为什么用AI写代码之后，人反而越来越累了？

这个问题我其实挺有共鸣的。说起来有点讽刺——2025年那会儿刚用AI编程的时候那种兴奋感现在还记得。代码哗哗地往外冒一天能跑通好几个功能感觉自己终于变成了那个传说中的10x工程师。然后就到了2026年。现在关掉电脑的时候脑子里是那种钝钝的疼。不是困不是乏就是被榨干了。跟几个同行聊了一圈发现大家都有同感。省下来的時間去哪了AI编程确实快了这没什么好争的。写个CRUD接口以前半天现在半小时出初版。重构个老模块AI帮你读完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。有个很经典的说法叫工作量蔓延Workload Creep。哈佛商业评论追踪了200名科技公司员工发现AI使用会触发这个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反而加剧了。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。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。你从写代码变成了审代码这个变化很多人没注意到。以前的日常接需求开IDE从头写到尾跑测试提交。遇到卡点去倒杯水想想回来继续。慢是慢但节奏自己说了算。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。有个数据挺反直觉的METR在2025年做了个随机对照实验找了16个资深开源开发者在他们自己维护的代码仓库里完成真实任务。结果用AI工具的那组实际完成任务的时间长了19%。注意是慢了不是快了。更离谱的是同一批开发者实验前预测AI能让自己快24%实验后报告自己感觉快了20%。客观测量是慢了19%主观感觉是快了20%——这个39个百分点的差距说明什么说明AI编程让人对自己的效率产生了严重误判。验证负担才是真正的成本AI编程的隐性成本不在写而在验证。CHI 2026有篇论文专门研究这个问题。他们发现AI确实降低了 workload-18.2 TLX points也节省了时间22%还提高了正确率OR1.71。但是——随着使用次数增加stress和fatigue在上升。原因很简单你多了一个全新的工作负担叫验证AI输出。CodeRabbit 2025年分析了470个开源GitHub PR发现AI参与的代码包含重大问题的概率是纯人工代码的1.7倍逻辑错误多75%安全漏洞更是高出274%。Sonar 2026年的调查更狠88%的开发者报告AI对技术债产生了负面影响。AI能并行你的大脑不能。开三四个AI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切换都要把上一个任务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。心理学有个词叫蔡格尼克效应没做完的事会一直在大脑后台转。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。简单的事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%。这就像以前做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个俯卧撑连着做。还有一层没人愿意公开讲的东西AI编程提效之后直接后果是团队需要的人变少了。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编程本身没关系但它确确实实存在而且每天都在消耗人。怎么办我没法给你一个用了AI再也不累的解决方案因为这个问题的根源不在工具在结构。几个实在的建议一个项目里不是所有任务都适合AI。原型探索、你不熟的领域、快速验证想法——这些AI能帮大忙。但核心系统、复杂逻辑、你其实已经很熟的模块——自己写AI的介入反而会增加维护负担。把系统稳定性和架构决策质量纳入衡量指标而不只是看代码产出量。只衡量速度只会让Workload Creep越来越严重。如果你是带团队的确认一下你的工程师有没有承担超出他们承受范围的职责。如果工程师需要承担产品思考、架构设计、安全评估那就应该匹配对应的权限和回报。最糟糕的是职责悄悄增加但没人承认。AI编程提效是真实的。但这个效率是组织的效率不是你的效率。至少目前这个阶段收益和成本的分配是严重不均的。认识到这一点至少能帮你少点自我怀疑——你觉得累不是因为你不行是因为这套机制本身就在把人往那个方向推。