夜雨聆风上周我干了件"倒行逆施"的事——把 Cursor Pro、Claude Pro、ChatGPT Plus 全退了。
不是因为穷。是因为我发现，不用这堆玩意儿的时候，我下班反而更早了。
说出来你可能不信。我一个天天写 AI 工具评测的人，退订 AI 之后效率提升了。这感觉就像一个厨师说"我把灶台砸了之后菜炒得更好了"，离谱到家了。
但我不是一个人。
省下的时间去哪了
Atlassian 2025 年做了个大范围调查，结果很有意思：99% 的 AI 用户说自己每周省了 10 个小时以上。听着很美对吧？但紧接着就来了个反转——绝大多数人报告自己的工作量并没有减少。
省下来的时间去哪了？被协调开销和上下文切换吃干净了。
我太懂这种感觉了。以前我的工作流是这样的：写代码写到一半卡住，切到 ChatGPT 问一嘴，等它回复，读完回复，切回 IDE，粘贴代码，发现不对，再切回去追问，来回拉扯三四个回合。最后搞定了，一看时间，四十分钟过去了。
以前不用 AI 的时候呢？卡住了，去倒杯水，回来盯着屏幕想五分钟，想明白了，啪啪啪敲完。十五分钟。
当然我不是说 AI 没用。有些场景它确实快，比如写正则表达式、生成样板代码、翻译文档。但问题是，你会不知不觉地把它用在所有场景上，因为"万一 AI 能更快呢"。这个心态本身就是个时间黑洞。
我有个朋友，后端工程师，他的原话是："我每天在 ChatGPT 和 IDE 之间切来切去，感觉自己不是在写代码，是在当传话筒。"
这让我想起一句老话——捡了芝麻丢了西瓜。不，比这更糟。我们是捡了芝麻，然后花了半小时研究怎么存放芝麻，最后发现西瓜已经凉了。
瓶颈搬家了
Faros AI 和 Google DORA 联合出了份报告，数据挺扎心的：高 AI 采用率的团队，PR（Pull Request）合并量确实涨了 98%，快翻倍了，听着很牛。但代码审查时间膨胀了 91%，PR 体积增大了 154%。
翻译一下就是：代码写得快了，但审代码审到怀疑人生。
以前一个 PR 三五十行改动，扫一眼就过了。现在 AI 动不动给你生成两三百行的"优化"，你得逐行看——因为你知道里面可能藏着一些"看起来对但差一点"的东西。
Stack Overflow 2025 年的调查印证了这个痛点：66% 的开发者吐槽 AI 的答案"差不多对但差一点"，45% 的人说调 AI 生成的 bug 比自己从头写还费劲。只有 16% 的人认为 AI 带来了"极大"的生产力提升。
16%。你在逗我吗？整个行业砸了几百亿美元，结果六分之一的人觉得"真香"。
Addy Osmani——Google 的前端大佬——提了个概念叫"理解债务"（comprehension debt）。他说生成代码和理解代码是两种完全不同的认知能力。你可以长时间维持"审查代码"的能力，但"从零写出来"的能力会萎缩。而且有个阈值，一旦过了，你的代码审查就变成了橡皮图章—— glance 一眼，看着没大问题，approve。
Osmani 自己都承认，他 merge 过自己无法完全解释的代码。一个 Google 的 Staff Engineer，在镜头前说"这段代码是我 approve 的但我解释不了为什么这么写"。
404 Media 今年5月报道了更触目惊心的现象：FAANG 的工程师说"AI 让我很难在脑中建立代码的心智模型"。新入职的员工因为太依赖 AI，连公司代码库的约定和风格都学不会了。你让他们解释自己写的代码，他们第一反应是打开 ChatGPT 问。
这不是效率工具，这是认知拐杖。
新型倦怠
以前程序员倦怠，是因为写代码写到头秃。现在不一样了——是因为监督 AI 写代码写到头秃。
Ivan Turkovic 今年5月写了篇文章，描述了一种全新形态的职业倦怠。他用 Figure AI 的机器人大规模分拣实验做比喻：Figure AI 的机器人连续 200 个小时自动分拣包裹，工程师在直播间盯了整整 9 天，就为了抓一次故障。
AI 不会累。但盯着它的人会。
Turkovic 的核心观点是：我们正在从"建造者"变成"监督者"。以前你写代码，你知道每一行在干嘛，你掌控一切。现在你告诉 AI "帮我实现一个用户认证模块"，它给你吐出来 500 行代码，你得像个监工一样去检查它——有没有安全漏洞，有没有边界情况没处理，有没有跟现有代码冲突。
这种感觉很消耗。因为监督需要的是一种持续的、低强度但高度紧张的注意力。比专注写代码还累。
你自己写代码，写错了你大概知道错在哪。AI 写代码，错了你得先理解它的思路，再定位问题，再决定是修还是重写。这个认知负担是双倍的。
65% 的开发者仍然在经历职业倦怠，即使 AI 工具已经被广泛采用了（BirJob, 2026）。AI 没有消灭倦怠，它只是换了一种倦怠的姿势。
荒诞剧在公司层面
个人层面的悖论已经够离谱了，但公司层面更魔幻。
今年5月，Uber 的 CTO 透露了一个让人下巴掉下来的数字：公司 4 个月就烧完了 2026 全年的 Claude Code 预算。内部把这种行为叫"tokenmaxxing"——疯狂刷 token，能 AI 干的绝不用人干，能用 GPT-4 的绝不用 GPT-3.5，能用 Claude Opus 的绝不用 Claude Sonnet。结果呢？预算像开了水龙头一样往外流。
几乎同一时间，微软取消了大量的内部 Claude Code 授权，把开发者赶回自家的 GitHub Copilot。官方说法是"战略调整"，但谁都看得出来——账算不过来了。
SonarSource 2026 年的调查给出了一个很矛盾的数字：AI 已经贡献了 42% 的已提交代码，但 96% 的受访者承认并不完全信任 AI 的建议。
四成多的代码是 AI 写的，但几乎所有人对这些代码心里没底。
Pragmatic Engineer 今年做了一个 900 多人的调查，结果更让人无奈：管理层对代码质量下降无动于衷，只关注产出量。维护 AI 生成代码的负担，全部落在了少数几个还真正懂行的高级工程师身上。
这不就是典型的鞭打快牛吗？会修 AI 烂代码的人，被分配到更多 AI 烂代码去修。不会修的人继续用 AI 生成更多烂代码。恶性循环。
Duolingo 去年强制推行 AI 使用，要求所有团队都用 AI 辅助开发。今年悄悄撤回了不少限制。为什么？因为质量扛不住了。翻译错误激增，用户投诉飙升，最后还得靠人工一个个修。
公司层面推 AI 的逻辑特别简单：能产出更多、更快，就是好的。但他们忽略了两个问题：产出的质量谁来把关？把关的成本算进去了吗？
那到底该不该用
说了这么多，我不是劝你把 AI 工具全删了。那样跟"因为有人溺水就把游泳池填了"一样蠢。
AI 在很多场景下确实有用。问题不在于用不用，而在于怎么用。
Sundeep Teki——前亚马逊 AI 研究员——给了一个很实用的建议：每天给自己设一个 45 分钟的"无 AI 窗口"。在这 45 分钟里，不问 AI，不查文档，就靠自己想。这个做法的好处不是"回归传统"，而是保持你自己的认知肌肉不萎缩。
Ivan Turkovic 的建议更具体：别每 6 分钟就在"用 AI"和"自己干"之间切换一次。把 AI 工作集中起来批量做——比如每天固定两个时段用 AI 生成代码/文档，其他时间专注理解和审查。
我自己实践了一个月之后的体感是这样的：
适合用 AI 的场景：生成样板代码、写正则、翻译、格式转换、快速原型验证。这些任务你本来就不需要在脑中建立复杂的心智模型，AI 确实能提效。
不适合用 AI 的场景：架构设计、核心业务逻辑、调试复杂的并发问题、学习新技术。这些任务的关键不是"得到答案"，而是"理解为什么这个答案是对的"。AI 帮你跳过了思考过程，但面试的时候、出 bug 的时候、需要改需求的时候，你就傻眼了。
还有一个很实际的建议：每次 AI 生成的代码，先完整读一遍再决定用不用，而不是先跑一遍看能不能跑。能跑不代表对了，只是代表测试没覆盖到错的地方。
写在最后
现在我重新订阅了 ChatGPT Plus，但只有一个。
我把其他全退了。不是因为它们不好，是因为我发现同时开三个 AI 工具的时候，我花在"选择用哪个 AI"上的时间比实际解决问题的时间还长。
这不就是买椟还珠的现代版吗——工具越来越多，手艺越来越差，焦虑越来越重。
Atlassian 那个调查里有句话我记了很久：省下的时间全被协调开销吃掉了。这话放在工具上一样成立——管理 AI 工具本身，正在成为新的工作量。
有时候最好的效率工具，是关掉效率工具。
至少对我来说是这样的。退订那天我关掉电脑的时间比之前早了一个小时。用这一个小时多出来脑子里的清净，比任何 AI 省下来的那十分钟都值钱。
