夜雨聆风
它确实帮过我很多。写东西更快了，找资料更快了，很多原本要自己摸索半天的事，现在一句话就能得到一个像样的答案。
但我后来慢慢发现，AI 一边帮我提效，一边也在让我变累。
这种累，不只是工作变多，而是一种更深的消耗：
问题好像被解决了，但我并没有更会；
工具越来越多，我却越来越焦虑，生活秩序反而被打乱了；
效率看起来提高了，做了很多，却疏忽了真正重要的事情是什么？
AI我们投入了很多，可能也产出了很多，真正的成果却没有提升多少。
第一坑：它貌似做对了，但实际上远远不够
比如方案写出来，看起来头头是道，但实际上是悬浮着。如果没有充分的事实和材料做依托，加上自己的主动思考，这个文章是没有作者的灵魂的。同理，如果AI写的这个代码你不理解，这个代码也是不属于你的。
比如代码bug修复了，代码生成了，但是我心里是慌的，头脑是懵的。
虽然在写代码，调bug，改方案，AI 上来就能做，甚至真能做出来。可问题在于，它做完了，我却不知道它为什么这么做。下次不符合预期，我还是懵的，不知道什么原因引起的。
那种感觉很像：你找了一个很会做题的人替你写答案，题是做出来了，但能力没有长在自己身上。
所以我后来开始强迫自己换一种用法：
- 不轻易外包自己的思考
：在做写方案或者写代码之前，我需要和它先讨论清楚、 - 对AI的输出保持质疑
：要求关键节点打上输入输出日志，修改一个功能小点commit让其能回滚，写完之后给与验证标准和测试数据，要AI验证和测试，写完之后它要讲解它实现的思路以及为什么这样实现，实现的优缺点是什么，有没有考虑边界和异常case？对AI给出的结论要求有证据可以溯源。
第二坑：它太会顺着我了
AI 还有一个很隐蔽的问题：它太容易讨好人。
你说“是不是这样改比较好”，它很容易点头；你说“那就按这个方向来”，它也会继续顺着走。可现实里最值钱的，往往不是执行，而是判断。
我后来才意识到，AI 不是负责人，它只是一个高能力助手。方向对不对、这件事值不值得做、优先级怎么排，这些都不能外包给它。
所以我现在会刻意让它反驳我。我不再只问“这样行不行”，而会问：如果你反对我，你会从哪里反对？这个方案最可能错在哪？如果你是 reviewer，你会卡我什么？
只有当 AI 开始挑战我，而不是讨好我，它才真正有价值。
第三坑：它做得好坏，我都不知道为什么
很多时候AI做完了，我不知道它做的好坏，对于准确性这个标准很难量化，这个时候有一招我用的比较多叫交叉验证(不同模型，线上vs 测试， 修改前后)， 同时我会构建feedback回路沉淀bad cases来做评测。
让其跟线上做对比（页面输出，接口输出，日志输出），改动部分是否是我的需求。 让其跟改动前做对比（页面输出，接口输出，日志输出），改动部分是否是我的需求引进的。 让其模型reveiew 它的输出，看看是否有什么问题。 对于bad case 沉淀为test cases，每次跑一次交叉验证。 对于agent或者skill的修改之后，agent/skill的表现是否有劣化, 主要方法是沉淀所有bad cases的test cases，每次发布都要做交叉验证对比，让AI输出可视化测试报告。agent也回收用户的feedback，并且记录llm请求的traces，让另一个模型review traces和feedback来改善agent或者skill。 让其提供信息来源和推理证据。比如问题排查有原始日志，文章要有信息来源，群监控要有原始聊天记录，方案要有思考过程。
第四坑：它明明可以提效或者自动化，但是它执行得很慢
有一阵子我特别想把所有事情都交给 AI，尤其是浏览器自动化、Agent 这些看起来很酷的东西。
但现实是，有些事我自己两三分钟就能做完，交给 AI 却要十分钟，还要反复确认、申请权限、慢慢执行。那一刻我才意识到，不是所有事情都值得交给 AI。
对于AI跑偏或者跑得慢，勇敢say no。如果在AI执行推理的过程中看到跑偏了，要立刻Esc终止，或者纠偏引导方向。对于我自己1min以内能解决，我会自己解决。比如浏览器操作，AI虽然也可以完成，但是要尝试半天。
如果对AI执行慢不敏感，可以多开并发多任务切换，多使用worktree，从而将等待时间无缝衔接上。
AI 适合的是整理信息、写初稿、给结构、批量改写、提供思路；不适合所有琐碎操作。承认这一点以后，我反而轻松了很多。
第五坑：它不是爱打补丁，就是爱过度设计
有时候 AI 看见一个问题，会下意识局部修补：这里打个补丁，那里加个判断，表面上解决了，结构却更乱了，很多时候喜欢hard code，就是为了解决问题而解决问题。
但是有些时候，你只是想解决一个当前问题，它却一下子上升到架构和未来扩展，复杂得超出需要，开始考虑各种高并发场景，各种异常场景。
后来我学会了一件事：对AI的输出要review，方案要理解，不懂就问，但是这个特别警惕以为自己懂了，实际没懂。
对于小需求警惕过度设计。对于一些bugfix警惕为了fix而fix。
当你开始主动定义它的边界，AI 才不会总把你带进它默认的节奏里。
最致命的一坑：AI 焦虑开始吞掉我的生活
我觉得现在AI发展的特别快，AI的工具特别多，AI新词也比较多，vibe coding的即时反馈也让人非常容易上瘾。
我开始担心：这个新名词是什么？这个新工具我要不要体验下？别人都在用某个工具，我是不是跟不上了？
最让我后怕的，不是 AI 发展太快，而是AI开始成为我的老板，我开始成为AI的奴仆， AI活得越来越像人，而我活得越来越像机器。
我们害怕被AI取代，努力成为善用AI的人。这种焦虑看起来像上进，学习很多AI以免自己不会落后。其实非常伤人，会去做很多事。它会让人牺牲运动、牺牲睡眠、牺牲陪伴家人的时间，甚至越来越难安静下来独立思考。
可真正不被AI取代的东西，恰恰是人之为人的非理性情感，人与人之间深度的链接，宇宙自然的智慧，独处下来的思和沉淀...。
我后来怎么和 AI 相处，才没那么累了
我现在给自己定了几个原则。
第一，AI 只服务结果，不侵占生活。不能明显帮我省时间、出结果的用法，先砍掉。我主用AI来解决实际问题。
第二，对AI的输出保持质疑，让AI对我的决策保持质疑。AI 可以帮我补充、整理、反驳，但不能替我负责。
第三，不只拿答案，也拿思路，也拿证据。尤其是复杂问题，我会多问一句：你是怎么想到这一步的？
第四，保持对自我和生活的觉察。
说到底，真正重要的，不是害怕AI，追上 AI，而是与AI协作。当你凝视深渊，深渊也在凝视你。
如果它能帮我省下时间去运动、去睡个好觉、去陪伴重要的人，那它才是真的在帮我。
如果它只是让我更累、更急、更怕落后，那我只是迷失在焦虑之中。
愿我们最后学会的，不只是怎么使用 AI，而是怎么在 AI 的时代里，依然保住自己的判断力、生活感和内在秩序。
