AI时代新超能力：专注与坚持
The New AI Superpowers: Focus and Followthrough
传统观点认为职业倦怠源于过度劳累，因此当AI将任务效率提升2到100倍时，我们理应感到轻松。然而现实恰恰相反，AI的诱惑让我开启了数十个新项目，陷入了“制造工作”的陷阱。作为连续创业者和新手爸爸，我一度试图利用AI同时推进所有想法，结果却感到前所未有的疲惫。我意识到，在AI时代，真正的策略不是横向扩展任务数量，而是纵向深耕那些真正重要的事。与其追求“足够好”就发布，不如利用节省下来的时间，为那决定性的最后1%付出努力，因为99%与100%之间的体验差距是百倍级的。唯有极度专注并坚持完成少数关键项目，我们才能真正享受AI带来的红利，避免倦怠。
你可以拥有生活中的一切，但无法拥有一切。
HN 评论区
79- cgearhart
这似乎和我公司全面拥抱 AI 时观察到的一个趋势非常相关：现在大家都觉得任何问题用 AI 只要“几个小时”就能搞定，而且每个人都想要零外部依赖，因为独自行动能更快。结果，我们反而陷入了一个更糟糕的“又一个……”时代，每个人都构建了大致相同（但不知为何互不兼容）的入门级软件版本。讽刺的是，虽然他们想要零外部依赖，却也在推动组织层面的强制要求，让所有人都必须使用他们自己的解决方案。与此同时，没人愿意去做那些难以自动化或扩展的缓慢/瓶颈环节；他们只是扔个“智能体（agent）”上去就宣称大功告成——但那里其实什么都没有。你可以信任智能体处理简单任务，但不能信任它处理困难任务，可你根本分不清哪些是简单的，哪些是困难的。基础模型技术的进步只能移动问题的阈值，却无法消除问题本身。
长话短说，我认为我们正处于组织价值函数滞后于技术的阶段。过去，“概念验证（proof of concept）”往往与“工作量证明（proof of work）”以及一定程度的领域理解相关联，但现在我认为我们需要关注的是“理解力证明（proof of understanding）”，否则你可能只是在为一个问题的婴儿版浪费 tokens。目前一个不错的代理指标是：如果你的解决方案零外部依赖，那它大概率只是个玩具。
- LogicFailsMe
在我的副业时间里，我用编程智能体去探索那些否则我永远没机会构建的“如果……会怎样”的项目。
在我的本职工作里，我用 AI 来修复配置、容器和安装问题，这样我就能把时间花在写代码上，而不是挣扎着去修复主要是别人犯下的错误。说真的，在这个 Python 轮子、容器、虚拟环境和碎片化 API 泛滥的时代，如果靠手工做这些事，认知负荷足以让我一天都干不下去。
一年半过去了，我还没有职业倦怠。如果有的话，我反而是在加速。我不再害怕添加 Web 界面，不再害怕海量的单元测试，也不再害怕部署别人的软件。
我没有用它来构建产品，而是用它来增强支撑栈。当然，随着 AI 格局的演变，这一切都可能改变。
- crucialfelix
我之前因为同时 juggles 多个会话而感到热血沸腾、压力山大。我转而管理我的待办清单（基于 Obsidian），编写规格说明，在后台启动智能体。然后我进行审查、修改、合并和发布。
这是一个固定的循环，我通过优化来保持轻松投入的状态。
功能迭代和修复的速度大幅提升。
- bigyax
我其实并没有感到“职业倦怠”，虽然我也有一堆处于不同“氛围完成度”的项目搁置着。通常只是一个项目比其他的更吸引我的注意力，所以其他的就被稍微冷落了。不过我对此无所谓，我很高兴看到所有这些我的“永远项目”终于活了起来。我担心的恰恰是相反的情况：当我把所有事情都做完时会发生什么？我会没想法了吗？我希望不会，但我的一些心头好项目已经达到了某种完成度，让我实在看不出还能再加什么了，对我来说它们已经“完成”了。这让我可以腾出手来做下一个项目，但万一我项目都做完了怎么办！
- jalev
真疯狂，我们竟然看到人们在重新发现同一个解决方案，来解决我们永远都有的同一个问题：对自己的“心爱之作”过于珍视。
代码生成器降低了实现每个人曾经有过的所有烂点子的摩擦成本，但因为开发者似乎从未体验过抛弃烂点子（毕竟如果它已经被写成代码了，那它肯定很重要对吧？），他们把代码生成器产出的所有内容都当作珍贵点子，最终导致大脑杂乱无章，引发了作者所经历的“实现疲劳”。解决方案是什么？走一遍同样的流程，但一次只专注一个点子，并把它做好。
这让我不禁好奇，如果经历这些痛苦的人除了软件工程之外还有其他爱好（比如任何创造性的活动），他们是不是能更早地察觉到这些迹象。