夜雨聆风前序内容回顾
第6节：AI会累，你也会累——所以要有节奏
冷门原则：杰文斯悖论
故事
第一段：最节能的灯泡和最贵的电费单
2015年，上海。一家中型广告公司的老板陈总做了一个决定：把公司1000多盏老式白炽灯全部换成最新款的LED节能灯。白炽灯60瓦，LED同亮度只要9瓦——理论上，电费能降到原来的15%。财务总监拍着胸脯说，三年就能省回灯具成本。第一个月，电费单下来了——没降。陈总以为是计算周期问题。第三个月，电费单——不但没降，还涨了5%。陈总暴怒："换了个寂寞？"
第二段：节能了，但用得更凶了
陈总让行政查。结果让人哭笑不得：旧的60瓦灯泡因为太耗电，大家养成了"离开就关灯"的习惯。新的LED太省电了，反正9瓦不心疼，公司上下开始把灯开着不关。没人再记得随手关灯。更夸张的是，设计部的同事开始在公司过夜赶方案——"开着灯一晚上也就几毛钱，怕什么？"以前舍不得开的走廊灯、展示柜射灯、二十四小时亮着。总用电量反而比以前还高了。效率提高→成本降低→使用量增加→总消耗不降反升。
第三段：效率的陷阱
行政经理跟陈总说了一个故事：19世纪英国人发明了更高效的蒸汽机，本以为煤炭消耗会减少。结果因为蒸汽机便宜了，更多人用，煤炭总消耗反而翻了十倍。这个现象被称为"杰文斯悖论"——任何资源使用效率的提升，如果不主动控制使用量，最终会导致该资源的总消耗增加。陈总听完安静了很久，然后说了一句："那我们呢？以为效率工具能让我们轻松，结果是不是只是让我们做了更多？"LED灯的事他后来解决了——装了智能感应灯，人走灯灭，由系统控制，不靠人的自觉。但那个问题他一直在想。
理论揭示
原则名称
杰文斯悖论（Jevons Paradox）
核心定义
资源使用效率的提升，在缺乏主动约束的情况下，不会减少反而会增加该资源的总消耗——因为更低的单位成本刺激了更多的使用。
故事映射
- 第一段体现了"效率的承诺"
——LED灯的理论降幅是85%，所有计算都支持这个结论。陈总犯了和所有AI新手一样的错误：把"单点效率"直接等同于"总产出"。他没有算"使用量"这个变量。 - 第二段体现了"补偿性使用"
——当一样东西变得几乎零成本时，人的使用行为会不可逆地扩张。"反正便宜"的心理让所有计算好的节省被使用量的增长完美抵消。在AI场景中：每个任务变得更快→你接更多任务→总工作时间不变甚至增加。 - 第三段体现了"悖论的解法不在效率端"
——陈总最后用智能感应灯解决了问题，手段是"主动约束使用行为"，不是进一步提高灯泡效率。AI同样：解药不是"用更高效的AI"，而是为自己设定使用边界和节奏。
现实应用
- AI疲劳的预防
——理解杰文斯悖论，是建立可持续AI使用习惯的认知地基。具体做法：①设定每天的AI使用时间上限（比如"上午集中使用2小时，下午手工作业"）；②明确哪些场景不用AI（如创意构思初期、深度阅读、重要决策前的独立思考）；③建立"AI使用日志"，记录每天AI实际帮你节省了多少时间，又让你额外接了多少任务。 - 个人与团队的效率管理
——很多团队引入AI后陷入"越高效越忙"的怪圈。解法恰恰是"降低效率期待"：明确告诉团队AI的目标不是"做更多"，而是"在同样时间内做更好"或"用省下来的时间学习和思考"。需要把"产出量"和"产出质"分开衡量。
常见误解与边界
- 误解
：杰文斯悖论意味着"提高效率没用，不如别提高"。不是的。效率提高本身是好事——LED确实比白炽灯好，AI确实比纯手工好。问题在于：效率提高必须搭配使用量的主动管理，否则你只是更快地奔向倦怠。 - 边界
：当资源的使用存在硬性上限时，杰文斯悖论不成立。比如：一个律师每天的可工作时间有物理上限，AI再怎么提效也不能让他一天工作30小时。在这种情况下，效率提升确实会带来"做更少但更好"的结果。悖论主要发生在"没有硬约束的开放式工作环境"中。
课程思考题
你使用AI以来，你的总工作量是增加了还是减少了？你是"做得更快所以做得更多"的那个，还是"做得更快所以有时间思考"的那个？ 你给自己设定的AI使用边界是什么——哪些场景不用AI、每天最多用多久、什么情况下需要断开？ 设计一个你自己的"智能感应灯"——一个能主动约束你AI使用行为的机制或工具。
实操应用课⑧：AI使用健康手册——应对AI疲劳，建立可持续的使用节奏
理论基础锚点：第6课（杰文斯悖论——效率提升后，使用量反而增加）
一、为什么：你可能已经经历过AI疲劳
有没有过这种感觉？
一开始接触AI时，觉得"太强了"——每天主动探索新用法，工作效率明显提升。但几周或几个月后，你发现自己虽然用AI更多了，却没有感觉更轻松。你写得更多、分析得更多、回复得更多——但休息时间没有变多，焦虑没有变少，甚至因为"AI什么都能做，我就不应该停下来"而感到一种持续的压迫感。
这不是你一个人——这是第6课（杰文斯悖论）在个人层面的精确体现。
杰文斯悖论： 当资源使用的效率提高时，该资源的总消耗不但不会减少，反而会增加。
翻译到AI场景：
AI让你写一封邮件快 → 你开始花时间改到完美
AI让你回复更快 → 你开始回复每一项，包括以前会忽略的
AI让分析更快 → 你开始为每个决策做"全面分析"
AI让一切更快 → 你接受了更多任务
→ 总工作量：不减反增
→ 结果：更累了，不是更轻松了这形成了一个"效率黑洞"——每次效率提升都被吞进更多的工作量，你的休息时间没有变多，你的认知负荷没有变少。
而且，长期高频率使用AI带来了一种特殊的疲劳：不是身体的累，是"一直在做判断"的累。你不再是"做完一件事松一口气"，而是"永远有一堆AI输出等着你审阅、修改、确认"。你的角色从"执行者"变成了"永不休息的审阅者"。
这个悖论的解药不是"不用AI"——效率本身是好事。解药是：主动设计使用边界，让效率提升真正转化为你的自由时间和认知空间，而不是更多的工作。
二、怎么做：建立你的AI使用健康系统
第一步：做一次个人AI使用审计
在调整之前，先了解现状。花15分钟回答以下问题：
1. 我每天花在AI上的时间大约是多少？
2. 这些时间里，有多少是在"做新任务"？有多少是在"审阅/修改AI的输出"？
3. AI让我每天多做了多少额外任务？（原来不用AI时不需要做的那些）
4. 我上一次因为AI而少加班是什么时候？
5. 我周末用AI处理工作的频率是？
>> 如果你的"审阅时间" > "新任务时间"，你已经进入了"审阅疲劳"阶段
>> 如果你的"额外任务" > "节省时间"，你已经进入了杰文斯悖论第二步：设定三种边界
边界一：时间边界——什么时候用，什么时候不用
- 工作时段：设定"AI集中使用时段"（如上午10-12点）
- 不触碰时段：每天设定1-2小时的"无AI时段"——完全不打开AI工具
（如：下午4-5点用于深度思考、创意构思、或纯手工工作）
- 离线时间：晚上8点后和周末，不打开任何AI工作工具这不叫"低效"，这叫"防止AI消耗你的认知恢复时间"。
边界二：场景边界——什么事情不用AI做
不是所有事情都适合让AI参与。一些场景使用AI反而降低了质量：
创意构思初期：让你的大脑自由联想，不急着让AI"给建议" 情绪化表达：回一封温暖的邮件，AI写的再完美也不如你自己写的真诚 重要决策前的"独自思考"：在你还没想清楚之前，别让AI帮你"理思路"——它会帮你理，但那是它的思路，不是你的 阅读你真正关心的内容：如果想真正理解，自己读，不要AI摘要
边界三：节奏边界——建立"工作-恢复"循环
AI的高效输出容易让人持续高强度工作，但人类大脑不是CPU——不能持续全速运转。
高强度AI使用（30-45分钟）→ 刻意断连（10-15分钟）
30-45分钟：集中使用AI处理任务，追求效率
10-15分钟：站起来、喝水、看窗外、什么也不做
这不是休息，这是恢复。
只有恢复期，你的大脑才能处理刚才获取的信息，形成真正的理解和记忆。
没有恢复期，你只是在"过信息"而没在"吸收"。第三步：用"好的AI使用"替换"更多的AI使用"
从"数量"切换到"质量"——这是整个课程体系最终的要点。
❌ "我今天用AI处理了多少任务？"——关注数量
✅ "我今天有哪些任务是因为AI参与而做得更好的？"——关注质量
❌ "这个AI草稿存了五个版本，最完美的是第三个"——过度优化
✅ "这个AI版本够好了，发出。"——够好就行转变为质量导向的三种方式：
技巧一：追求"够好"标准
方案：不是"写到完美再发"，而是"达到可交付标准就发" AI帮你做到的正是"从0到80分"，你需要做的是"从80分到85分"，而不是"从80分到98分" 如果你发现在AI输出上花了大量时间做"逐字润色"，说明你已经过度优化了
技巧二：单次任务用"精力预算"
每开始一个AI辅助任务前，问自己："这个任务值得我投多少精力？" 如果答案是"30分钟"，在第25分钟时问自己"够好了吗？" 够好了就收手。不够好就再做5分钟，而不是再做50分钟。
技巧三：定期"AI节食"
每季度安排一周"低AI周"——只用AI做最必需的任务（搜索、快速起草），其他任务全部手工 目的不是"没用AI"，是让你重新体验"没有AI时我是怎么工作的" 这会帮你重新校准：哪些AI使用是真正的提效，哪些只是习惯
第四步：建立你的AI使用健康仪表盘
把以下指标放在你每周回顾里（每周花5分钟评估）：
我的AI使用健康周报：
1. 本周AI总使用时间：___小时
2. 其中主动探索（新用法）__小时 / 被动执行（审阅修改）__小时
3. AI真正帮我节省的时间（与不用AI对比）：___小时
4. 本周"无AI时段"完成天数：___天（目标：5天/周）
5. 本周"AI节食"实践：是/否
6. 整体感受：1(累)~5(轻松)评分：___
健康的信号：
☐ 被动执行时间 < 主动探索时间
☐ 每周至少有5天完成了"无AI时段"
☐ 整体感受评分 ≥ 3
☐ 有至少一次因为AI而少加班本课总结：整个实操应用层的最终落脚点
整个实操应用层——从AI行业全景到工具实操，从场景实战到安全防护，从Agent设计到团队协作——最终都要回答一个问题：
你使用AI，是为了让你成为一个更好的知识工作者；而不是让你成为一个使用AI更高效的知识工作者。
这两句话的区别，就是第6课（杰文斯悖论）要讲的所有道理。
前者（更好的知识工作者）：
AI辅助 → 效率提升 → 释放时间 → 用于深度思考/学习/休息
→ 你的判断力增长 → 成为更好的知识工作者
后者（更高效的使用者）：
AI辅助 → 效率提升 → 接受更多任务 → 总工作量上升
→ 你的判断力没有被释放 → 成为一个使用AI更熟练但更累的人六篇基础理论课给你思维框架。八篇实操应用课给你行动方法。
最终，你带走的不是一个"AI使用技巧集"。你带走的是一个完整的AI协作哲学：
理解AI的运作方式（而非被它的流畅欺骗）——第0课+第3课 在接入新系统时度过自己的笨拙期——第1课 让输入质量决定你的输出天花板——第2课 重新设计你的工作流而非粘贴工具——第4课 看见你的邻近可能而不仅仅是当前舒适区——第5课 在使用中保持节奏而非被效率吞噬——第6课
以及这一层实操课的：
诊断你当前的位置并定向补缺 建立你自己的AI工具栈和工作流 保护你的数据、验证AI的输出 设计你自己的Agent和协作体系 在使用AI中保持健康和可持续
最后一个思考题： 如果十年后回顾今天，你因为AI而成长了多少，取决于你此刻选择的"使用姿势"——是加速冲向更多的任务，还是把效率红利转化为判断力的提升。这个选择，只有你能做。
