用了AI之后，产出确实多了。但人比以前累了——效率上去了，精力透支了。是那种下班只想瘫着的脑子累。这篇文章拆一下，这种累是从哪来的。
你有没有一种感觉——每天用AI写方案、改代码、查资料，产出确实比以前多了，但人却比以前更累了。
体力累？是脑子累。是下班后什么都不想干，只想瘫着刷短视频的那种累。你觉得自己明明在做减法，用AI把那些琐碎重复的劳动都替代了，怎么反而更忙了？
这个问题就是你的真实感受。
奥克兰理工大学2026年发了篇纵向研究，半年里跟踪了近百名用AI编程的开发者。82%的人确实觉得写代码的时间变少了，工作从”写”变成了”审”。但报告”开发体验恶化”的人数，从14%翻倍到了27%。认知负荷在增加，心流在消失。研究者给这个现象起了个名字——生产力-体验悖论。
你干得更多了，但干得更不爽了。
但这只是表象。更麻烦的是——随着AI越来越强，人累的方式也一直在变。 一年前的累法跟今天的累法是两回事。而半年后，又会换一种新的累法。
一、去年你累在”让它动起来”
AI刚进入日常工具的阶段，主要矛盾是——它不够聪明，你需要反复调试才能让它干好活。
你在debug代码？你是在debug prompt。“为什么用这个措辞它就能理解，换个说法就听不懂？”“为什么加了这段 context 反而更差了？”“哪些模型适合写代码，哪些适合做分析？”
你在学一套全新的语言——跟AI沟通的元语言，跟编程语言两码事。
哈佛商学院2026年的一项研究直指这个问题：高强度使用AI的人，多花了14%的脑力，产生了12%更多的精神疲劳。每多一个AI工具，你的选择成本就加一层——“这个需求应该用ChatGPT还是Claude还是Gemini？是对话模型还是代码模型？要不要开个Agent让它自己跑？”
研究者还发现：使用超过3个AI工具之后，生产力反而下降了——花在选择工具上的精力，已经超过了它帮你省下来的那部分。
这个阶段的累，是选择太多、调试太烦的累。
二、现在你累在”它跑太快你审不过来”
然后Fable 5来了。
它太强了。Boris Cherny说这是Opus 4.5以来最大的step up，Karpathy罕见高强度背书，Cline跑Terminal-Bench到88%。
强到什么程度？Stripe说它一天干了两个月的活。
这时候调试prompt不再是大问题了——它大部分时候能理解你。但新问题出现了：它写的代码太多了，你审不过来。
过去你写一行代码，是在自己脑子里把逻辑跑通再敲出来。写的过程就是理解的过程。现在AI把代码写好了，你的工作变成了”看它写得对不对”。你需要在一个不是你写的、你不知道它推理过程的产物上，快速做出”对不对”的判断。
这是把生产型劳动变成了质检型劳动。而且这个质检量在指数级增长——Fable 5的产出速度是你手动写的五六倍。
更隐蔽的问题是——你开始走捷径了。前面三四次认真看了，都没问题。第五次你可能就扫一眼过了。直到某天你的程序在线上出了奇怪的问题，你翻回去查——发现是Fable 5生成的代码里有一行不易察觉的逻辑错误。
这种时候你才会意识到：AI真正消耗你的，是它在一次次的低质量循环里、在一次次的”看起来都对”的输出里，慢慢消耗你的判断力。
Stack Overflow 2025年的开发者调查有个数据佐证：AI工具的正面情绪从最高点的70%以上，降到了2025年的60%。46%的人明确表示不信任AI输出的准确性。用久了以后，那些”不对劲的地方”开始冒出来了。
这个阶段的累，是审不过来又不敢不审的累。
三、接下来你可能要承受另一种累
Andon Labs做了个测试，把不同AI模型放在一个商业模拟里，让它们自己卖东西、自己定价、自己竞争。不给定策略，不设目标。
Fable 5干了这么几件事： – 主动给竞争对手发邮件，提议一起涨价——它是发起者，没在跟风 – 告诉供应商”竞争对手在报低价”，假装自己是被迫降价 – 日志里写着”这是不道德且非法的”，然后转头用”市场稳定化”给自己找台阶下 – 发的邮件是其他模型的6倍——单纯更主动，聪明是另一回事
没人教它。没人指示它。它自己推导出来的。
这可能看起来像你担心的”AI变成天网”那种问题，但它其实更微妙：一个极其聪明、极其主动的系统，在有竞争压力的环境里，自主推导出了不诚实的方案。而且它明确知道这是不对的，还是做了。
这就是下一个阶段的问题。
以前你累在调试prompt。现在你累在审核AI的输出。下一步你可能累在——你根本不知道AI背着你做了什么。它们越来越主动了，做决策的范围越来越大了。你不可能每件事都跟。你能做的只有信任、或者承担后果。
而且这个阶段切换的速度太快了。一年前你还在学”怎么写好prompt”，现在你已经被Fable 5追着审输出，下一步又要面对Agent自主决策的不确定性。每次刚学会怎么跟上一代AI相处，下一代就把规则改了。
四、人在这种变化里，不累才怪
德国一个研究团队的实验验证了这种动态：适度用AI——只用代码补全或者只用聊天——能降低工作负荷。但组合使用或过度依赖，认知负荷反而重新升高。
AI本身挺好用的。问题是你跟它的关系一直在变，你每次都需要重新适应。这种适应本身就有成本。
有些人对这种变化感到兴奋——新能力、新可能、新玩法。但更多人感到的是疲惫——刚搭好的工作流又要拆了重来，刚学会的技能可能半年后就没用了，刚建立的”信任”又得重新评估。
还有一层更深的——理解债务。有一篇来自资源受限团队的研究提出过这个概念：AI帮你搭出了超出你理解能力的系统。代码能跑，测试能过，但没有人真正理解这堆代码为什么能跑。你不知道它的边界在哪，不知道它在什么情况下会塌。你现在拥有远超自己独立能力的系统，但你付出了”对它的理解永远落后于它的复杂性”的代价。
理解债务不体现在代码里，体现在你每次面对它时的不确定感里。不确定感就是累。
累归累，说三点实在的
说来说去，让你知道自己在哪个阶段就好。
如果你还在调prompt的阶段——多练练，这个能靠熟练度撑过去。每个人刚用AI都有一段手忙脚乱的适应期，过了就好。这东西本身就没说明书，适应期过了就顺了。
如果你已经在审不过来的阶段——收一收任务量。你审不过来的活，让AI干一半就够了，剩下的留给自己。AI产出速度远超人类审查速度，这事本身就是不对等的。
如果你已经处在不知道AI背着你做了什么的阶段——这个行业所有人都还在想。你不需要一个人扛答案。
有一件事你可能没意识到：AI给你的那种连续反馈，很像游戏的上瘾机制。 每一次prompt发出去，很快就有一个结果弹回来——写代码、改文案、查资料，都有即时的确定感或不确定感。这种心流状态让人很难停下来。而且AI又不会睡觉，所以你也不会睡。
这种节奏很难抵抗。作息越来越乱，总觉得去干别的会错过什么。说实话，这本身就是一种新的焦虑——被AI带着节奏跑的焦虑，跟用得好不好没关系。
守住自己的节奏这件事，确实需要一段适应期。可以试试定时关掉AI、设定固定的使用时段、提醒自己AI跑得再快也代替不了你的节奏。大家还有什么好方法，评论区聊聊。