夜雨聆风一位开发者把当下知识工作的荒诞循环称为「AI 庞氏骗局」：你用 AI 生成超长文档丢给同事，同事嫌太长让 AI 总结，再用 AI 生成超长回复丢回来——循环永不停止。截至发稿，帖子已有 4800 余赞、超过 26 万次浏览。更扎心的是，微软研究团队刚发的论文显示：对 AI 越有信心的人，批判性思维越少。办公室文牍主义没有被 AI 消灭，只是装上了涡轮增压。
AI 用 AI 读 AI：一个让所有打工人破防的循环
2026 年 5 月 30 日，开发者 David Wells 在 X 上发了一段话，原文大意是：
"The AI ponzi scheme goes like this: Everyone is generating all these long ass docs and then passing them off for others to read. Then the person receiving is like, wtf this is way too long, and hands that into an AI to read and summarize. Then they are generating a long ass response. The cycle continues forever and we call this work."
「AI 庞氏骗局是这样运转的：每个人都在生成一堆超长文档，然后甩给别人读。收到的人一看——这也太长了吧？于是交给 AI 阅读和总结。然后他们又用 AI 生成一段超长回复。循环永远继续。而我们管这叫'工作'。」
▲ David Wells 原帖，4800 余赞，超 26 万次浏览
帖子最后还加了一刀："token lords 在塔楼上看着这一切，点头微笑。"谁是 token lords？大模型厂商。你生成一次付一次 token 费，对方总结一次付一次，再回复一次再付一次。每一轮循环，唯一确定赚钱的只有卖 token 的人。
这个梗为什么刺痛了所有人？
因为它描述的场景，太多人亲身经历过。
回复区里，一位自称在微软工作过的用户 Vineeth 说，他在内部见过完全一样的邮件循环：用 Copilot 写邮件，再用 Copilot 总结收到的长邮件，几乎成了同事之间的笑话。
另一位用户 OrbitingAI 的评论更狠：
"Organizations reward documents, not judgment. Long docs look like effort. Long replies look like engagement. Summaries look like progress."
「组织奖励的是文档数量，不是判断质量。长文看起来像努力，长回复看起来像参与，总结看起来像进展。」
还有用户 Miles Notes 直接总结：
"以前我们浪费时间写没人读的文档；现在我们花钱生成没人读的文档，再花钱总结它们。"
David Wells 自己又补了一条「新规则」：每个 AI 工具都应该内置一个强制 handoff hook（交接钩子），把 AI 生成的长文自动压缩成人类能理解的东西。
这条补充本身就是一个讽刺——如果所有长文都需要下一个 AI 自动压缩，真正该问的问题是：为什么会有这么多不经人类取舍的长文被发送出去？
微软研究证实了最扎心的部分
David Wells 的帖子是吐槽，但微软研究院刚发表的一篇论文把这个问题推到了学术层面。
这篇发表在 CHI 2025（人机交互顶会）的论文，标题是 *"The Impact of Generative AI on Critical Thinking"*，作者包括 Hao-Ping (Hank) Lee、Advait Sarkar、Lev Tankelevitch 等。研究调查了319 名知识工作者，收集了936 个他们在工作中使用生成式 AI 的真实案例。
▲ Microsoft Research CHI 2025 论文：生成式 AI 对批判性思维的影响
核心发现：
- 对 AI 工具信心越高的人，自我报告的批判性思维越少。
- 对自身能力信心越高的人，批判性思维反而越多。
使用 AI 后，人的批判性思维从「写作和构思」转向了「信息验证、响应整合和任务监管」。
翻译成大白话：AI 帮你写了，你就不太想了；你越相信 AI 写得好，你越不会去检查。而你原本需要做的「想清楚再写」，变成了「帮我检查 AI 有没有写错」——但很多人连这一步也省了。
这和 David Wells 描述的循环完美吻合。发送者用 AI 扩写，不太检查就发出去；接收者信任 AI 总结，不太验证就回复。每一环都在省力，但每一环省掉的恰恰是判断和取舍。
需要说明的是，这项研究基于自我报告和调查问卷，揭示的是相关性，不能直接证明 AI 一定会降低批判性思维。但它指向了一个清晰的风险：当工具越好用、越让人放心，人越容易把最关键的判断环节交出去。
75% 的知识工作者已经在用 AI——问题在于怎么用
如果 AI 文档循环只发生在少数极客身上，那它顶多是个段子。但微软和领英联合发布的 2024 Work Trend Index 报告显示，这已经是多数人的日常。
▲ 微软 2024 工作趋势报告：AI at Work Is Here. Now Comes the Hard Part
报告核心数据：
- 75% 的全球知识工作者正在使用生成式 AI。
过去六个月，AI 使用率几乎翻倍。 很多员工在组织还没规划好之前，就已经自己把 AI 带进了工作流程。
报告标题里那句"Now Comes the Hard Part"（现在到了最难的部分）特别值得注意。员工已经在用了，这不是问题——问题是组织的文档流程、审批机制、会议结构、绩效评估还停在旧框架里，而每个人手里已经多了一台文本生成引擎。
当文档的生产成本趋近于零，过去靠「写一份 10 页报告至少得花半天」来自然控制的文档数量，现在没有刹车了。AI 把写作的边际成本打下来了，但阅读和判断的成本一点没降——甚至因为文档更多、更长，负担反而上升了。
对面能看出来这是 AI 写的
Hacker News 上有一个帖子把这种焦虑具象化了，标题是"Do they know we can tell it's AI slop?"（他们知道我们能看出这是 AI 垃圾吗？）
▲ HN 用户讨论：AI slop 已经渗透到工作沟通的各个角落
发帖者说，自己在工作中能明显看出一些创业者和同事把 ChatGPT 的输出直接复制进了业务沟通——SEO 方案、面试问题、10 页的流程文档。他真正担心的是：未经消化的 AI 输出会在银行、融资伙伴、企业客户面前损害专业可信度。
这和「AI 文档庞氏」的逻辑完全一致。人们反感的从来不是 AI 辅助写作，反感的是「没有被人消化过的 AI 输出被当作工作成果」。
如果作者已经想清楚了目标、删掉了无用段落、核验了事实、做出了明确判断，AI 只是帮他更快地表达——这没有任何问题。
但如果作者把 AI 输出原样转交给别人，实际上是把阅读、判断和纠错的成本全部外包给了接收者。接收者再用 AI 做摘要，成本又推给下一轮。每一轮都在把负担推给下一个节点，没有任何一环真正消化掉信息。这就是「庞氏」比喻的核心。
好的 AI 文档和坏的 AI 文档，差在哪里？
David Wells 的帖子看起来像吐槽，但指向了一个可操作的问题：什么样的 AI 辅助文档有价值，什么样的只是噪声？
好的 AI 文档：
- 短。
把结论、判断和决策点放在最前面，不需要读者或 AI 替你挖。 - 可追责。
写清楚谁做了什么决定，基于什么信息，有什么替代方案被放弃了。 - 带来源。
数据有出处，引用可追溯，不靠 AI 自信的语气冒充权威。 - 带决策点。
读者看完知道自己需要做什么，不是「供参考」然后石沉大海。
坏的 AI 文档：
把「我还没想清楚」扩写成 10 页。 用流畅的措辞掩盖缺失的判断。 逼接收者先用 AI 总结才能找到重点。 制造了「看起来充分」的错觉，但没有人真正为内容负责。
最终的检验标准只有一条：如果你删掉这份文档，谁会受影响？如果答案是「没人」，那它从一开始就不应该被生成。
文牍主义没死，只是自动续杯了
AI 时代最讽刺的事情之一：我们以为 AI 会消灭办公室里那些冗长的邮件、无人阅读的报告、走过场的 PRD。结果 AI 把文档生产和摘要生产的成本同时打到了地板价，噪声反而可以更快地循环。
过去，写一份长文档至少要花时间，这个时间成本本身就是一道筛选器——逼着你在动笔之前想清楚值不值得写。现在这道筛选器没了。AI 把文档生产的边际成本打到接近零，但阅读和判断的成本一点没降。
David Wells 帖子底下最扎心的那条评论，可能也是最准确的判断：
以前我们浪费时间写没人读的文档。现在我们花钱生成没人读的文档，再花钱总结它们。
唯一变了的，是每一轮循环都要付 token 费。
— END —
