AI 浪潮下，告别无效焦虑

2026 年 5 月的一个周二，9 点 14 分。

你刚到工位，咖啡还没拿到，公司群里第一条消息已经弹出。同事转发了一篇公众号，标题是 OpenAI GPT-6 发布，编码能力提升到 SWE-bench 88.4%，推理基准超过人类博士平均水平。你点开收藏，准备晚点细看。

9 点 47 分，X 群里又被刷屏。Claude Code 推出 Agent Team beta，Subagent 之间可以相互通信、定义角色、委派任务、从不同视角综合给出调研结果。你打开 Anthropic 的官方文档，刚滑到第二屏。

10 点 23 分，老板的钉钉弹窗：调研一下字节最新的 OpenViking 记忆库，看看团队里有没有落地场景，下午 5 点前给我个初步结论。

你切到 OpenViking 的 GitHub README，扫了三分钟，回复：

好的！大哥！

一个上午，三轮技术迭代。你已经记不清第一篇文章的标题，第二个产品的核心机制，也没真正打开第三个项目的代码。但你感觉自己被一种东西追着跑，一种说不清是什么、但停下来就会被甩开的东西。

你脑子里闪过一个画面：你花六个月手搭一套 Harness Engineering 工程，像匠人一样打磨 Agent 之间的协作流程，项目终于上线那天，HR 把你叫进会议室。

我也曾经陷在这样的焦虑里。直到深度使用 AI 之后，我才发现，我焦虑的对象根本就错了。

把"焦虑"这个词拆开。

OpenAI 过去 12 个月发了 9 个模型，Anthropic 发了 6 个，Google 发了 11 个。光是 Claude Code 一个产品，从 2024 年 10 月内测到现在，更新日志超过 200 条。你不可能每个都学，每个都用，每个都有发言权。

但你刷信息流的时候，大脑不是这么算账的。每看到一条 XX 模型发布，你的潜意识默认翻译成：别人已经知道了，你还没。

这不是技术焦虑，是 FOMO（Fear of Missing Out）。是怕同事在饭桌上聊一个新功能你接不上，是怕周会上老板问起你说不出所以然，是怕在朋友圈错过一个能拿来发动态的话题。

一个对照，回想一下：

如果三个问题你都答不上来，那你不是在学习 AI，是在消费关于 AI 的信息。这两件事看起来很像，但中间隔着一道天堑：前者构建能力，后者只构建焦虑。

让我说一个具体的故事。

今年 3 月，我接了一个真实的需求：把一套大概 8000 行的老 Python 服务，从同步重写成异步，外加加一层 Redis 缓存。我打算让 Claude Code Agent Team 来做。四个 Subagent，一个负责重构主逻辑，一个负责改测试，一个负责加缓存，一个负责 review。

听起来很美好。

实际跑下来：第一个 Agent 改完主逻辑，第二个 Agent 改测试时发现接口签名变了，开始反向改第一个 Agent 的代码；第三个 Agent 加完缓存层，第四个 Agent review 时指出缓存键设计有问题，又退回让第三个改；改完之后第二个 Agent 的测试又跑不过了。

整个过程跑了 47 分钟，消耗大约 80 万 tokens，最后输出的代码能跑，但质量不如我自己花两小时手写。

这不是 AI 不行。是Agent 之间的协作开销，会随任务复杂度指数级上升。任务一旦越过某个边界（我的经验是单文件 1500 行、跨文件 3 个以上），Team 模式的优势就被沟通成本吃光了。

类似的边界还有很多：

祛魅不是贬低 AI，是知道边界。而焦虑的反面，就是知道边界。

你只是远远看着 AI 越来越强，会觉得它无所不能；真把它推到失败，你会发现它能做什么、不能做什么、什么时候用、什么时候别用，这一切清清楚楚。

清楚的人不焦虑。焦虑的人，都还停在"听说"的阶段。

这里有个矛盾值得停下来想一想。

一方面，所有大厂 CEO 都在说 AI 会取代程序员；另一方面，你的老板还在催你调研 OpenViking、调研 Agent Team、调研下一个工具的落地场景。

一个东西不能既是"完全能替代你"，又是"需要你来评估怎么用"。除非真正被替代的不是写代码的人，而是等着被分配任务的人。

具体一点。同样一支 Claude Code，两个工程师：

半年之后，这两个人的差距不是 30% 对 100%，而是会用工具和定义问题之间的差距，这个差距是非线性的。

AI 把"知道怎么写"这件事的成本压到了零。这意味着：知道写什么的价值，第一次被单独剥离出来。以前这两件事是绑在一起的，会写的人大概也知道写什么；现在不是了。

被取代的不是工程师，是工程师身上"执行规定动作"的那一部分。剩下的那一部分，判断、定义、取舍，反而第一次变得稀缺。

那个项目上线即裁员的画面之所以可怕，不是因为它会发生，而是因为你心里清楚：如果你只在做规定动作，那 AI 不取代你，迟早也有别人取代你。这跟 AI 没关系。

去年这个时候，我每周看大概 5 篇模型发布、3 篇行业分析、若干 X 上的技术线程。一周下来收藏夹增加 20+ 条，真正读完的不超过 3 条。

现在我换了一种活法。

每周只做两件事。

一是用一个工具解决一个真实问题，用到极致。上个月是 Claude Code 的 hooks 系统，我把团队代码评审里反复出现的 5 类问题写成 hook，每次提交自动检查，一周之后我们的 PR 平均轮次从 3.2 降到 1.8。这件事没有任何一篇公众号教过我，是我自己用出来的。

二是把一个真实问题，往深里挖一层。上周老板让我调研记忆库，我没有去看 OpenViking 的 README，而是先回头问了一个更基础的问题：我们团队真的需要记忆，还是只需要检索？这两件事在产品宣传里经常被混在一起，但实际场景下解决的问题完全不同。最后给老板的报告，结论是不引入。老板比看到我们也接入了 OpenViking 更满意。

这两件事看起来都慢，都不够新，都不能在群里转发。但半年之后，我手里有 20 个真实场景的深度经验，而不是 200 条收藏夹链接。

我不再焦虑了。不是因为我学得快。恰恰相反，是因为我放弃了"学完"这件事。

当 AI 把"知道"的成本压到零，"做到"就成了唯一稀缺的事。

那些真正会被 AI 取代的人，焦虑的方式恰恰证明了他们为什么会被取代：他们在收藏文章，而不是在解决问题；他们在追工具，而不是在追问题；他们在害怕错过，却从来没认真想过自己究竟想抓住什么。

明天早上 9 点 14 分，群里还会有新的转发。

你打算怎么办？