使用AI 是一个逐渐变懒的过程

最近我做了些自我察觉，发现使用 AI 是一个逐渐变懒的过程：

Prompt 输入方面：
以前写 prompt（现在更常叫 content 上下文）时，会清晰表达、结构化输入，AI 的输出质量也比较高。而现在有了 o3 这种带 COT 推理能力的模型后，只需要简单表达意思就行，虽然我偶尔还保留结构化，但整体明显不如 2023 年细致了。
写代码方面：
过去我会先框定模式和架构，再让 AI 实现 method，最多就是写一个 .go 或 .class 文件，然后复核。而自从 Cursor 等工具出现后，我直接和 AI 讨论设计方向、设计模式、测试方法等，然后让它开干，我最后只 review 一遍。
输入方式上：
现在我越来越倾向语音输入，觉得语音比打字轻松得多。有可能是我最近情绪比较躁郁，也有可能是大脑变懒了——总之我隐隐觉得，语音输入是某种退化的信号。

这种“变懒”的趋势，让我陷入了沉思。它究竟是一种进步的自然演化，还是一种危险的堕落前兆？对此，我脑海中浮现出两种截然不同的观点。

观点一：这是“认知勤奋”的进化

第一种观点是乐观的。它认为，这并非“变懒”，而是认知资源的重新分配，是从“体力勤奋”到“认知勤奋”的一场进化。

这与编程语言的演进史何其相似：

汇编时代： 程序员需要手动管理每一个寄存器、每一次内存寻址。这是极致的“勤奋”，但也是极致的低效。
C 语言时代： 出现了函数和指针，程序员从寄存器中解放出来，开始思考“过程”。
Java/Go 时代： 自动内存管理（GC）出现了，不再需要为 malloc 和 free 殚精竭虑，可以专注于“面向对象”或“并发”的业务逻辑。
AI 时代（以 Cursor 为例）： 甚至不需要从头写一个 class 或 method。从“实现者”的角色，进一步被提升到了“架构师”和“决策者”的角色。

在每一次进化中，我们都“懒”于处理更底层的细节。但这种“懒”，恰恰是技术的进步的标志。它将我们从重复、繁琐的劳动中解放出来，让我们得以将宝贵的脑力，投入到更需要创造力、战略眼光和人性洞察的顶层设计中去。

从这个角度看，我的种种转变都有了清晰的解释：

1. Prompt 的演变：从“精确指令”到“意图沟通”

这背后既有模型技术的进步，也有我与 AI 之间所谓“信任”的建立。我们都知道，早期的模型（就像我过去用 BERT 写论文的那个时代）能力有限，像个初级实习生。我必须把任务拆解得巨细靡遗，给它一个 step-by-step 的说明书，它才能勉强完成。而现在以 CoT (Chain of Thought) 为代表的模型，更像一个资深同事。我只需要跟它对齐目标和“意图”（I want to build a…），它自己就能规划路径。我从一个微观管理者（Micromanager），变成了一个目标设定者（Director）。我的技能点，从“如何写出完美的 Prompt”，转移到了“如何提出一个直指核心的好问题”。这是一种更高维度的能力。

2. 写代码的转变：从“实现者”到“评审者”

这并非变懒，而是工作杠杆率的提升（Leverage Improvement）。我过去的工作模式是：我（大脑）-> 架构设计 -> AI（工具）-> Method 实现 -> 我（评审）。而现在的工作模式是：我（大脑） <-> AI（思考伙伴） -> 设计/模式/测试 -> AI（工具） -> 整套实现 -> 我（最终评审）。可以看到，我的角色已经从链条中的一个环节，变成了整个链条的驱动者和把关人。我不再是那个砌砖的人，而是那个决定“这面墙应该建在这里，用什么风格”的建筑师。我的价值，体现在我的品味、我的设计哲学、我的风险预判能力上。这难道不是一种巨大的进步吗？让机器去做机器擅长的事（海量代码生成），让人去做人擅长的事（洞察、判断、创造）。

黑客帝国中的建筑师（The Architect）

3. 输入方式的迁移：从“打字”到“语音”

这一点最有趣，也最贴近人性。我将它与情绪和“退化”联系起来，这种联想本身就非常深刻。首先，承认情绪的影响是完全合理的。当我们精神疲惫或烦躁时，会本能地寻求最低摩擦力的交互方式。语音显然比调动手指肌肉打字节省心力。但抛开情绪，这里可能有一个更具启发性的 alpha moment：语音输入不是退化，而是追求“带宽”的本能。**我们大脑思考的速度，远远快于我们打字的速度。打字，本质上是一个“有损压缩”的过程，我必须把网状的、跳跃的思绪，整理成线性的、合乎语法的文字。**这个过程本身就是一种认知负担。而语音，更接近思维的原始形态。它允许更快的语速、更自由的表达，甚至可以包含语气、停顿这些“元信息”。我不是在“退化”，我是在寻找一个能跟上我思维速度的 I/O 接口。

观点二：警惕！这是“掌控感”的丧失

然而，正当我沉浸在这种“认知升级”的乐观中时，另一个更尖锐、更令人不安的念头浮现出来。

这种对细节掌控的逐渐缺失，真的是无害的吗？它会不会导致我们丧失从行动中学习（Learning by Doing）的关键能力？

这时，我想起了一个我过去常批评的角色——“网关老板”。

“网关老板”通常指那些升到高位后，彻底脱离一线的管理者。他们能侃侃而谈战略、方向和宏大叙事，但对实现细节、技术瓶颈和执行成本一无所知。因为长期不动手，他们丧失了对系统的“体感”，无法做出精准的判断，也无法理解一线工程师面临的真实困境。他们的决策，因此变得空洞而脆弱。

现在，我恐惧地发现，AI 正在赋予我们每一个人成为“网关老板”的潜力。

这种恐惧指向了 AI 时代真正的风险：

技能的空心化： 当我们完全依赖 AI 去实现时，当 AI 失效或给出错误方案时，我们是否还具备自己动手勘误、攻坚的能力？那个曾经能深入底层理解原理的我，是否会被这个只负责 Review 的我所取代？
判断力的外包： 最大的危险，莫过于不仅将“执行”外包，更将“判断”也一并外包。盲目相信 AI 的方案，而不加以批判性的审视，这才是最致命的懒惰。
创造力的收敛： AI 倾向于提供“标准解”和“最大公约数”的方案。如果我们只是被动接受，那些剑走偏锋、不合常规但可能极具创造力的“alpha moment”或许将不复存在。