取消AI订阅或许是解决之道

背景

这篇文章源自 Hacker News 社区的一篇用户评论，作者 David 在 2026 年 5 月 31 日发表了一篇关于个人 AI 使用体验的深度反思。随着大型语言模型（LLM）和 AI 编程助手（如 Claude、Codex）的普及，许多开发者和技术爱好者发现，虽然这些工具极大地降低了构建软件的门槛，但也带来了一种“伪生产力”的陷阱。作者通过列举自己利用 AI 构建的大量项目，揭示了技术便利性如何侵蚀专注力，导致项目烂尾、注意力碎片化以及最终对 AI 订阅服务的取消决定。

核心内容

作者首先回顾了自己利用 AI 构建的一系列项目清单，包括用 Rust 编写的语音识别系统、邮件归档渲染工具、基于 GStreamer 和 Qt Quick 的 Jellyfin 桌面克隆版、Python + yt-dlp 实现的 Invidious 克隆版、从 Wine 源码移植的 Windows 95 Notepad 克隆版、用于统计街头摄像头车流的机器视觉程序、Claude UI 的 Python/Rust 克隆版、意外获得流量的区域性新闻网站、基于 Three.js 的 3D 赛车游戏、Python 投资回测系统、Lightroom UI 的 HTML 克隆版、Markdown 查看器、GTK/C 编写的世界时钟小部件、JavaScript 网络同步音频播放程序、逆向工程中国 IP 摄像头的 Rust 客户端，以及一个规模可观的 Rust SaaS 产品。此外，还有大约 50 个已被删除的项目。

除了那个 SaaS 产品外，作者指出这些项目几乎都没有实际用途，且他并不想维护它们。他甚至意外运营着一个新闻网站，这对他来说是一种法律负担。虽然这些工具帮助他“学习了 AI 工具链”，但他认为并非必需。他无法在时间、承诺、信念、注意力或 Token 成本上承担维护这些项目的负担。

作者反思道，他并非有意构建这些项目。通常，Claude 的会话始于“为 X 写个快速脚本”，但一小时后，结果既不是快速脚本，也不是解决了最初的问题。这种技术对注意力的破坏是灾难性的，作者将其形容为“热核武器级别的 ADHD（注意力缺陷多动障碍）放大器”。他观察到身边的成年朋友也面临同样的问题：同时运行三个屏幕，处理完全不相关的“项目”，且对结果缺乏承诺，导致时间被明显浪费。

最近，每月都有人发送截图展示他们正在开发的“很棒”的工具，作者能感受到发送者的自豪与热情，但他内心总在思考：“你打算如何推广它？”因为当被问及市场推广时，工程师的回答在 LLM 出现前后并无二致。

作者还提到一次采访经历，当主持人提到团队使用 AI 时，称“每个人都有多达 5 个房间来管理他们的代理（agents）”，这让他感到胃部紧缩。几个月前，他在试用 Claude 时就有模糊的不适感，随后将订阅降级为 Pro 版，试图通过配额限制来遏制过度使用。后来因 Claude 服务不稳定，他转用 Codex。Codex 的 CLI 体验更好且速度更快，但这导致他的使用量再次攀升。

作者承认，经过精心打磨，这项技术确实令人惊叹。例如，零样本（zero-shot）生成一种用晦涩语言实现的晦涩语法的解析器并附带完整测试，AI 能轻松完成。然而，现有的工具生态并不鼓励审慎使用所需的专注力。相反，几乎所有厂商和工具的目标都是相反的：更多的使用量、更多的 Token、更多的输出。例如，向 ChatGPT 提出一个简单的 Yes/No 问题，它往往会被硬编码为包含一个相关的后续问题，以诱导过度的交互。

一次性在 5 分钟内生成 10,000 行未测试的 Python/JS 代码混乱，对任何人都有害。作者想象这种场景在每一个商业环境中同时发生，感到不寒而栗。

作者早期曾尝试将语音识别连接到生成博客文章的管道，旨在通过 Telegram 频道发送语音笔记自动生成 Opus 格式的文章，以此鼓励记录思想。但输出结果是“毫无节制的垃圾”。因为努力被移除，承诺也随之消失；没有承诺，专注力便不复存在；没有专注力，任何有意义的产品都无法产生。高质量写作并非将口语化的英语简单通过某种透镜转换：口语化英语是低比特率的噪音，而高质量写作试图用更完善的概念捕捉高比特率的信息。

作者曾考虑将该管道用于私人笔记，但他意识到自己并不需要私人笔记。这颠覆了噪音自然被遗忘的过程，只是更多的工具滥用。由此，作者得出结论：只要质量依然重要，手写永远不可能过时。

作者认为我们正走向危机，而答案并非“更好的模型”或“更好的工具”。他引用 Cal Newport 关于“伪生产力”（pseudo-productivity）的观点：数字生产力工具（包括 AI 和电子邮件）往往造成“数字生产力悖论”，即它们使单个任务更快或更容易，但知识工作者整体上却更忙碌、更分心、生产力更低。研究表明，AI 用户花在电子邮件、消息传递、聊天和商业管理工具上的时间更多，而在专注、不间断的工作上花费的时间更少。其核心主张是，旨在减少摩擦的工具往往增加了浅层任务的数量和上下文切换，从而削弱了深度工作和高价值产出。

这种伪生产力表现为：可见的忙碌被视为真实价值的代理。数字工具通过让人们看起来活跃（发送更多消息、产生更多草稿、参加更多会议、生成更多工作产物）来强化这一点。为了避免陷阱，建议衡量真实结果，识别工作中的真正瓶颈，并将深度工作与浅层工作分离，使数字工具支持有意义的进步，而不是消耗注意力。

这些经历让作者对工具使用有了全新的认知：核心不在于“更快的开发 = 更多的应用”或“更快的邮件 = 更多的沟通”是 desirable（可取的）目标。本质上，这是关于生命单位时间的花费是否有意义。

目前，除了限制使用外，作者不知道如何管理 AI。因为一个能以最小输入、零摩擦产生廉价奖励的工具，必然是一种负担。而意识到这一点，可能是 AI 迄今为止做出的唯一真正贡献。

关键要点

• 项目泛滥与维护缺失：AI 降低了构建门槛，导致开发者创建了海量缺乏实际用途且不愿维护的项目（如各种克隆版、脚本、小游戏），造成资源浪费。
• 注意力放大器：AI 工具被形容为“热核武器级别的 ADHD 放大器”，导致用户同时处理多个不相关项目，缺乏对结果的承诺，严重碎片化注意力。
• 厂商利益与用户目标的冲突：AI 厂商通过设计诱导过度交互（如自动追问、更多 Token 消耗），这与用户所需的审慎、专注的使用方式背道而驰。
• 伪生产力陷阱：引用 Cal Newport 的观点，AI 等工具虽然加速了单点任务，但增加了浅层任务量和上下文切换，导致知识工作者陷入“看起来忙碌”但实际深度工作减少的悖论。
• 质量与努力的辩证关系：移除过程中的“摩擦”和“努力”（如语音转博客、AI 生成代码）会导致承诺和专注力的丧失，进而产出低质量内容。高质量产出需要高比特率的信息捕捉和深度思考。
• 手写的重要性：在追求质量的语境下，手写因其强制性的慢速和专注特性，永远不会过时。
• 解决方案是限制而非优化：面对 AI 带来的廉价奖励和注意力剥削，作者认为当前的最佳策略是“取消订阅”或严格限制使用，而非追求更好的模型或工具。

意义与影响

这篇文章深刻揭示了生成式 AI 在提升效率表象下对认知模式和生产力本质的潜在侵蚀。它挑战了“技术必然带来生产力提升”的传统叙事，指出了“效率悖论”：当工具消除了过程中的摩擦，它也消除了产生深度思考和高质量成果所需的认知摩擦。

对于开发者和技术从业者而言，这是一个警示信号：AI 不应被视为自动完成所有任务的魔法棒，而应被谨慎地作为辅助工具，且必须配合严格的使用纪律。否则，技术便利性将转化为注意力的黑洞，导致“伪工作”泛滥。

从更广泛的社会影响来看，文章强调了“深度工作”（Deep Work）在 AI 时代的稀缺性和价值。它提醒我们，在追求速度和规模的同时，必须重新评估工作的意义和质量标准。如果工具的使用不再伴随相应的承诺和专注，那么产出的价值将大打折扣。作者提出的“限制使用”作为一种反直觉的解决方案，可能代表了未来知识工作者应对 AI 过载的一种新范式：通过