夜雨聆风AI 能替你生成一版东西，看似你轻松了，但 “忙碌” 只是从手换到了眼和脑：审查、对齐、防跑偏。
处境：产物不放心，时间花在兜底上
这两年，很多人让 AI 帮忙写材料、出方案、vibe coding、整理纪要。人做的活确实「被干掉了一些」，可越深入使用 AI，我们心里很难松下来：产物不放心，怕跑偏、怕漏条件、怕和真实业务对不上，只好再花精力逐条审查、改口径、拉人确认。
就连老板也说：既然有 AI 加持，你们都可以用更短的时间给我结果了。而这也导致活反而增多、响应和对齐频率反而越快。落到个体身上，就变成了：明明有了 AI，为什么我感觉更累了！
历史里早有先例：凯恩斯、杰文斯与「忙的另一副脸」
要把这种处境说清楚，就得往历史上看一眼：人类不止一次幻想着「生产率提升后，普通人会因此变闲」，但结果忙碌只是换了形态，继续挤压打工人的时间。下面用很短的理论视角，把这种「似曾相识」说清楚。
1930 年，凯恩斯在《我们孙辈的经济可能性》里展望过：随着资本积累与技术进步，人类可能在百年尺度上大幅缩短劳动时间，「经济问题」缓解之后，人们会关注如何善用闲暇。后来常被拿来对照现实：生产力确实上去了，人们的闲暇预期却没有完全按剧本发生。
另一条线更早：十九世纪杰文斯在《煤炭问题》里指出，蒸汽机提高燃煤效率后，煤的有效成本下降，用途扩张，煤炭总消耗反而可能上升，即常说的「杰文斯悖论」。它常被用来提醒：单位效率提升，不自动等于负担或资源消耗的净减少，总需求可能跟着反弹。
把两条并到今天的 AI 上就变成：一边是「闲下来」的历史预期，一边是「变便宜之后总用量与总协调量上升」的机制，都指向同一类经验，省下来的未必自动是你的休息，而可能是下一轮需求、生产与扯皮。
产业快，人也被链上带着跑
再看一眼产业结构。中国制造业与数字业在若干区域高度集聚，上下游近、配套快，世行与国研中心在讨论创新与产业升级时，也强调集群、供应链效率与迭代节奏（可参考联合报告 Innovative China: New Drivers of Growth ）。对普通打工人而言，可感知的推论很直白：东西做得越快、版本跟得越密，个人越容易被整条链带着跑。这不是一句「产业强你就轻松」，而是「快」往往同步变成更多会议、迭代、对齐和救火。它和前面说的 AI 新负担叠在一起，就更容易出现「活没少，只是换了一种忙法」。
当下：Agent Skill 与「最后一道质检」
当下还有一个能刷到的趋势：给 AI Agent 做 Skill，把经验甚至协作习惯固化成可复用能力。GitHub 上的开源项目 同事.skill 获得很高关注，用聊天记录、文档等把「某位同事」的风格与工作方式蒸馏成 Skill。它像段子，也反映真实痛点：人走了，上下文和锅还在，总得用新方式接。Agent 越多、Skill 越细，协调与验收越显性，人越像流水线上最后一道质检。
借鉴过往：效率革命之后，人通常怎么换技能
每一次大的效率提升，活并没有 magically 消失，而是从一类动作挪到另一类能力。工业革命里，手作让位给机器与流水线，人的价值更多落在规程、质检与协作上；办公自动化以后，「会打字」贬值，会定义问题、会审读、会跨部门对齐升值。和今天对照，普通打工人可以刻意往这几条靠：
从「亲手做完」转向「定标准、做验收」过去工人要学的是对准图纸和公差；你现在要学的是什么叫一版能交付的 AI 输出，哪些必须人肉终审，哪些可以放手，把「验收清单」写进自己和协作方的预期里。
从「单点产出」转向「写清边界、防跑偏」产业集聚带来的是链上同步；AI 带来的是模型不确定性。两边叠在一起，把需求、风险、责任写清楚的能力，比「会催模型多生成几版」更保值。
从「会用一个工具」转向「会管一条人机流水线」历史上新工具普及后，吃香的不是只会按电钮的人，而是能排产、能排错、能升级工艺的人。对应到今天：会拆任务、会选何时人介入、会迭代 Skill 与提示词，比单纯「会用某个 AI」更经得起老板加量。
主动划界，学一点「反榨干」的历史经验工时与节奏从来不是自然变合理的，而是一边技术一边博弈出来的。个人层面也一样：别默认「效率工具」会自动还你生活；哪些会不必为模型多开一轮，哪些时间必须留给离线思考，需要自己站出来说。
这篇文章不是劝你不用 AI，而是说：看清忙碌换了形态，才有意识地换技能、换谈判筹码。 否则，审输出、对齐、学新工具的时间，仍会把日历填满。
写在最后
你怎么看？最近多出来的是真正的空档，还是多出来的审查和预期？欢迎留言里聊一句。
