夜雨聆风监控面板上亮起一条反常的告警。
Greptile 2025 年的数据：引入 AI 辅助后，工程师的人均代码产出翻了好几倍。同一份报告里另一组数字——职业倦怠（Burnout）率同步飙升。Meta 内部调查显示，普通员工的倦怠率达到 62%。盖洛普的数据更直白：高频 AI 使用者的情绪耗竭评分，比低频使用者高出一截。
效率涨了。崩溃也涨了。
德国科学家弗兰克·鲍默博士给它起了个名字——"双重工作量效应"。他发现：使用 AI 的员工，在原有工作之外，还要额外承担对 AI 输出的监督、纠错和接管。你的生产力翻倍了，你的认知负荷翻了不止一倍。
02. 数据清洗：去掉"工具必然省力"的幻觉（Data Cleaning）
把"AI帮人省力"这句话从缓存里清掉。
历史上有过类似的误会。蒸汽机替代了肌肉，工厂主以为工人可以少干活——结果生产线加速，工人从扛重物变成了跟上机器的速度。打字机替代了手写，老板以为文书可以轻松点——结果文件量暴增，秘书从写信变成了成天敲键盘。
每次"省力工具"进入职场，人类的工作总量没有减少。它从肌肉消耗切换到了神经消耗。
AI 把这个位移加速到了一个前所未有的量级。它省掉的是那些"你本来可以喘口气"的间隙。以前写一个函数要十分钟，你能在编译等待里刷杯咖啡。现在 AI 一秒生成十个版本，你的新工作是连续不断地审查：这个版本用了废弃的 API，那个版本的异常处理写反了，第三个版本悄悄引入了一个竞态条件。
工具快了十倍。你的上下文切换频率快了十倍。
03. 架构解剖：为什么效率翻倍意味着崩溃翻倍（Model Architecture）
人类的前额叶不适合连续审查。
写代码分两个阶段：生成和审查。生成消耗的是肌肉记忆和模式匹配——这部分 AI 已经完全接管了。审查消耗的是注意力、上下文切换和工作记忆——这部分 AI 完全接管不了，全部压在你身上。
用系统术语说：AI 把你的工作从 CPU-bound（算力密集型） 变成了 I/O-bound（注意力密集型）。你的前额叶带宽没变，但请求频率暴涨。结果就是：throughput（产出）上升，latency（延迟）上升，error_rate（错误率）也上升——因为你没时间做深度验证，只能靠 AI 继续生成更多代码来补你发现的 bug。
这形成了一个正反馈回路：
AI 帮你产出了更多代码 更多代码需要更多审查 审查不过来就引入更多 bug 更多 bug 需要更快的修复 更快修复 → 更多 AI 生成的补丁 → 回到第 1 步
这个回路里，唯一不会自我加速的节点是你的认知带宽。 它是个常数。
Greptile 的数据完全自洽。效率涨 10 倍、崩溃涨 10 倍——这是同一个循环的两条输出曲线，共享同一个输入信号。
04. Debug 方案：把编译速度还回去一点（Inference & Iteration）
三条工程级的协议调整：
给审查留一个固定的 time slot
AI 生成代码是毫秒级的，人脑审查代码是分钟级的。不给审查分配独立的时间片，你的系统会被"生成"不断吞噬。设一个硬规则：写完的代码，至少隔一个晚上再提交。让前额叶从"生成模式"冷却到"审查模式"。
把省下来的时间藏起来
AI 帮你省下的时间，不要让同事和老板知道。说出来只有一个后果：给你分配更多活。你的效率红利会成为新的基线，系统会用这个基线评估你未来的表现。省下来的时间，留给自己的前额叶。
区分 AI 的代码和你的代码
AI 写的代码和你写的代码，在责任上没有区别——出了 bug 都是你扛。在认知负荷上，它们完全不同。你写的代码你理解每一行。AI 写的代码你只理解了"看起来能跑"。给自己设一个标记系统：@ai_generated 模块必须附一篇你手写的一页说明文档，否则不准合入。
05. 优雅退出（exit_process）
Greptile 的数据没有错。Meta 的倦怠率没有错。盖洛普的评分没有错。
错的，是"工具变快了我就应该更轻松"这个假设。从蒸汽机到打字机到 AI，每一次效率革命都没有缩短人类的工作时间。它们只是把消耗从肌肉层迁移到了前额叶层。
# burnout_equation_2026.py
def actual_workload(ai_speedup_factor):
# 经典假设 (已被证伪)
# workload = base_workload / ai_speedup_factor
# 实际方程
base_workload = 1.0
supervision_overhead = ai_speedup_factor * 0.8 # 审查、纠错、接管
context_switch_penalty = ai_speedup_factor * 0.5 # 上下文切换损耗
actual = base_workload + supervision_overhead + context_switch_penalty
# 系统瓶颈：前额叶带宽是常数
# ai_speedup_factor 可以无限增长
# 你的 prefrontal_bandwidth 不能
if actual > prefrontal_bandwidth:
return "Burnout detected. System throttling required."
# 你的编译速度可以×100。
# 你的前额叶带宽，到死都是同一块硬件。
下次有人跟你说"用 AI 可以早点下班"，把这个方程贴给他。
工具在加速。你的大脑没有。在无限编译的世界里，唯一不能无限扩容的，是那个按审查键的人。
【写在最后】
本公众号文章的每一个算法类比，都不是为了"炫技"，而是为了祛魅。
毕竟，工程师的浪漫，从来都是在确定的代码中理解不确定的世界，并在万物皆可计算的时代，依然守护那些不可计算的人心。
