凌晨一点，程序员张帆关掉电脑，揉了揉发胀的太阳穴。今天他用AI写了三千行代码，产出是平时的五倍，但他此刻的感觉不是成就感，而是一种被掏空的虚脱。
他想不通：明明AI帮我省了时间，为什么我却比从前更累？
这不是你一个人的困惑。哈佛商业评论最近一项长达8个月、追踪美国某科技公司200名员工的研究，揭示了一个反常识的真相：AI并没有让工作消失，它反而让工作变得更密集、更黏稠、更无孔不入。
我们为了省时间而发明的工具，正在成为吞噬精力的黑洞。
01 那个名叫“AI”的能量吸血鬼
前亚马逊资深工程师史蒂夫·雅吉（Steve Yegge）将这种现象定义为 “AI吸血鬼”（The AI Vampire） 。
这个比喻源自美剧《吸血鬼生活》中的角色科林·罗宾逊——他不是吸食鲜血的传统吸血鬼，而是“能量吸血鬼”。只要和他待在一个房间里，你的精力就会被他的平淡废话悄悄抽干。
程序员Siddhant Khare在开发者论坛里分享了自己的经历：自从AI编程能力大幅飞跃以来，他陷入了病态的循环——利用AI在更短时间内完成了过去几个月的工作量，但随之而来的是深度的大脑宕机。
以前写代码是“体力活”和“脑力活”的结合：写一会儿难的，还能写一会儿简单的样板代码歇歇脑子。
现在，AI接管了所有容易的“手工活”，把最难的架构选择、逻辑判断和Bug审查全部丢给了人类。原本属于大脑的“喘息时间”消失了。
有程序员在X上吐槽：“用AI写代码4小时，脑子就开始特别累。深度思考向来很耗神，有了AI之后，工作就完全变成了纯粹的思考。”
02 疲惫的五重真相
为什么工具越智能，我们越疲惫？综合多项研究，我梳理出五个核心原因：
真相一：边界的消失
开启一项工作是有物理阻力的。面对一个空白文档，你需要思考、调动意志力、收拾好环境……这种阻力像一道天然的堤坝，将工作与休息隔开。
但AI抹平了这道堤坝。输入一行提示词几乎没有任何心理成本，它感觉不像是在工作，更像是在聊天。
于是，工作顺着这些被AI凿开的裂缝，渗透进了原本属于生活的每一个缝隙。你在午餐时、在会议等待的间隙、在电梯里，掏出手机向AI发送一条条工作指令。
哈佛商业评论的研究将这种现象称为 “边界模糊” 。当“开始工作”变得毫无摩擦力时，“停止工作”就变得异常艰难。
真相二：任务的扩张
研究发现，AI的介入让产品经理开始写代码，研究人员开始做工程，设计师开始干运营。因为AI提供了一种虚幻的“全能感”，填补了技能的鸿沟。
当“能不能做”的门槛被技术拉下来后，“做不做”就变成了新的压力。如果一个产品经理能用AI生成代码，那么在组织的隐性期待中，他就应该去写。
于是，职责的边界被溶解了。每个人都在向外扩张，每个人都变得更加忙碌。哈佛商业评论将这种现象称为 “隐形的工作量蔓延（Workload Creep）” 。
而且这种忙碌往往是低质量的——工程师们不得不花更多时间去审查、修正那些由半吊子同事用AI生成的代码。
真相三：速度的暴政
为什么明明有了能节省时间的工具，我们却不敢休息？
德国社会学家哈特穆特·罗萨曾精准地指出，现代社会的逻辑是 “动态稳定” 。就像在跑步机上，你必须不断加速奔跑，才能仅仅保持在原地。
技术加速从来不会自动转化为时间盈余，它往往引发的是社会节奏的整体上调。
工程师们发现，虽然写代码快了，但他们并没有因此早下班，因为社会系统立刻用更多的需求填满了节省下来的时间。以前一天能做两个方案，现在AI帮你做到十个，那么十个瞬间就成了新的及格线。
在这个层面，AI并没有消灭内卷，反而强化了它。我们陷入了一种“速度的暴政”。
真相四：从创造者到审查者的身份转变
过去，你是自己写代码、写文档、创作内容，享受着从0到1的创造过程。
现在，你的工作流程变成了：提示→等待输出→评估→修正→重新提示。
你的角色从“创造者”变成了 “监控者” ——你需要不断地切换上下文，去检查AI的产出，去警惕它的幻觉。这种“监工”的角色，需要的不是流淌的心流，而是时刻紧绷的警惕。
真相五：“再来一次”的无限循环陷阱
AI生成过程中存在一个隐秘的陷阱：你总会相信，只需要再微调一下提示词就能输出理想的结果，却忽略了背后所消耗的时间成本。
为了让AI输出更好，人们会陷入无限循环的提示词改写过程，最后发现，其实如果自己写可能会更快。
由于边际递减效应，后续每次提示词迭代带来的效果愈发不明显。最终你将完全偏离第一性原理——发布功能的本质，而是全身心聚焦在让AI输出完美结果上。
当你能够意识到这一点时，往往已经为时已晚。
03 被偷走的“工作热情”
浙江大学管理学院一项涵盖3562名参与者、发表于Nature子刊《Scientific Reports》的研究，为这种现象提供了量化证据。
研究发现：使用AI后，人们的内在动力平均下降了11%，无聊感平均增加了20% 。
当参与者从AI协作任务转向独立任务时，他们的内在动机明显下降，而在全程独立工作的参与者中，这种下降幅度则相对较小。
参与者反馈：“用AI写完邮件后，再自己想营销点子，感觉就像回到了‘石器时代’，毫无动力。”
为什么AI会削弱我们的内在动机？研究团队提供了两种可能性解释：
其一，认知需求的“空心化”。当AI接管了任务中最具认知挑战性的环节——比如报告的分析框架、创意任务的初始构思时，人们可能会失去对工作预期的成就感。当AI完成工作的烧脑部分，人类仅剩机械性执行，工作沦为“被动填空”，就可能会导致心理疏离。
其二，自主性的侵蚀。当AI生成内容并被直接采用，尤其是在员工无法对这些建议进行修改和个性化调整时，员工往往会产生“输出非我所愿”的感受，认为自己的意见和意愿未能得到尊重和体现。
04 破局：精力管理的四个原则
面对这些困境，我们该如何破局？以下是综合多位专家和一线实践者总结的精力管理原则：
原则一：接受“70%原则”
程序员Siddhant Khare在经历AI疲惫后，提出了一个反直觉的建议：不强求AI输出完美的结果，达到70%可用即可，剩下的内容手动修改。
这不仅节省了反复调教的时间，更重要的是打破了“再来一次”的无限循环陷阱。当你接受“足够好”而非“完美”时，你就从决策疲劳中解放了出来。
原则二：限时使用，为AI任务设置闹钟
Siddhant Khare的另一个实用技巧是：如果30分钟内AI搞不定，就手动完成。
这听起来有些反常识——AI搞不定，人反而能搞定？但事实上，很多任务在AI那里陷入循环，是因为问题本身需要的是人类的直觉判断，而非AI的概率生成。
给自己设定一个时间上限，到点就切换策略。这不仅是效率策略，更是精力保护策略。
原则三：区分思维时间和执行时间
Siddhant Khare坚持每天早上不使用AI，用纸笔思考架构，保持大脑活跃，下午再利用AI辅助执行。
这种“思维-执行”分离的模式，本质上是在保护你的认知主权——那些最重要的决策、最核心的创意，应该由你的大脑主导完成，而不是让AI替你完成后再去审核。
原则四：建立“指令遗产”，减少重复劳动
另一个被忽视的精力消耗源是“每次都从零开始写指令”。你可以在n8n（https://n8n.io）或文本扩展器中固化常用指令模板，让重复任务不再消耗你的决策精力。
当你为重复任务建立指令模板时，你就在把AI的使用从“决策模式”降级为“执行模式”。前者消耗精力，后者解放精力。
05 更激进的方案：3小时工作制
史蒂夫·雅吉给出的建议听起来离经叛道，但逻辑却非常严密：AI时代的标准工作时间，应该缩减到每天3到4小时。
他的理由很硬核：
第一，人类大脑的生理极限。AI自动化了“搬砖”过程，剩下的全是高密度的认知博弈。人类大脑无法在保持这种高强度决策输出的同时，还能坚持8小时而不出错。
第二，防止核心人才流失。强行要求员工在AI辅助下跑满8小时，无异于让引擎一直在“红线转速”下运行，最终的结果必然是核心人才的全面报废。
第三，重塑分配逻辑。如果公司不学会分享AI带来的效率红利（即给员工减负、缩短工时），优秀的员工最终会选择离开，或者进入一种“静默退出”的僵死状态。
价值 = 薪水 / 工时
公司控制着分子（你的薪水），但你控制着分母（你的工时）。在AI时代，如果你用AI承接了10倍的工作量却依然工作8小时，你的真实时薪实际上暴跌到了原来的十分之一。
真正的职业抗争不是拒绝AI，而是利用AI缩短那个分母。
06 放过自己，享受AI
Siddhant Khare在文章结尾写道，AI时代的真正相处之道不是如何使用，而是知道什么时候该停下来。
工程师们应该要像设计系统一样，为自己的大脑设计缓冲区，以确保产出的可持续性，而不是盲目追求产量的最大化。
深夜，张帆关掉电脑前，给自己设了一条新规矩：以后每天下午五点后，不再用AI处理任何需要深度思考的任务。
他想试试，把那些本该属于大脑的“喘息时间”夺回来。
不要让那个“10倍产出”的幻觉，偷走了你作为一个人的全部生活。
工具与资源
| 工具/方法 | 核心用途 | 获取方式 |
|---|---|---|
| n8n | 建立自动化工作流，固化指令模板 | https://n8n.io |
| 70%原则 | 接受不完美，打破无限循环 | - |
| 限时使用法 | 设置30分钟上限，超时切换策略 | - |
| 思维-执行分离 | 上午纯人脑，下午AI辅助 | - |