03 工作节奏总卡在“马上就好”
以前我会在早上排好当天的任务，按顺序推进，到点收工。
有了 AI，我经常觉得半天就能做完原本一天的工作，于是把更多任务塞进计划。实际做起来，一个功能可能调试半天才达到预期，临近下班时，仍有 Agent 在运行。
这时候很难直接关掉。
“应该马上就有结果了，再等一会儿。”
结果出来以后还要看代码、跑测试、处理新问题。等这一轮结束，饭点已经过了。
AI 缩短了不少执行时间，也让工作的结束变得模糊。只要还有一个任务在跑，我就会觉得今天还没收尾。
04 同时审核多个 Agent，很耗脑子
为了提高效率，我会同时运行几个 Agent。它们承担不同任务，推进速度也各不相同。
我需要逐个检查结果，每切换一次，都要重新想起一套上下文。这个 Agent 改了哪几个文件，为什么这样设计，测试覆盖到了哪里，另一个任务又卡在什么地方，都得迅速想起来。
审核还意味着持续做决定。方案能不能接受，风险要不要现在处理，问题该返工还是留到下一轮。决定很小，数量却很多。
一天里这样切换几十次，疲惫并不奇怪。
05 产出增加了，完成感却变弱了
这部分最难察觉。
以前亲手写完一段核心逻辑，从卡住到跑通，过程很清楚。现在，AI 生成代码，我负责描述、等待、检查和纠偏。项目确实往前走了，我却很难指出其中哪一部分是自己亲手完成的。
亲手完成的部分少了，完成感也会跟着变弱。忙了一天，提交不少代码，我仍然觉得自己只是不断接收结果、处理结果。
人需要的也不只有产出。理解问题、作出选择、亲手解决一个难点，这些过程会告诉我们，今天的时间花在了哪里。
我开始这样调整
这段时间，我在尝试几种简单的办法。
先形成自己的判断，再让 AI 动手。
修 bug 之前，先看一眼问题可能出在哪里。写需求之前，先把目标和验收条件理清楚。脑子里有一条基本路线，审核 AI 的结果时才有依据，也不容易被它带着走。
每天留一段不用 AI 的时间。
这段时间可以读代码、梳理任务，也可以补自己不熟悉的知识。离开 AI 以后仍然能理解和推进项目，使用它时才会更踏实。
把 AI 任务集中起来处理。
需要 Agent 执行的工作尽量批量发出，到了固定时间再统一检查。这样能减少盯进度的冲动，也能让中间的时间保持完整。
只接收自己看得懂的代码。
AI 每次给出的实现都可能不同，有时还会整段推倒重来。项目需要长期维护，我至少要知道关键逻辑在哪里、为什么这样写，以及出了问题该从哪里查起。看不懂的代码即使暂时能跑，迟早也会变成新的负担。
我现在更在意一件事。一天结束时，任务有没有真的收住，我又是否清楚自己做了哪些判断。能回答这两个问题，AI 节省下来的时间才算真的属于我。
