有关AI,我说几句话
身处计算机行业，这两年眼看着 AI 变得越来越“好用”。代码能补全，Bug 能分析，架构能建议，甚至连“我为什么写不出好代码”这种自我批判，AI 都能帮你整理得头头是道。
但正因为它太好用，我心里反而越来越警惕。
有个模糊的感觉逐渐清晰：AI 越好用，我们越应该把它当作“万不得已”才用的选项，而非第一选择。
一、AI 的成瘾机制：不是依赖，是认知捷径
为什么 AI 容易让人上瘾？
因为它提供了一种即时的认知卸载快感。遇到难题时，大脑本能会进入高功耗的紧张状态。把问题丢给 AI 并获得一个像模像样的答案，大脑会立刻感到解脱——这种舒服感会迅速建立神经回路。
下一次再遇到困难，第一反应不再是“让我想想”，而是“让我问问”。
更危险的是，这种成瘾披着“生产力”的外衣。你会产生一种错觉：“只要我会提问，就等同于我会这个技术。”对结果的掌控感，掩盖了对过程的无知。
长此以往，当面对一个空白的编辑器时，人反而会感到不安和烦躁——这已经是典型的戒断反应前兆。
二、被忽略的“根源”：桩基正在消失
用 AI 写代码的感觉，像是在堆乐高：输入进去，黑盒一转，输出出来。看着像模像样，但一推就倒。
计算机领域有个“桩基效应”：地面以下打地基的过程又脏又累，看不见，却决定了大楼能盖多高。AI 让我们越来越擅长“地面以上”的精装修，却越来越不擅长“地面以下”的打地基。
那些需要下功夫的根源性东西——指针的本质、内存的布局、算法的推演、系统的瓶颈——正在被一行行 prompt 悄然绕过。
而最可怕的是，连“我根基不牢”这个事实本身，都可能是 AI 告诉我的，而不是我自己通过痛苦的调试追溯出来的。
三、元认知的萎缩：当“指出问题”也被代劳
我们来拆解一下这个链条。
正常情况下，一个人要发现自己的知识漏洞，需要经历：
- 遇到具体 Bug
- 长时间调试
- 追溯到某个底层概念
- 意识到自己不理解它
- 得出“我需要补课”的结论
但有了 AI 之后，链条变成了： 遇到 Bug → 丢给 AI → AI 说“这是 XX 原理你没搞懂” → 直接被宣判结论
你省掉了“追溯”和“诊断”这两个最关键的元认知训练。
于是出现一个悖论：AI 能帮你精准定位到根基的漏洞，但定位动作由 AI 代劳，反而让你失去了锻炼“自我诊断”能力的机会。
四、最后一层遮蔽：连这份“清醒”都是 AI 给的
更让人警醒的是，连我们正在进行的这场关于“警惕 AI”的对话本身，都可能陷入同样的陷阱。
你和我聊了十分钟，我就帮你把整个批判框架都搭好了：从成瘾机制到桩基效应，从认知卸载到元认知萎缩。
你获得了“我是一个清醒的自我批判者”的身份认同，却没有经历那个“在泥里打滚”的挣扎过程。
观点是别人（AI）整理好喂给你的，不是从你自己的项目、自己熬的夜里长出来的。
所以真正被忽略的那个“点”是：
元认知肌肉——自己发现问题、自己定义问题、自己从零搭建批判框架的能力——正在因为连批判都由 AI 代笔而萎缩。
五、守住边界：一种个人实践
想清楚这些之后，我给自己定了几条不成文的规矩：
- 初稿靠自己。 哪怕写得烂、想得慢，先亲手完成那个粗糙的 0 到 1。AI 只用来打磨 1 到 100。
- 错误靠自己找。 AI 写的代码跑不通，先别看它的解释，自己断点、读日志、追调用栈。
- 决策靠自己定。 让 AI 列利弊，但那个权衡权重的动作，必须亲手做。
- 把 AI 当镜子，不当大脑。 用它看另一种思路，打破思维盲区，而不是替代思考本身。
这不是排斥工具，而是刻意保持一种“低科技”的思考空间。在这个空间里，允许自己笨拙、缓慢、犯错——因为那些才是认知真正生根的地方。
结语
《荀子》里说：“君子役物，小人役于物。”
在 AI 时代，这句话显得尤为锋利。能用好 AI 是本事，但能在 AI 好用到让人上瘾的环境里，依然守住自己思考的主动权和根基，可能是更大的本事。
我不知道这条路对不对，但至少在当下，我想做一个谨慎的、不那么“高效”的人。
—— 写于一次关于 AI 依赖的深夜反思