AI人机回环中的人类累了

背景

本文是 Hacker News 上的一篇深度评论，作者是 Pydantic 团队的成员——Pydantic 是一家为开发者构建数据验证、AI Agent 和系统观测工具的公司。文章直指当前 LLM 辅助编程环境下开发者普遍感受到的一种矛盾：AI 工具确实提高了生产力，却也带来了前所未有的疲劳、孤独和意义感丧失。作者试图为这种“人机循环中的疲惫”找到一个准确的命名，并呼吁将其视为工程问题而非个人失败。

核心内容

编程的原始快感与 LLM 的冲击

作者回忆自己二十岁出头刚学编程时，有一种“把手伸进宇宙的纹理，按照自己的意志塑造它”的神奇感觉——尽管随后就被编译错误打回现实。这种从无到有创造事物的体验，是过去低代码/无代码工具（如 Dreamweaver）始终承诺却未曾真正兑现的。如今，AI 代码生成终于让“代码自己写自己”变得有实际意义，但正是这种“接近”让人不安。

“代码自己写”的真实感受

代码确实（某种程度上）自己写了，但人类在审查、指导和纠偏中的体验反而更糟了。作者引用同事 Douwe（Pydantic AI 框架维护者）的经历：每天早晨醒来要面对三十个由 AI 在夜间生成的 PR，必须快速对每一个做出判断。诱惑很大——把审查也交给 AI——但 Douwe 问自己：“到那时，我还在这里做什么？”

作者自己也曾花整整两天写一个 LLM 执行计划，反复澄清、说明、再说明，结果 AI 仍然做出莫名其妙的事：把 React Hook 移植到 Storybook 故事文件里、读错计划、发明不存在的组件。这些不是能力错误，而是一致性错误——模型足够聪明生成看似合理的代码，却不足以在复杂变更中维持连贯的意图。

这创造了一种新的疲劳：监督疲劳——你必须在脑中保持意图，而机器生成大量大致正确的输出，却仍然需要你的眼睛、判断和品味。Douwe 说，以前和真人协作一个开源功能，帮助别人提高技能，能获得多巴胺冲击；现在“我写的一切都进了某个 AI 黑洞，另一边没有人真正学到任何东西”。这种损失是真实的。

强度陷阱

Simon Willison 引用的 Berkeley Haas 研究描述了 AI 如何增加工作强度：不断有“一天结束前再写一个提示、再加一个功能让它完美”的拉力。作者曾因此工作到凌晨近两点，只为接近一个正确的计划。另一位同事 Marcelo 说，当 Claude Code 会话冻结时：“就开 5 个 Claude 会话，你根本不会注意到，因为你正忙着给其他会话反馈。”这捕捉到一个真相：你可以同时启动的事情数量激增，但能深思熟虑完成的事情数量没有变——因为那部分仍然需要你无法并行的大脑。

人类奖励函数问题

作者提出一个术语：人类奖励函数问题。在机器学习中，奖励函数告诉智能体什么是“好”。手工写代码从来不容易，但充满了小奖励：在脑中解决问题、理解一段棘手的逻辑、看到代码编译成功、掌控感。LLM 辅助编程自动化了大部分产生多巴胺冲击的工作，代之以审查和监督的认知负担。满足的部分缩小了，疲惫的部分增长了，而且没有新的奖励来填补这个缺口。

如果你觉得自己的工作同时更高效但更不满足，你不是有问题——是反馈环出了问题。这应该被当作一个工程问题，而不是个人失败。

孤独感与成瘾性

编程与 LLM 合作是一种极其孤独的活动。你与机器来回互动，反复提示、审查、修改。那些原本可以向同事提问、橡皮鸭调试、分享小胜利的自然时刻，被悄悄替换成了另一个提示。在缺乏强大协作文化团队中，这进一步分离人们，在最需要确认“其他人也觉得难”的时刻冷却了沟通。

而且它具有成瘾性，让孤独更糟。你有时得到天才结果，有时得到垃圾，永远不知道下一次是什么——典型的斯金纳箱。你很难退后一步，提醒自己“你其实可以……就写代码”。但在 LLM 辅助和手工工作之间切换非常突兀和不舒服，需要一种成熟和自信才允许自己切换。

与响应式设计的类比

作者将当前 AI 对开发者的冲击比作 2009 年响应式设计带来的文化时刻。当时设计师们习惯了固定宽度、像素完美、杂志式的布局，突然被告知布局必须流动、适应任何设备。那种失控感是存在性的。现在的 AI 工具同样动摇了程序员对代码的掌控感，引发了类似的恐惧和焦虑。

关键要点

• LLM 辅助编程是双刃剑：生产力提升真实，但代价是监督疲劳、奖励机制扭曲和意义感丧失。
• 监督疲劳：人类需要持续保持意图，而机器输出大量“大致正确”的代码，审查负担反而加重。
• 奖励函数断裂：传统编程中写代码本身带来的小奖励被 AI 自动化，但新的奖励（如协作、学习）未出现，导致“更高效但更不满足”。
• 孤独感加剧：与机器的交互取代了与同事的交流，削弱了团队协作和文化，尤其是在已有协作薄弱的团队中。
• 成瘾性与强度陷阱：AI 工具设计成斯金纳箱，鼓励无止境的提示循环，使开发者难以脱离，并增加工作强度。
• 需要重新设计工程流程：作者认为应将“人类反馈循环”的修复视为一个工程问题，而非个人意志力问题。
• 历史类比：与响应式设计带来的文化冲击相似，需要时间适应和建立新的工作模式。

意义与影响

这篇文章为当前 AI 编程热潮中普遍但被忽视的“开发者疲劳”提供了一个清晰的诊断。它提醒我们：单纯追求效率而忽视人类认知负荷和情感需求，会导致大规模倦怠。对于工具开发者而言，这意味着需要设计更好的“人机协作”界面，减少监督负担，创造新的交互奖励（如学习反馈、协作惊喜）。对于团队和组织而言，它强调了在 AI 辅助环境中保持人际连接、建立协作仪式的重要性——比如强制代码审查中的人人对话、限制 AI 生成代码的批量、鼓励“手写”模式。更重要的是，它呼吁开发者正视自己的感受：当你的工作变得更高效却更孤独、更疲惫时，那不是你的错，而是技术生态需要更新的信号。