理解 LLM 倦怠：AI 輔助開發的心理與技術代價

LLM 倦怠是一種新型態的認知疲勞

LLM 倦怠並非傳統的職業耗竭，而是一種特定的心理疲勞，源於 AI 生成內容的重複性，以及開發者角色從「創造者」轉向「審查者」的轉變。這種倦怠表現為對閱讀 LLM 輸出的恐懼，因為其模式可預測——例如幻覺、斷斷續續的片段，以及過度使用表情符號——以及管理大量 AI 生成代碼所帶來的精神壓力。

從編寫轉向審查

對於許多開發者而言，主要的工作職能已從設計與編寫代碼轉向「設計、描述、審查，然後精煉」的循環。雖然這提高了整體生產力，但也引入了幾種新的壓力源：

持續進行 QA 的負擔

隨著 LLM 接管了編碼中具備創意與變動性的部分，人類開發者往往被留下了「蓋章認可」或品質保證（QA）的重複性任務。這種轉變反映了工業革命從熟練工藝向組裝線工作的過渡，開發者變成了不斷湧入的 AI 生成輸出流中的瓶頸。

「審查者的困境」

審查 AI 代碼可能比從頭開始編寫代碼更耗費精力。開發者報告了一種困境：他們必須要在盲目信任輸出（冒著專案毀壞的風險）與實施一套極其詳盡的單元測試來驗證每個情境之間做出選擇。當團隊成員在盡職調查方面表現不足，導致產出大量低品質的 Pull Requests (PRs) 時，這些低品質 PR 的數量可能會壓垮審查者有限的注意力。

生產力悖論與不斷提高的期望

雖然 LLM 可以將單個開發者的產出提高多達 20 倍，但這種生產力的提升往往導致壓力增加，而非工作量減少。

• 加速的工作流程： 能夠在夜間運行 agents 並透過行動裝置提供指令，會讓人產生一種開發者必須隨時讓「機器人保持忙碌」的感覺。
• 瓶頸效應： 因為 AI 可以並行生成任務與代碼的速度比人類審查的速度更快，開發者感到一種持續的壓力，必須去解除不斷增長的已完成 AI 任務隊列的阻塞。
• 更高的標準： AI 能毫不費力地潤色簡報與報告的能力，提高了所有交付物的基準期望，進一步增加了工作量。

技術與風格上的挫折感

除了認知負荷之外，LLM 輸出的特定技術模式也導致了倦怠：

• 風格上的重複性： 可預測的語言標記——例如破折號、 「it's not X, it's Y」 的句式，以及特定的用詞選擇（例如使用 "land" 來表示完成）——會產生一種直觀的疲勞感。
• 模型退化： 一些用戶察覺到品質的「平坦化」，這表明 AI 公司可能正在優先考慮降低計算成本，而非嚴格遵守用戶指令，導致模型性能出現更不透明的降級。
• 依賴風險： 對 LLM 的依賴可能導致對基礎知識的完全喪失。有報告指出，開發者因為完全依賴 AI 生成代碼而無法理解底層機制，導致他們甚至無法設置本地環境或環境變數。

緩解策略

試圖管理 LLM 倦怠的開發者提出了幾種戰術方法：

"I've started complaining about it with my team; at least have a personal style guide in your agent rules that eliminates emdashes, the 'it's not X, it's Y's, the long lists of modifiers before the noun..."

其他策略包括將 LLM 的使用限制在極其特定的任務中，並在 AI 生成的樣板代碼與人類編寫的業務邏輯之間保持嚴格的界限，以確保開發者仍是系統的主要架構師。