夜雨聆风有没有这样的感觉，不知不觉时间都凌晨了，那一刻你不是在赶工，也没有线上事故要处理，只是躺在床上，看着Claude Code或者Codex在重构一个模块，在帮你完善方案，停不下来。
“智能体编程令人上瘾。它做得好，你有多巴胺奖励；它搞砸了，你肾上腺素飙升。”最终，你可能会因为失眠去看医生。
2026年7月，一份覆盖约6000名产品、工程、设计从业者的年度情绪调查（Noam Segal与Lenny's Newsletter联合发布）给出了两个放在一起看非常刺眼的数字：97.2%的人认为AI提升了自己的工作能力；54.7%的人处于中度以上职业倦怠——后一个数字，一年前还是44.7%。
变强和变累，发生在同一批人身上。
AI明明是用来提效的。这两年，AI的确用它干掉了大量重复劳动，可下班时间没有提前，周末没有变长，要跟进的新东西反而越来越多。问题出在哪？
一、AI到底有没有让你更快？这个问题比你想象的难回答
2025年7月，专门做AI能力评估的机构METR做了一个相当较真的随机对照试验：16名资深开源开发者，246个真实任务，全部来自他们自己维护多年的代码库（平均超过100万行）。结果是，允许使用AI的那组任务，完成时间反而长了19%。
更扎心的是体感。这些开发者事前预期AI能帮自己提速24%；亲身经历了变慢之后，他们仍然相信AI帮自己提速了20%。体感和实测，差了将近40个百分点。
图1｜数据来源：METR《Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity》
故事到这里，本可以当成“AI没用”的爽文传播。但METR在2026年2月用更新的工具把实验重做了一遍：方向翻转了，AI似乎开始真正提速——然而两组数据的置信区间都跨过了零。连全世界最较真测这件事的机构，到今天也给不出确定答案：AI到底让开发者快了还是慢了。
其实这个悖论有个日常版本，你我每天都在参演。
你把原本三句话可以说清楚的日报，用AI扩写成一篇报告提交给主管，消耗了大量Token；主管再用AI把这篇长篇大论总结成三句话，同样消耗了大量Token。到头来，你们都真心觉得：AI真好用。
体感上的“好用”是真的，但账算下来，正事还是那三句话，多出来的都是Token和彼此的时间。这就是效率研究里最难缠的问题：使用率、满意度、消耗量全都涨了，唯独说不清净值到底剩多少。
企业侧的数据倒是确定的，只是两面都确定。GitHub Copilot付费订户在2026年1月达到470万，一年增长75%；微软的对照实验里，开发者完成任务快了55.8%。但工程效能公司DX对大量团队的追踪给出了另一面：中位数工程师的真实增益在10%上下，那些“提升60%”属于最活跃的前四分之一用户。GitClear分析了7万“开发者·年”的提交数据，2022到2025年，开发者中位产出提升了9%。
9%，和你在各种发布会、推文、朋友圈里听到的数字，差了一个数量级。
更值得注意的是漏斗的另一头。Demirer等三位学者2026年5月发表的研究覆盖了超过10万名GitHub开发者：自动编程智能体让提交量累计提升180%，但落实到实际发布的版本，增益只剩30%。
图2｜代码写得飞快，交付没有同步飞快。中间那150个百分点，被评审、返工、维护和等待吃掉了。
代码越写越快，东西没有越交付越快。那省下来的力气去哪了？三个老牌悖论，正在AI时代同时发力。
二、三个悖论，同时拧在你身上
第一个，杰文斯悖论。1865年经济学家杰文斯发现，蒸汽机效率越高，煤烧得越多——因为煤变便宜后，更多行业用得起蒸汽机了。2025年1月DeepSeek把模型成本打下来之后，微软CEO纳德拉在社交媒体上只写了一句：“杰文斯悖论又来了。”
放到你身上就是：当写软件变便宜，公司不会省下钱让工程师休息，而是开始建造以前“不值得造”的东西。2026年6月，Karpathy公开说他自己的“软件需求正在显著增长”——一个能亲手写任何工具的人，因为造东西变便宜了，想要的东西反而更多了。SignalFire的2026年人才报告显示，2025年大型科技公司新招岗位中工程师占比55%，比2019年的46%还高。AI没有干掉工程岗位，它把需求总量抬上去了。需求上去了，你手里的活自然也上去了。
图3｜三个悖论同时起作用，单靠“更努力”无解
第二个，切换成本悖论。BCG在2026年初调查了1488名美国职场人士，发现每天使用3个以上AI助手的重度用户，平均每周多工作2.7小时，易怒程度上升22%。BCG给这种状态起了个名字：“AI脑烧（brain fry）”——你不再是写东西的人，你是同时盯着三台机器的质检员。每个新工具都承诺省时间，但学习、配置、纠错、在工具之间来回搬运上下文，这些成本从不出现在宣传页上。
第三个，信号噪声悖论。Stack Overflow在2025年调查了4.9万名开发者，有个细节很说明问题：51%的职业开发者每天都在用AI工具，但只有3.1%的人“高度信任”AI给出的结果。每天高强度使用一个自己都不太信的东西，这件事本身就在消耗认知资源。而AI领域每天冒出的新概念里，真正能沉淀下来的，据估计不足一成——你花大量时间追踪的，是注定要被淘汰的东西。
三、效率红利去哪了：一笔看不见的账
哈佛商学院2026年3月的一篇工作论文分析了18.7万名开源开发者：用了Copilot之后，编码时间上升12.4%，项目管理时间下降24.9%，同事协作事件下降近80%。AI不只是加速器，它在改写你的工作构成——从“写东西的人”，变成“审东西的人”。
Harness在2026年的工程状况调查里，把这笔“隐形工作”算了出来：
图4｜这些活不会出现在任何OKR里，但每天都在发生
组织那头，棘轮也已经拧紧了。回到开头那份6000人调查：从业者最大的恐惧不是裁员，不是降薪，排名第一的答案是——“拿着同样的工资，被要求完成更多工作。”
AI给你的从来不是轻松，它给你的是一张“可以干更多”的许可证。而许可证的审批权，不在你手里。
四、几个真正有用的应对办法
先说底层策略：稳定内核，动态外缘。把你需要的东西分成两层，精力分配大约七三开。
图5｜外缘负责“知道有这东西”，内核负责“真会”
给追新设个预算。每天花在“了解新东西”上的时间，硬性封顶30到60分钟，到点就停。剩下的时间做深度工作。60分钟其实够你掌握当天真正值得注意的东西了，再多花，边际收益掉得很快。
用场景驱动代替热点驱动。别因为“大家都在学”去学。带着具体问题去找工具，学完立刻用上；没有场景的输入，两周就忘，纯属浪费。这一点没有精确的倍数可引用，但每个做过两种学习的人都懂差距有多大。
把信息源砍到3-5个。判断标准只有一条：这个渠道会不会告诉你“什么东西不靠谱”。只报喜不报忧的，那是营销号，不是学习渠道。
分清“会用工具”和“会解决问题”。AI越强，“用对工具”的价值越低——因为工具人人都能用；“问对问题”的价值越高。定义问题、拆解问题、验证方案，这套能力不随任何框架过时。
接受“不知道”。AI领域每天产出的新东西，没有任何人跟得完。这不是能力问题，是信息量问题。在AI时代，广度不再是优势——广度的部分AI可以帮你补，深度不能。
五、写在最后
回到标题的问题：AI明明让你更快了，你为什么更累了？
因为AI同时做了三件事：提高了你的执行效率，抬高了组织的期望基线，引爆了信息噪声。三重压力叠加，净效果是“更忙”，而不是“更轻松”。这不是你不够努力，也不是你方法不对——这是这个技术周期的结构性特征。数据库领域用了几十年才收敛出稳定的SQL，AI工具链的“SQL时刻”大概率还要几年才会出现。
在那之前，解法不是学得更快，那是无底洞。解法是主动过滤、守住内核、场景驱动、接受无知。
最后留一个数字。那项18.7万人的研究里，协作事件下降了近80%。工具越强，人和人之间的判断、信任、结对，反而越稀缺。省下来的时间如果注定留不住，至少别全部交给下一个新工具。
留一点给睡眠。凌晨已过，真的不值得。
你每天花在追新工具上的时间是多少？评论区聊聊。
觉得有用，点个「在看」转给那个总在深夜改Prompt的朋友
数据来源（均为公开研究）
① METR：Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity（2025.7发布，2026.2更新）
② Noam Segal × Lenny's Newsletter：Tech Sentiment Survey，约6000名从业者（2026.7）
③ Demirer, Musolff & Yang：Writing Code vs. Shipping Code，10万+ GitHub开发者（2026.5）
④ Harvard Business School工作论文：Generative AI and the Nature of Work，18.7万开源开发者（2026.3）
⑤ Harness：State of Engineering Excellence（2026）
⑥ BCG：AI工具使用调查，1488名美国职场人士（2026）
⑦ Stack Overflow：Developer Survey，4.9万受访者（2025）
⑧ GitClear：AI Impact数据分析，7万开发者·年（2025）；DX：工程效能追踪（2025Q4）
⑨ SignalFire：State of Tech Talent Report（2026）；Karpathy公开评论（2026.6）
注：个别行业估算（如新概念沉淀比例）为经验性判断，已用“据估计”标明。