理解 LLM 倦怠：AI 辅助开发的心理与技术代价

LLM 倦怠是一种新型的认知疲劳

LLM 倦怠并非传统的职业倦怠，而是一种特定的心理疲劳，源于 AI 生成内容的重复性以及开发者角色从创造者向审查者的转变。这种倦怠表现为：由于 LLM 输出中可预测的模式（如幻觉、断断续续的片段和过度使用表情符号）而产生的阅读恐惧感，以及管理大量 AI 生成代码所带来的精神压力。

从编写到审查的转变

对于许多开发者而言，主要工作职能已从设计和编写代码转变为“设计、描述、审查、然后完善”的循环。虽然这提高了整体生产力，但也引入了几个新的压力源：

持续 QA 的负担

随着 LLM 接管了编码中具有创造性和多变性的部分，人类开发者往往被留下了“盖章认可”或质量保证（QA）这类重复性任务。这种转变反映了工业革命从熟练手工艺向流水线作业的过渡，开发者成为了不断涌入的 AI 生成输出流中的瓶颈。

“审查者的困境”

审查 AI 代码可能比从头开始编写代码更耗费精力。开发者报告了一种困境：他们要么必须盲目信任输出结果——从而面临项目损坏的风险——要么必须实现一套详尽细致的单元测试来验证每种场景。当团队成员在尽职调查方面表现不足，导致生成了大量低质量的 Pull Requests (PRs) 时，低质量 PR 的数量可能会让审查者的有限注意力应接不暇。

生产力悖论与不断提高的预期

虽然 LLM 可以将单个开发者的输出提高多达 20 倍，但这种生产力的提升往往导致压力增加，而非工作量减少。

• 加速的工作流： 能够让 Agent 在夜间运行并通移动设备提供指令，会产生一种开发者必须时刻让“机器人忙碌起来”的感觉。
• 瓶颈效应： 由于 AI 生成任务和代码的速度比人类审查的速度更快，开发者会感到一种持续的压力，必须去解锁不断增长的已完成 AI 任务队列。
• 更高的标准： AI 能够毫不费力地润色演示文稿和报告，这提高了所有交付物的基准预期，从而进一步增加了工作量。

技术与风格上的挫败感

除了认知负荷之外，LLM 输出中的特定技术模式也会导致倦怠：

• 风格重复： 可预测的语言标记——例如破折号、"it's not X, it's Y" 的句式结构，以及特定的词汇选择（例如使用 "land" 来表示完成）——会产生一种直观的疲劳感。
• 模型退化： 一些用户察觉到质量的“平坦化”，这表明 AI 公司可能正在优先考虑降低计算成本，而非严格遵守用户指令，从而导致模型性能出现不透明的降级。
• 依赖风险： 对 LLM 的依赖可能导致对基础知识的完全丧失。有报告称，一些开发者因为完全依赖 AI 生成代码而不理解底层机制，导致他们无法搭建本地环境或配置环境变量。

缓解策略

试图管理 LLM 倦怠的开发者们提出了几种战术方法：

"我开始在团队中抱怨这件事了；至少在你的 Agent 规则中加入一份个人风格指南，以消除破折号、'it't's not X, it's Y' 的句式、名词前冗长的修饰语列表……"

其他策略包括将 LLM 的使用限制在极其具体的任务中，并在 AI 生成的样板代码与人类编写的业务逻辑之间保持严格的界限，以确保开发者始终是系统的主要架构师。