越依赖AI，我越感到不安
写在前面
认真回望会发现，时代每一次变化，都会鲜明地投射到群体乃至每一个人的表达、行为与精神状态里。
去年的这个时候，有一句话让我一下子清醒过来：“人提不出超出自己认知边界的问题。”从那之后，我开始有意识地扩充自己的认知储备，持续阅读、坚持写作，也不断补充AI相关知识，只希望能一点点把认知的半径往外推，不辜负时间。
但到了今天，AI以惊人的速度演进，反而又把我卷入了另一种新的迷惘和焦虑。
更具体地说，随着大语言模型（LLM）不断升级并越来越普及，我们的生活、工作和学习，早已在不知不觉中与它深度捆绑。很多人应该都有类似体验：在等待模型输出答案时，手会不自觉地点开短视频；或者一边让模型处理这个任务，一边切去做另一个任务，等它返回结果后只是匆匆扫一眼，又立刻抛出下一轮问题，让它继续代替我们“想下去”……
也许每个人的使用场景不尽相同，但上面这些，几乎就是我使用AI时最真实的日常。一天下来，表面上忙得停不下来，可等到回头复盘时才发现，自己似乎并没有真正掌握什么，也没有留下多少沉淀，反倒是短视频App的停留时长，在一天天往上爬。
AI似乎让我们的工作与生活全面提速，可撕开这层高效的表面之后，真正发生的到底是什么？
我们以为节省了亲自处理事务的时间，可AI生成结果的空档，早就被短视频的喧闹悄然占满；我们借助AI的并行能力同时展开多项任务，却也在频繁跳转之间，把注意力切得七零八落。手指在屏幕上不断滑动，AI的回复刚跳出来，还没来得及认真阅读、消化拆解，视线就已经被下一条视频带走；好不容易回到任务页面，又会因为等待加载而停住，随后下意识地再次跌进碎片信息流。
我们一边理直气壮地依赖AI替自己思考、帮自己解决问题，一边又在本应用于整理和吸收的等待间隙里，任由自己沉入无意义的刷屏惯性。整整一天看上去安排得很满、节奏也很快，实际上却一直在任务和碎片娱乐之间来回摆荡，直到复盘时才猛然意识到，真正进入脑子的知识和真正沉淀下来的能力，其实少得可怜。
这也让我不得不反复追问：当人工智能的“思考力”在持续迭代、不断增强，当它能够替我们做越来越多的事情，人作为人的成长路径，究竟还会走向哪里？那些原本属于人的、不可替代的独立思考能力，又该以什么方式在这个AI渗透一切的时代里继续扎根并生长？
01
不断“迭代”的工作流
回头想想，我开始高频使用AI、并逐渐不愿再花时间独立思考，大概是在去年九月到十月之间。
原因很直接：我的研究生课题涉及算法和机器学习，而那时的AI已经具备了比较成熟的基础编程能力。于是我几乎顺理成章地开始借助AI辅助写代码，试图把大量手动敲代码的繁琐过程省掉。
也正是从那时开始，我陷进了一套固定的工作模式：先让大模型生成代码，再复制到编译器中执行，跑出结果之后，把报错信息和输出结果继续喂给模型，让它分析原因并修改代码。
最早我使用的是 DeepSeek 和豆包。客观来说，那时这两个模型在编程方面还不够成熟，我常常需要在复制报错、粘贴修改代码的流程之间反复来回。更麻烦的是，受上下文窗口限制，它们很难一次给出完整代码文件，就算勉强生成，等待时间也特别长。没办法，我只能自己先在代码中定位错误位置，再把模型给出的修改片段复制进去替换修复。那段时间，“请按原来是什么、改成什么的形式指导我修复代码”几乎成了我最常用的提示词。
技术更新得实在太快了。若不是写这篇文章，我几乎都想不起这段经历；才过去几个月，这种方式就已经带上了一种很明显的“旧时代感”。
后来，为了获得更顺手的编程体验，我订阅了当时在编码领域评价很高的 Claude。实际用下来，Claude 的编码能力确实更强一些，其他大模型往往只能一段一段地输出代码，而Claude已经能够直接生成完整项目，并打包成 zip 文件。印象中当时我用的应该是 Claude Opus 4.5。即使能力提升明显，生成的代码仍然会有 bug，比如偶尔出现标点问题、缩进错误；更关键的是，每月20美元的订阅有明确额度限制，不可能无休止地让模型反复修改，否则额度很快就会见底。
于是我慢慢摸索出一套折中的办法：让 Claude 负责生成主要代码，再用 Gemini 3 去修细节上的 bug。Gemini 3 的表现和当时的豆包等模型差不多，同样难以输出完整的长代码，而我的课题代码量通常又比较大。于是，那句熟悉的代码修复提示词，重新成了我每天输入频率最高的话。
再往后，Claude 推出了 Opus 4.6 版本，单日可用额度比之前有所提高，但依旧保留了每五小时一次的额度上限。我的日常工作流也跟着升级：先让 Claude 把代码改好，我再放到编译器里跑通，然后把运行结果发回去，让它继续做下一轮优化。
为了把这五小时的额度周期利用到极致，我甚至连日常作息都做了调整：每天到工位后做的第一件事，就是先向 Claude 下达修改任务，启动这一轮五小时周期；上午改代码、跑结果，中午吃饭和午休刚好错开一个周期，下午又能接上全新的额度窗口。甚至我把健身安排在下午，也有一部分原因是为了恰好接上新一轮额度，不浪费任何等待时间。
即便每周总额度依然有限，我还是乐此不疲地依赖着 Claude，并且一直以为，自己正以最高效率推进课题……
到了现在，Claude Opus 4.6 仍然存在额度限制。如果晚上突然冒出新想法却恰好没额度了，我就会给 Autoclaw 下指令，让它在凌晨替我发起提问，抢占夜里的五小时额度窗口；与此同时，我还会用 GPT 5.4 做补充协作。
虽然 Claude 的额度依旧要精打细算，但我的工作流已经不再完全被额度束缚。比如碰到完整代码文件时，我会先让 GPT 5.4 写出初稿，再交给 Claude 检查和优化，这样能大幅降低 Claude 的额度消耗。
如果有读者愿意耐心看完这一段近乎流水账的叙述，大概也能看出来，我在编码这件事上其实算不上真正有底子。虽然研究方向和机器学习联系紧密，但我并不是计算机科班出身，真要说有什么相关积累，也只是早些年凭兴趣零散自学过一点皮毛，最多只能写些简单前端页面。可到了今天，AI已经能轻松生成完整页面，当初那些靠热情一点点攒出来的技能，几乎已经被彻底抹平。
讲到这里，想必很多人都会有类似感受：随着人工智能快速迭代，我们自己的技能和能力似乎并没有同步成长，反而有相当一部分，正被AI的进化不断削平。
如果一定要说过去学过的计算机知识现在还有什么价值，大概就是在做第一个时间管理小程序《Timeflow - 时间流》时，我早年自学的一些页面交互知识，以及相对清晰地描述功能需求的能力，还能帮助我更准确地给 AI 下提示词。
可到了后来，为了记账而开发第二个小程序《Snowball Tracker》时，这些能力几乎已经派不上什么用场了：我只要对 Claude 说一句“这个UI不好看”“这个操作流程不够顺手”“我想增加某个功能”，它生成出来的代码就已经足够清楚，也足够实用。
（补充说明一下两个小程序对应的模型版本：第一个使用的是 Claude Opus 4.5，第二个则是 Claude Opus 4.6。当然，这也不能完全归因于模型本身的更新，毕竟我个人的成长和变化，也是这段过程里未被控制的变量之一。）
02
被削平的能力，被稀释的思考
很难相信，这样翻天覆地的变化，竟然只发生在半年之内。
如果说前面提到的AI迭代，改变的还只是我的日常工作流，削弱的是我在编码、页面编写这类执行层面的技能；那么更让我警觉、甚至感到发冷的是，它正在一点点侵蚀我在科研中的核心能力，也在重塑我对“研究”本身的底层理解。
作为一名在读研究生，比起按流程做完课题、拿到毕业需要的成果，我一直更在意的是：自己到底有没有真正学到东西，知识边界有没有被真正拓展。但AI的出现，正在让这种初心变得越来越难以坚持。
我到现在都记得，2022、2023年那会儿，我还是一个连配置 Anaconda 环境都要照着教程折腾一整天的新手；研一刚入学时，面对 YOLO 系列、ResNet、ImageNet 这些计算机视觉领域的里程碑成果，只觉得高不可攀。到了2024年底，为了顺利跑通 YOLOv5，我啃了大量文档，也补了很多基础知识，前前后后花了整整几周。
可现在呢？我只需要把编译器装好，再向 Claude 说明我希望用 YOLO 达成什么目标，它就可以直接给出一套完整、可运行的代码，甚至连数据标注的流程、参数调优时要注意的问题，它都能讲得非常清楚。后来因为研究对象的标注类别太多、分类任务过于繁杂，我把研究方法调整为表征学习下的二分类异常检测，但这种冲击感依旧没有减少。
技术实现的门槛被压到了极低的位置，过去需要花上数月学习和打磨的能力，如今AI一键就能代劳。
这让我产生了前所未有的焦虑：我花几个月精雕细琢的课题、辛苦寻找的创新点，会不会在AI下一次版本更新之后，就立刻变得平平无奇？我投入的所有工作量、所有研究价值，会不会被AI的一次迭代，瞬间抵消得所剩无几？
与其说这是担忧，不如说我已经在亲眼看着这样的事情发生……
我身边做机器学习研究的朋友很多，大家习惯把调算法、改参数的过程称作“炼丹”，这个比喻实在很贴切。算法像一座黑箱丹炉，我把数据投进去，它吐出结果，我只在意最后炼出来的“丹药”有没有效果，却往往讲不清楚，这颗丹究竟是怎么炼出来的。
以前的“炼丹”，是亲手完成的。药材怎么配、火候怎么控，每一次调整都需要记录、思考、复盘；即便炼坏了，也大致知道问题出在哪里，整个过程里始终有真实的参与感和思考痕迹。但现在，我像是拥有了一个无所不能的“炼丹童子”，而我们这个“太上老君”，只需要坐在殿中等结果，丹药不满意，说一句“重炼”就行，其余的一概不必过问。
久而久之，我开始不再关心丹炉的结构，也分不清药材各自的药性。AI把丹炼坏了，我不会去追究代码逻辑哪里出了问题、算法原理哪里有漏洞，只会让它再来一次；我失去了和问题较劲的耐心，也失去了深挖底层原理的欲望，仿佛只要最后能得到一个合格结果，过程中的思考、成长与沉淀就都不重要了。
我也说不清，这究竟是技术发展不可避免的结果，还是生产生活方式被重塑时必然要经历的疼痛。只是每当看见AI飞快向前，再看见自己对它越来越深的依赖，心里的迷惘就会一天比一天更重。
03
我们正在悄悄把AI，
塑造成新的神
而这份一直悬在心里的不安和困惑，在我写下这些文字的此刻，似乎又得到了一个更让我发冷的答案。
写这段内容时，我刚刚结束健身和有氧训练。运动过程中，我听了一期播客，几位主播从地缘政治、中美伊以冲突聊起，又谈到伊朗的宗教信仰为何会让他们不轻易向大国低头。再往后，话题自然延伸到了宗教本身，其中一位主播抛出一个问题，像针一样扎进了我心里：宗教是在造神，那么我们今天对待算法、对待AI，是不是也在悄无声息地把AI塑造成新的神？
我并不想在这里展开讨论宗教，但“把AI神化”这件事，越想越让我感到不安。
模型越来越强，我现在遇到问题的第一反应就是去问AI，甚至在潜意识里已经默认：它什么都懂，什么都会写，什么都会算，什么都能做。只要问它，好像就能得到一个标准答案；它在我心里，是否已经在慢慢变成某种全知全能的存在？
再往深处想：如果AI接入医疗诊断，哪怕只是最基础的代码编写场景，我又是如何对待它输出内容的？会不会它说什么我就信什么，不核实、不推敲，直接把它的话当成不可置疑的真理？
这不是没有可能，而是太有可能了。因为它总是说得很有条理，而我又恰好不够懂。
长久下去会怎么样？做判断靠AI，写作靠AI，思考靠AI，甚至连情绪宣泄、内心的纠结和拧巴，也第一时间去找AI倾诉。这并不是危言耸听，而是真实发生在我身上、也发生在周围许多人身上的事。
再进一步，会不会最后演变成：把某一款AI、某一位技术领袖、某一条技术路线，直接送上神坛，不允许任何质疑，也容不下任何批评？
我自己其实已经出现了这种倾向。我一直在用 Claude，它一次次给我正向反馈，我心里早已对它生出了某种说不清的偏爱。当我听说 Anthropic 拒绝让五角大楼使用 Claude 参与战争时，我甚至会主动在朋友面前替它说好话。这难道不就是一种潜移默化的崇拜吗？
仔细一想，整个逻辑其实很清楚：我先默认AI全知全能，然后无条件相信它，接着逐步对它形成极端依赖，最后亲手把它推上神坛。
人天生就有寻找权威、追求确定性、崇尚强大存在的本能，而现在，我是不是已经把这种本能，几乎完整地投射到了AI身上？
更值得玩味的是，那些高度追捧AI、并觉得自己已经把它用得很熟练的人，会不会逐渐生出一种莫名的优越感，觉得自己效率更高、更懂前沿技术，于是开始鄙视那些不用AI、或者仍然对AI保持怀疑的人？
当一个圈层形成，当鄙视链逐渐显现，某种宗教式崇拜所需要的要素，也就差不多齐了。
04
AI时代的群体割裂
而这种崇拜与鄙视链一旦成形，最终就催生出当下最荒诞的一种群体性分裂。
我们经常会听到一句话：看着AI狂飙突进，硅谷那些大佬一个个都很焦虑。进一步延展开来，就形成了一种共识：越懂AI的人，反而越容易不安，因为他们最清楚它迭代得有多快，也最知道它的能力边界正在扩张到哪里。
可如果把目光转回身边，看到的又往往是完全不同的图景。周围不少来自其他专业的朋友，几乎不会深度使用AI，最多只是用豆包、DeepSeek 写一些简单文本，既没有认真研究过提示词应该怎么写，也没尝试过拿它去完成更复杂、更核心的工作。结果就是，AI给出的内容甚至还不如他们自己写得好。久而久之，他们便会形成一种印象：AI好像也不过如此，从心底里觉得这东西并没有那么可靠。
一边是深陷其中的人，正在亲手把AI塑造成新的神；另一边则是始终站在圈层之外的人，只是浅尝辄止，甚至天然地对它保持疏离和怀疑。
于是就出现了这样一种颇为荒诞的对立：一端的人越用越依赖，越依赖越敬畏，最后不知不觉把AI捧成了不可质疑的新权威，甚至新信仰；另一端的人则隔岸观火，稍微试一下便不再继续，觉得AI无非是个包装精致的工具，远远没到会改变自己生活或社会走向的程度。
这种近乎极端的割裂，也自然延伸出了那个始终争议不断的话题：在各个领域里，到底是人更擅长，还是AI更擅长？这也是少数派年度征文的核心议题。说起来有点遗憾，我没能在征文期间把这篇文章写完。但现在回头看，也未必不是件好事。如今征文已经进入大众投票阶段，我看了不同文章也都有各自支持的对象，而这件事本身，恰恰说明了一个最朴素的事实：不管是人写的内容，还是AI生成的内容，最终都还是服务于人，因此自然会拥有各自的受众，也各有存在的意义。
而面对这两种极端，面对这场似乎永无休止的争论，我始终觉得，我们最需要做的，是保持清醒。
我们当然可以坦然接受并使用它的强大，也可以坦然承认，它能轻松替我们完成过去需要数小时、甚至数天才能做完的工作；没有必要为了强调所谓人的主体性，就刻意排斥这个时代最有效率的工具。
但我们也必须切断那种伸手就索要标准答案的惰性，必须警惕自己在日复一日的依赖中，慢慢丢掉独立思考的能力，滑向一种无需动脑的畸形演化。永远不要主动跪下去，把AI供成高高在上的神。必须始终清楚：无论它迭代得多强，无论它能替我们完成多少工作，它终究只是人类制造出来的工具，还远远没有诞生真正意义上的自我意识。
写在最后
写到这里，我自己也忍不住有些无奈地笑了。又是这样，一篇文章写着写着，就碰到了我个人知识水平和认知边界所能解释、所能把握的话题边缘。可即便如此，这些在下笔时连我自己都感到意外的想法，我还是想尽量原样写下来，就这么不加过多修饰地发出来。
我也明白，如果再往更深处走，关于技术与人性、工具与主体性、群体认知与时代变化的讨论，早就已经不是一篇随笔能够承载的哲学和社会学命题，不是我几句话就能讲清楚的。
所以绕了一圈，最后还是回到了最朴素、也最让我安心的日常生活上。
前面提到过，我过去总会在大模型运行和思考的空隙里，不由自主地刷短视频，让那些碎片内容填满等待的空白。但现在，我开始找到一种与这些空白相处的方式：当模型在跑代码时，我就拿这段时间写下这些文字，或者翻开那些搁置已久的书。
我自己常常半开玩笑地形容这件事：AI在思考的时候，我也在思考。
它有它自己的迭代轨道，我也有我自己的成长节奏。它可以在毫秒之间生成代码、给出回答，而我也可以在等待的几分钟里，多读一页书，多写几行字。
说到底，这篇文字，不过是我站在AI高速迭代浪潮中，对自己一段零散心路的整理，是几句发自内心的感受。有迷茫，有焦虑，有警惕，也有最终找到的一点点踏实。
只是寥寥几句，并不成体系，也真诚希望大家批评和指正。
所以，当AI在思考的时候，我们也该想一想，自己究竟应该思考什么，并开始去寻找属于自己的答案。
—End—