AI 时代开发者的四种认知原型分析

杠杆效应与依赖之间的权衡

最近，我一直在思考一件事：

对大多数开发者来说，问题已经不再是“你是否在使用 AI？”，而是“你如何使用 AI，又为什么使用 AI？”。

我注意到，AI 工具正日益深入地融入我的日常工作流。去年的这个时候，我对 AI 的使用还仅限于 IDE 里的代码自动补全建议，而且每条建议都会由我手动验证。如今，我会使用 Coding Assistant 帮助构思、制作原型和重构项目。仅仅一年，我的工作流就发生了巨大变化。

现在，我已经很难想象在没有 AI 工具的情况下编程，因为它确实提高了我的生产力。这种感觉，就像当初拥有第一部智能手机一样。

AI 越来越像我的第一部智能手机：它带来了颠覆性的改变，极其有用，也足够强大，以至于我必须有意识地培养一些习惯，避免对它产生过度依赖。比如睡觉时把手机放在卧室外，偶尔不带手机出去散步，只为和自己的思绪独处。

如今，我也在尝试围绕 AI 的使用建立同样的觉察：理解它如何塑造我的思维、在哪些地方对我有所帮助，以及它又可能在哪些地方悄无声息地削弱我的思考能力。

AI 改变的不只是我们构建产品的速度，它也在影响我们的思考方式。

因为并非所有 AI 用法都是等价的。每一种用法，都可以对应到一定的认知成本。

有时，AI 能帮助我们更清晰地思考、更快速地行动。但有时，它也会在我们尚未察觉之前，悄悄取代一部分原本属于我们的推理过程。

我意识到，有些时候我使用 AI，并不是因为需要借助它获得杠杆效应，而只是因为我想避开思考过程中遇到的阻力。

这个认识促使我不再笼统地思考“是否使用 AI”，而是更多地关注不同的“AI 模式”。

每种 AI 模式都有相应的认知成本

我将它们分为三类：支持型、混合型和风险型。

• 解释陌生的代码或架构

这类模式利用 AI 拓展你的思考，认知成本较低。

• 生成样板代码
• 提供重构建议
• 起草文档

这类模式利用 AI 节省时间，但如果使用时不够谨慎，也可能压缩你对问题的理解。它们会带来相当可观的认知成本。

• 不加判断地接受 AI 生成的解决方案
• 过早地将核心架构设计交给 AI
• 在自己尚未深入思考之前，就让 AI 决定实现方式
• 在没有理解根本原因的情况下，把大量调试工作交给 AI

从表面上看，这些做法可能让人感觉效率很高，但如果频繁使用，这些 AI 模式会削弱长期理解能力，并带来高昂的认知成本。

亲自实践与反思也会影响你的总分

在交付代码时，我还会准备一组反思练习，并在工作流的不同阶段使用它们。这些练习能够强化健康的行为习惯，从而减轻 AI 模式带来的一部分认知成本。

• 我是否先尝试过自己解决？
• 我是在用 AI 拓展思考，还是绕过思考？
• 我是否深入审视了其中的假设？
• 我能否解释为什么这个输出能够正常工作？
• AI 可能忽略了哪些风险或边界情况？
• 到了明天，不重新阅读内容，我还能解释这个解决方案吗？
• 我是否保留了对工作的主导权？
• 这是杠杆效应，还是依赖？

随着时间推移，反复形成的 AI 使用习惯影响的不只是生产力。

它们还会塑造我们的思考方式。

这些模式塑造了你的认知原型

认知原型主要有四种：

• AI 拓展了思考，同时没有取代你的主导权
• 整体上较为健康，但需要警惕混合模式逐渐蔓延
• 效率可能掩盖了理解能力的弱化
• AI 可能主导了过多的推理路径

这些原型并不是一门精确科学。它们只是一个用来提升自我觉察的框架。

你是否也在自己的日常工作流中注意到了不同的“AI 模式”？如果有，你最常处于哪一种模式？

你的认知原型会是哪一种？为什么？

我很想知道，其他人是如何看待自己使用 AI 这件事的。

感觉我们所有人都在一边实践，一边摸索并建立这些习惯。

我的看法是：正确的方向并不是减少使用 AI。

AI 显然能带来真正的杠杆效应，但如果缺乏觉察，这种杠杆效应也可能伴随着隐性成本。

因此，知道何时切换模式变得至关重要。

什么时候，AI 应该扮演老师、批评者、加速器或协作者？

什么时候，AI 应该辅助驾驶者，而不是自己接管方向盘？

因为更快地产出当然很好，但前提是理解能力也能同步跟上。

我围绕这个框架制作了一个个人追踪工具，以便更好地衡量自己长期形成的习惯。

它可以帮助我为不同的 AI 模式评分、监测依赖程度的偏移，并发现自己工作方式中的规律，让我能够随着时间推移，更有意识地作出调整。

如果你也觉得它有用，我正在免费分享这个工具，也真诚希望听到你的反馈：https://javz.gumroad.com/l/ai-thinking-balance-tracker

部分评论可能只有登录后的访客才能看到。请登录以查看全部评论。

如果需要采取进一步措施，你可以考虑屏蔽此人和／或举报滥用行为。