我似乎患上了LLM倦怠症

背景

本文来自 Hacker News 上一位开发者分享的个人体验，标题为“I Think I Have LLM Burnout”。作者在日常开发中大量使用 LLM（大语言模型），包括工作中的 Claude Code、家中的 Codex，以及用于查询信息的 ChatGPT 和 Gemini。尽管他仍然认为 LLM 提升了生产力，但在持续近一年后，他开始对 LLM 的输出产生疲惫和厌恶感——这不是因为工具本身不可靠，而是因为输出风格和错误模式的重复性。

核心内容

作者自称在当前的开发者标准下，LLM 使用率属于平均水平，方法也相对原始。他一次只处理一个任务，并与 Claude Code（工作）或 Codex（家中，目前）讨论。有时让助手写代码，但他会仔细阅读、理解并修改。他并不涉足自主代理或代理编排的深水区。尽管如此，他每天在工作与生活中花费数小时与 LLM 交互，这远多于几年前，且几乎每天都会阅读 AI 生成的文本。

他的工作模式已从“设计并编写代码”转变为“设计代码 → 向 LLM 描述设计 → 审查 LLM 产生的代码 → 最后编写代码”。LLM 的步骤让他接触到原本可能不会考虑的方法，也让他对自己不太熟悉的领域感到更自信。

当前的主要项目是建立一个大规模、无监督的代码生成框架。当他不与 Claude 一起创建工具时，就在筛选无监督代理（Qwen）的输出。无论哪种方式，他都在阅读 LLM 内容。

当想知道某件事时，他通常会问 ChatGPT 或阅读 Gemini 的概览，除非他知道该查哪些网站。当 LLM 的回答错误时，他仍需要退回到浏览，但对于许多日常查询来说已经足够好，尤其是当无用的 AI 生成文章充斥搜索结果时。

这种状态持续了大约一年，他并不打算停止。他感觉使用 LLM 后效率更高，并认为持续学习如何有效使用它们是有价值的。然而，过去几个月他的心态发生了一些变化。一小部分他开始对阅读 LLM 输出感到畏惧，因为他知道会看到什么：错误的假设和幻觉、强调性的短促片段、✨ 过多的 emoji 🚀。他承认这不是他一个人的感受——这些是真实存在的模式（🤮）。单独来看，这些烦恼不会影响他，但加在一起，让他迅速对 LLM 的写作感到厌倦。

他并非试图谴责 LLM。人类同样会犯错——可能同样不可靠或令人厌烦。问题在于重复性。LLM 以相同的风格写作，犯相同的错误。反复处理相同的东西让他精疲力尽。如果界面提供个性化功能，他可以使用，但有些特质仍然会渗透出来。当然，他无法控制他人生成的内容风格。

他目前还不知道如何应对这种感觉，也未曾预料到会如此困扰。对工具不稳定感到沮丧是可以理解的，但写作模式也让他恼火。目前，他只能咬紧牙关，希望自己不会吐出来。

关键要点

• 作者每天大量使用 LLM（Claude Code、Codex、ChatGPT、Gemini），工作模式从直接写代码变为“设计-描述-审查-写代码”的循环。
• 尽管 LLM 提升了效率并让他接触到新方法，但持续近一年后，他开始对 LLM 输出产生厌倦，原因是重复的写作风格和同类错误（幻觉、短促片段、过度使用 emoji）。
• 无法完全避免阅读 LLM 输出，因为工作涉及审查无监督代理的输出，且日常查询依赖 LLM。
• 作者认为问题不在于 LLM 本身不可靠，而在于重复性——人类也会犯错，但 LLM 的犯错模式高度一致，导致疲劳累积。
• 目前没有解决方案，只能忍受，作者担忧这种情绪可能进一步恶化。

意义与影响

这篇文章反映了 LLM 重度用户中一种新兴的心理现象：LLM 疲劳（LLM Burnout）。随着 LLM 在开发工具和信息检索中的普及，用户不仅需要处理工具本身的错误，还要承受输出风格高度同质化带来的认知负担。这种重复性磨损了用户的耐心，甚至可能影响工作效率和创造力。

对开发者社群而言，这一体验提示了 LLM 集成工具的设计方向：应提供更强的个性化能力（如调整输出风格、减少重复模式），并帮助用户过滤掉低质量或过度浮夸的生成内容。同时，它也提醒我们，在追求效率提升的同时，需要关注人机交互中的人类心理耐受度——当机器输出变得千篇一律时，用户可能产生反效果的情绪反应。

从更宏观的角度看，LLM 的“写作风格同质化”问题可能影响信息的多样性。如果大量在线内容都由相似的 LLM 模式生成，不仅会加剧搜索结果的污染，还会让人类在阅读时产生审美疲劳，甚至影响对 AI 输出的信任度。这篇文章的分享，或许能引发更多关于如何设计更健康、更可持续的人机协作模式的讨论。