AI 时代的开发疲劳：低生产成本与高决策成本

核心洞见

AI 极大地降低了生产（Implementation）的成本，但却显著推高了决策（Decision）和评审（Review）的密度和难度。

这导致开发者长期处于高强度决策状态，失去了原本作为“脑力缓冲”的浅层工作时间，引发了新型的“AI 疲劳”。

现象描述

• 产能激增：在 AI 辅助下，代码提交量可能达到过去的 4 倍。无论是写测试用例、搭建服务、研究陌生 API 还是掌握新技能，交付速度都令人惊叹。原本需要数周的重构、迁移，现在可能只需一下午。
• 极度疲劳：尽管效率提升，但开发者感受到了前所未有的精疲力竭。

疲劳根源分析

1. 浅层工作的消失（Loss of Mental Buffers）

   • 过去：开发者通常会花费数周钻研一个有深度的问题，随后处理若干较小、相对浅显的问题。这些浅层工作（如编写样板代码、简单的逻辑实现）实际上是大脑的“休息区”和“缓冲带”。
   • 现在：所有思维深度较浅的工作都被 AI 瞬间清理了。开发者失去了一段低强度的脑力活动时间。

2. 高频决策切换（High-Frequency Context Switching）

   • 多线程压力：AI 的高效率使得开发者需要在短时间内处理多个维度各异的问题。
   • 切换代价：要在四五个完全不同的问题之间频繁切换思考模式，大脑需要不断重置上下文（Context），这种高频的切换即使对资深开发者也是巨大的负担。

3. 决策密度过载（Decision Density Overload）

   • 生产成本↓，决策成本↑：AI 降低了将想法转化为代码的成本，但并未降低“判断这段代码是否正确/合适”的成本。相反，由于生成速度极快，待评审决策的数量呈指数级上升。
   • 认知极限：人的大脑难以长时间维持高强度的复杂决策。试图全权交给 AI 判断是危险的，因为决策和评审的责任最终仍需由人承担。

结论

AI 并非免费的午餐。它虽然解放了双手，却加重了大脑的负担。AI 降低了生产的门槛，却抬高了决策和评审的代价。这也对开发者提出了新的挑战：即便拥有神力，如何管理自己的精力和认知负荷，避免在高速交付中因决策疲劳而崩溃。