你用AI两小时完成了过去四小时的工作，但认知强度翻倍、成就感归零——然后你又去接了下一个任务。哈佛商业评论的结论是："脑炸"（brain fry）是真实的。
事件回顾
2026年5月19日，知名开发者社区 Evil Martians 发布了一篇引爆 Hacker News 的深度文章：《AI-assisted engineers are burning out, is this fine?》。作者 Ivan Chepurin 和 Travis Turner 提出了一个尖锐的问题：AI编程让开发者"生产力翻倍"，但代价是精神透支和职业认同感崩塌。
这篇文章的核心论点颠覆了AI工具的主流叙事。过去两年，行业一直在用"10x工程师"、"vibe coding"、"AI原生开发"等词汇描绘一个美好未来——AI帮你写代码，你只负责审查和决策。但 Evil Martians 的团队内部讨论揭示了一个令人不安的现实：AI-first工作流让人工作更努力，但满足感更低。
哈佛商业评论2026年3月的研究用"brain fry"这个词描述了这一现象：员工报告说"AI工具的存在实际上增加了他们的工作量"。加州大学伯克利分校的研究人员也警告，一些员工正在用原本的自然休息时间来提示AI，最终把办公室里的几乎所有时间都填满了任务。
Evil Martians 的文章用数学算了一笔账，把这个问题讲透了。
为什么重要
这个讨论对AI创业者有三层意义：
第一层——你自己可能就是那个"Alice"。 如果你正在用 Cursor、Claude Code、Hermes Agent 或 OpenClaw 搭建产品，你大概率已经体验过那种"两小时干完一天的活，但脑子像被榨干了一样"的感觉。这不是错觉——而是AI编程模式下认知负荷被高度压缩的结果。
文章举了一个精妙的对比：Ben（传统编码者）用4小时完成一个任务，过程是"受控的马拉松"——有挑战，但有节奏、有成就感。Alice（AI辅助编码者）用2小时完成同样的任务，但她的2小时是高强度认知冲刺：不断地提示、审查、调试、纠偏——每一步都是脑力重活。然后，关键差异出现了：Ben完成后停下来去吃午饭了，Alice没有停——她觉得"来得太容易"，甚至觉得自己还不够快（毕竟行业说你应该是个10x工程师），于是她直接冲向下一个任务。
在同样的4小时窗口里：Ben做了1倍稳定、有满足感的工作；Alice做了2倍高强度、榨干精力型的工作。
第二层——你的团队也会受影响。 如果你有团队或未来要招人，AI工具引入后在代码审查环节制造的瓶颈是灾难性的。文章指出：AI可以三倍速生成代码，但你的代码审查者没有变成三个人。一个资深工程师要吸收整个团队的AI生成代码的审查压力——成千上万行"最多算平庸"的代码，而其他人根本没读过。
这种审查瓶颈会产生连锁反应：审查者承担不成比例的风险、压力和认知负荷，而编写者因为缺乏对代码的真正理解（"你不再需要把项目装进脑袋里了"），也无法完成有效的教学或代码走查。长此以往，团队中没有人真正理解整个系统。
第三层——对"一人公司"叙事的关键修正。 AI创业圈过去一年最流行的叙事是什么？"一个人+AI Agent = 一家公司"。这个叙事是有道理的，但它忽略了一个关键变量：你的大脑不是GPU，不能无限并行。一个人管理100个Agent听起来很美，但实际操作中，审查每个Agent的输出、纠正它们的错误、在它们偏离方向时重新引导——这些都需要认知资源。这不是机器人的问题，而是人的问题。
▲ 图注：Ben vs Alice——同样4小时窗口，传统编码完成1倍有意义的工作，AI辅助编码完成2倍但高强度榨干式工作
!Ben vs Alice：AI辅助编程的生产力陷阱
AI编程倦怠的五大日常原因
Evil Martians 文章系统地拆解了AI编程导致倦怠的五个日常因素，每个都值得AI创业者警觉：
1. 丧失上下文（Losing Context）
当你把编码委托给AI Agent，你也在把理解系统这件事外包了出去。架构设计、边界情况、过去决策背后的推理——都开始活在AI的上下文里，而不是你的脑子里。到某个点，你变成了一个你不真正理解的东西的管理者。管一个你不懂的东西，比写一个你懂的东西累得多。
2. 没有被动思考时间（No Time for Passive Thinking）
传统编码中，大量问题是在无意识状态下解决的——散步时、洗澡时、半梦半醒时。但AI模式下，规划被压缩成和模型几分钟的来回对话，你还没来得及让大脑"连接那些点"，AI已经填满了沉默。结果是：你做出看起来还行但客观上不是最优的决策，然后在此基础上生成代码，后来才发现问题，不得不重来。
3. 虚假期望（False Expectations）
刚开始用AI做项目时，进度看起来快得惊人——功能不断出现，你一个接一个地接任务。但这制造了一个陷阱：冲刺速度变成了基线预期。当不可避免的减速来临时，你发现自己拼命想重新够到那个不现实的标杆——不管是给自己设的，还是客户或管理层设的。
4. 审查瓶颈（Review Bottlenecks）
AI生成代码的速度远超一个人能合理审查的速度。而且——更糟糕的是——人们对AI生成的代码责任感更低。有些人完全不看代码就直接传递给了负责质量把控的人。结果是：那些把关者（通常是资深工程师）要吸收不成比例的风险、压力和认知负荷。
5. 无限可能性（Endless Possibilities）
手写代码时，每个新方向的努力成本本身就是一种内置的范围控制机制。尝试另一种方法的成本较高，所以你会仔细权衡。AI消除了这种摩擦——每个新想法只需要一个prompt。看似便宜的迭代会不断累积，等你注意到已经过了"该停下来"的那个点。
!AI编程倦怠的五大日常原因
▲ 图注：AI编程倦怠的五大驱动因素——代码生成变快不等于工作变轻松
我们能学到什么
观点一：AI的最大承诺（部分）是一句谎言
文章指出了一个根本性的矛盾：AI对人类的终极承诺是——机器做X，所以我们可以少干活。让机器处理无聊的部分，我们专注于享受的部分。但现实中：有了AI，人不是在少干，而是在多干。
Fortune杂志2026年2月的报道引用了UC Berkeley的研究："一些员工正在用原本是自然休息的时间来提示AI，最终把办公室的几乎所有时间都填满了任务。"
这个现象有一个更深层的心理学机制：当工作"感觉太容易"时，人会低估自己付出的认知努力，觉得自己"没怎么干活"，于是继续接任务——用数量来补偿失去的成就感。正如文章所言：我们正在用工作量来补偿缺失的满足感。
观点二：一场静默的职业转换
文章提出了一个引人深思的观点：程序员选这行是因为喜欢编程本身，不是喜欢部署产品。画家喜欢的是画画，不是办展览。作家喜欢的是写作，不是签售。但AI正在移除这个职业中最吸引人的那部分——把"写代码"替换成了"审查AI写的代码"。
没有经过有意识的职业转换决定，我们正在静默地经历一场职业转换。
文章给出了四条可能的出路：
- 找到享受这种新型工作的方式，与它一起进化
- 无视AI，继续像它不存在一样工作
- 用AI但不享受，希望回到"手艺人有手艺人的尊严"的旧时光
- 换个职业赛道
观点三：自我修复实操清单
文章给出了五组具体的行动建议，这里选取最核心的几条：
承认你的成绩。 AI可能生成了代码，但你做了工作——审查、纠偏、决策，实际上比过去更累。你有权利感到骄傲。保持"胜利日志"，记录每天完成的任务。
重新设计AI工作流。 始终从"计划模式"开始，先读计划再让AI写代码。如果3-4步还拿不到好结果，从头再来，尝试不同方法。不要同时处理多个AI任务——代码生成变容易了，但你脑子只有一个。完成一个AI重任务后，让大脑休息一下再开始下一个。
保留手艺时间。 不用AI做所有事。给自己留一些不用Agent编码的时间或任务——不是为了最大化生产力，而是为了重新连接工作中安静、可享受的那部分。尤其对于自己的热情项目（pet project），最好不用AI——那是你自己的时间，没有截止日期，是享受过程的完美机会。
规划工作日并严格遵守。 设定工作小时，到点就停——哪怕做到一半。定时真正休息。如果当天任务提前完成，不要用更多硬核工作来填充——把时间用于学习、交流、清理或"软"任务。
在变动的职业中找到新兴趣点。 掌握用户访谈和需求识别、提升沟通和软技能、探索分析和原型设计、学习微调Agent和设置护栏、深入性能优化——这些是AI时代程序员的新价值锚点。
行动建议
- 今天就开始记录"胜利日志"：用Notion或飞书文档，每天记录你完成的3-5件事。不需要宏大——"修复了一个边界条件bug"、"帮Agent纠正了3次方向"都算。两周后回头看，你会惊讶于自己做了多少。
- 给你的AI工作流加一个"冷却规则"：两个AI重任务之间，强制自己站起来走5分钟、倒杯水、或者做一件不费脑的事。让你的大脑有机会"被动处理"上一个任务。
- 每周至少留2小时"手艺时间"：选一个你不赶进度的任务，关掉所有AI工具，自己写代码。不是为了效率，是为了保持手艺的感觉。这对长期心理健康极其重要。
- 如果你是团队负责人：立刻审计团队的代码审查压力分布。AI生成的代码审查量是否集中在少数人身上？是否有人从未审查过任何AI代码？重新分配审查责任，不要让"把关者"成为团队唯一承压的人。
- 重新审视你的"一人公司"Agent数量：问问自己——你现在管理的Agent数量，你真的能有效审查每一条输出吗？如果不能，减少Agent数量，追求深度而非广度。一个你真正理解的Agent胜过十个你只是"相信它"的Agent。
本文由AI辅助创作，经人工审核编辑发布