开始使用 GitHub Copilot、ChatGPT 或 Cursor 的开发者通常会描述同样的“蜜月期”。曾经需要两小时的任务现在只需二十分钟。只需按一下 Tab 键，样板代码便消失不见。然而很快，论坛和 Slack 频道中就会开始出现一种更隐蔽的抱怨：疲惫感。工具写了代码，但这个过程本身却在消耗你。问题不在于代码本身，而在于“消费”代码的工作。
没人预料到的瓶颈
几十年来，软件工程的约束一直是打字速度。无论你思考得有多快，你的手指和语法知识都设定了上限。AI 助手打破了这一上限。在你读完第一块代码之前，它们就能跨多个文件生成数百行代码。这种速度听起来像是自由，但它却制造了一个意想不到的交通堵塞。突然之间，流水线中最慢的部分变成了你阅读、理解并验证刚刚出现在屏幕上的内容的能力。你变成了一个项目的全职代码审查员，只不过作者是一个永不眠、永不累的算法。
这种劳动模式的转变改变了编程过程的质感。你不再是在创作与轻量验证之间交替，而是陷入了持久的验证模式。而验证并非被动的阅读，而是一种带有怀疑色彩的主动分析。每一个变量名、每一个边界条件和每一个 import 语句都需要通过心理过滤，因为 AI 并不承担任何后果。当生产环境任务失败并在凌晨 3 点把你叫醒时，AI 是不会为此负责的。
为什么你的大脑会撞墙
这种疲劳并非懒惰，而是海量输出与有限人类带宽之间一场可预见的碰撞。
信息量过载。 一个典型的 AI 建议可能一次性包含一个完整的 React 组件、其样式逻辑、工具函数和单元测试。你的工作记忆一次能承载的内容是有限的。当屏幕上填满了数十行新代码时，你的大脑要么必须将它们压缩成抽象模式，要么必须按顺序扫描。这两种策略都会消耗注意力。在审查了几个这样的代码块后，心理上的“肌肉酸痛感”就会袭来。你在阅读，但已不再是真正的理解。
信任鸿沟。 AI 生成的代码看起来很有权威性。缩进完美，变量名合理，注释甚至出现在正确的位置。但权威并不等同于准确。代码可能会使用已弃用的 API，遗漏涉及 null 输入的边界情况，或者引入微妙的 SQL 注入风险。正因为你知道这种情况可能会发生，你便无法走马观花。你必须像进行安全审计一样，警惕地检查每一个 return 语句和每一个逻辑分支。这种持续数小时的高强度审查在认知上是非常昂贵的。这也就是为什么机场安检人员需要轮班工作的原因：持续的警觉性会迅速下降。
工作流不匹配。 大多数开发环境和团队流程仍然假设人类遵循“编写后测试”的节奏。代码库以人类的速度增长，代码审查按计划批量进行。当 AI 被强行塞进这个流水线时，流程就断裂了。你生成二十行代码，停下来验证，要求修改，再次验证，然后转向下一个函数，从而丢失了对整体架构的把握。在创造性生成与怀疑性验证之间不断的上下文切换产生了摩擦。你的 IDE 是为“作者”设计的，而不是为在持续截止日期下工作的“编辑”设计的。
疲劳循环
这些因素共同构成了一个随着时间推移而不断恶化的循环。
助手在几秒钟内吐出一个功能实现。接着你得花十五分钟去追踪 import、检查类型兼容性，并在脑中模拟边界情况。到了第三或第四轮，你的注意力开始涣散。你开始接受那些“看起来基本没错”的代码片段。错误随之溜进代码库。为了弥补，你不得不放慢速度，这反而抵消了最初获得的效率提升。一天结束时，你手头的原始代码比平时更多，但信心却更低，而且那种头痛感预示着你是在“苦干”而非“巧干”。
当速度变得危险
如果这种模式固化为日常习惯，其损害将不仅仅限于一个糟糕的下午。
职业倦怠会悄然而至。它表现为打开项目时的恐惧感，或是无法直视另一个带有柔和高亮代码块时的烦躁感。当原本应该帮助你的主要工具变成了疲劳的主要来源时，怨恨感也随之而来。
此外还有技能萎缩的问题。当你停止进行这项工作时，将意图转化为语法的“肌肉”就会变得无力。你可能仍然擅长系统架构，但那种细粒度的熟练度——例如知道为什么某种循环结构感觉不对劲，或者回忆起某个特定库在负载下的表现——会在自动补全层处理细节时逐渐消退。随着时间的推移，你面临着从一名主动的工程师沦为一名被动的策展人的风险。
然而，最直接的危险是草率的部署。在维持开发速度的压力下，加之长时间阅读机器输出带来的疲劳，开发者有时会部署未经充分验证的代码。