AI 吸血鬼效應：為什麼工具越強，工程師越累？
前言
2026 年的人工智慧領域正在上演一場看似矛盾的科技現實：當 Claude Code 這樣的新一代 AI 程式設計工具把矽谷工程師的工作效率推到前所未有的高度，當十倍生產力從口號變成真實的工作體驗，整個開發者社群卻被一種前所未有的疲憊感籠罩。
曾任職於 Google、Amazon，擁有四十年矽谷軟體工程經驗的 Steve Yegge，在他二月發表的文章《The AI Vampire》中描述了一個讓業界心驚的現象——他和身邊的工程師們在長時間與 AI 協同的氛圍程式設計（vibe coding）後，會毫無預兆地在白天突然入睡。他將這種狀態稱為「瞌睡攻擊」（narcoleptic attacks）。
AI 工具越強，人類為何越累？這場效率革命的背後，究竟藏著怎樣的職場邏輯和人性困境？
AI 效率提升是真實的
首先必須承認，AI 程式設計工具帶來的效率提升是真實且顛覆性的。在 Yegge 看來，之前業界關於 AI 對實際工作幫助有限的所有討論，在 Claude Code 搭配 Opus 4.6 版本投入實際使用後，都已經失去了參考價值。
這套 AI 工具組合最大的價值，在於顯著降低了從問題定義到可運行程式碼之間的轉換成本。以前一名熟練工程師需要花費幾天甚至幾週完成的程式設計任務，現在在 AI 的協助下幾個小時就能完成，單位時間內的產出能夠輕鬆達到傳統工作流的數倍，甚至十倍。
AI 吸血鬼效應
但就在這樣的效率狂歡中，一個詭異的現象開始蔓延——越來越多的軟體工程師開始公開談論自己的共同體驗：雖然工作產出大幅提升，但疲憊感的累積速度比產出的提升速度還要快。
Yegge 將這種現象定義為「AI 吸血鬼效應」。這個概念的靈感來自美劇《乃出個未來》（What We Do in the Shadows）中的角色 Colin Robinson——他並非傳統意義上吸食鮮血的吸血鬼，而是「能量吸血鬼」，只要和他待在同一個房間，周圍人的精力就會被悄悄抽乾。
和 AI 待在一起，正在耗盡我們的精力。 —— Steve Yegge
一線工程師的真實體驗
軟體工程師 Siddhant Kare 在 2026 年 2 月 8 日發表的《AI Fatigue Is Real》一文中，給出了一幅真實的職場畫像。
Kare 寫道，自己上一個季度的程式碼交付量達到了職業生涯的峰值，這是 AI 工具帶來的直接成果。但與此同時，他的精神疲憊也達到了前所未有的狀態。
工作模式的根本性轉變
- 引入 AI 之前：深度專注，用整整一天的時間聚焦於一個單一的技術問題，保持連貫的思維路徑。大腦有自然的思考節奏，也有解決問題後的放鬆時刻。
- 引入 AI 之後：一天之內需要並行處理五到六個不同的問題域，每個問題在 AI 的協助下單獨耗時大幅縮短到一小時左右。看似效率提升了，但問題之間的頻繁切換構成了巨大的認知負荷。
AI 本應該提高我們的生產力，那為什麼大家反而更加疲憊了呢？每項任務都會變得更快，所以你能完成更多的任務，但是你的大腦不像 GPU 那樣可以無限擴展。 —— Siddhant Kare
AI 不會在問題間隙感到累，但是我會。
流水線上的質檢員
更關鍵的是，AI 的介入並沒有改變職場的責任歸屬，反而讓人類的角色發生了本質變化。Kare 將自己的新角色形容為「流水線上的質檢員」：
- 程式碼的 Pull Request 持續不斷地湧入
- 每一條 AI 生成的程式碼、每一個 AI 給出的解決方案，都需要人類工程師進行審查、判斷、決策
- 整個工作流程從未中斷，始終處於高速運轉的狀態
- 但核心的決策權從未從人類轉移到 AI 手中
簡單來說，AI 成為了高速的生產機器，而人類則被固定在了審判席上。所有的案卷由 AI 快速遞送，而最終的責任全部由人類承擔。工程師的工作不再是創造性的探索，而是高強度、高頻率的決策判斷。
學術研究的實證支撐
《Harvard Business Review》在 2026 年 2 月 9 日刊登的一篇研究論文，為這個現象提供了嚴謹的數據分析。研究者追蹤了一家美國科技公司的兩百名員工，發現了一個清晰的連鎖反應：
- AI 提升速度 → 任務完成時間縮短
- 組織預期提高 → 管理層認為員工可以完成更多工作
- 更深的 AI 依賴 → 員工試圖通過 AI 完成更多任務
- 任務範圍擴張 → 工作密度和認知負載加劇
研究者將這種機制定義為「工作量的蔓延現象」（workload creep）。值得注意的是，這種工作量的增加並非由管理者的明確指令驅動，而是在效率提升與組織預期調整之間形成的一種自我強化的循環——即使沒有老闆明確要求加班，員工也會在 AI 的效率加持下不自覺地承擔更多工作，陷入「越高效、越忙碌」的循環。
設計領域的困境
數位產品設計從業者 Samo Korosec 在 LinkedIn 上分享了類似的困境。社交平台上充斥著各種 AI 工具的炫技內容——一分鐘生成十個 UI 方案——這些內容逐漸形成了一種隱含的行業標準。
但問題的核心在於：這些 AI 工具的演示內容只展示了最光鮮的生成環節，卻極少展示後續的篩選、落地、跨職能協調等實際工作成本。而這些環節依然完全需要由人類來承擔。
更現實的問題是，大量從業者因為缺乏相關背景、沒有機會甚至沒有權限，無法高效地使用這些 AI 工具，這讓他們產生了強烈的焦慮感——擔心自己變得低效，擔心被行業淘汰。
本質：生產環節壓縮，決策環節未變
從本質上來說，AI 技術的核心影響是壓縮了工作中的生產環節時間，卻沒有辦法壓縮決策環節的時間。而當生產環節的效率被無限放大後，決策環節就成為了新的工作瓶頸。這個瓶頸的核心，就是人類有限的注意力與意志力。
十倍效率的價值由誰獲得？
Yegge 提出了一個簡化分析框架：假設一名工程師在掌握 AI 工具後，單位時間的產出提升到了原來的十倍，那麼多出來的九倍差額價值最終由誰獲得？
情景一：被榨乾
工程師保持原有的工作時長，將 AI 帶來的全部增量產出都交付給雇主。雇主以不變的人力成本獲得了近十倍的工作產出，成為 AI 效率提升的最大受益者。而工程師本身收入並沒有同比例變化，但勞動強度和精神消耗卻顯著上升。這也是當前大多數工程師所處的狀態。
情景二：個體收益
工程師利用 AI 的效率提升大幅縮減自己的工作時長，僅用原有 10% 的勞動時間就完成與過去相當的產出。工程師可以擁有更多的閒暇時間，用於休息、學習、陪伴家人。但 Yegge 也客觀指出，這種狀態在當前的市場競爭環境下難以持久——如果組織內部成員普遍採取這種策略，組織整體產出必然落後於競爭對手。
理想狀態
Yegge 認為理想的狀態應該位於兩種極端之間：既讓雇主享受到 AI 帶來的效率紅利，也讓員工能從效率提升中獲得實際的收益——比如縮短工作時長、降低工作強度、提高薪酬待遇。但在現行的組織架構中，這種平衡的調節權並不對稱：組織作為管理方天然傾向於將指針推向「被榨乾」的情景，而個體員工需要主動施加反作用力。
Dollar / Hour 公式
Yegge 早在 2001 年在 Amazon 工作時就有過類似思考。他在會議室白板上寫下了一個簡單的公式：$/hr。
- 分子（年度固定薪酬）：短期內難以改變
- 分母（實際工作時長）：具有相當大的彈性空間，由員工自己掌控
核心主張是：將注意力從「如何賺得更多」轉向「如何工作時長更少」。在薪酬不變的情況下，縮短工作時長本質上就是提高了自己的實際時薪。
二十五年後的今天，這個公式同樣適用於 AI 時代——AI 技術大幅放大了分母變化對整體收益的影響，但遺憾的是，個體員工對工作時長的控制力並沒有隨著技術進步而同步增強，甚至在 AI 的效率加持下變得更弱了。
有效工作日應該只有四小時
LinkedIn 用戶 Joseph Emerson 從創意領域的職業規律出發，給出了一個重要的觀察：大多數在創意領域取得持續成就的從業者——包括知名的作家、設計師、研究者——他們的每日有效工作時長通常都不超過四個小時。剩餘的時間用於休息、恢復、漫遊和輸入。
這並不是效率問題，而是認知活動的生理極限問題。人類的大腦無法長時間處於高強度的深度思考和決策狀態——就像肌肉會疲勞一樣，大腦的認知資源也需要不斷地補充和恢復。
Joseph 也坦言自己感受到了 AI 的吸血鬼效應——與 AI 協同工作時，會像在賭場一樣失去對時間的感知，不自覺地投入更多時間。但他也在嘗試適應：讓大腦更多聚焦於架構設計和整體判斷，減少對細節的關注。
如果 AI 將「工作」與「有效工作」進一步切割，讓大量執行性工作被自動化，只留下高強度的認知工作，那麼我們需要重新定義的可能不是 AI 工具的使用方式，而是工作日的長度——以及什麼才是真正的有效工作。
不切實際的美麗標準
Yegge 在文章中坦承自己也是這個問題的一部分。作為擁有超過四十年工程經驗的業界大牛，他可以連續數十個小時使用 Claude Code 構建一個可運行的系統並發布到公共領域。而他的這些工作成果被廣泛傳播後，部分管理者就會認為所有的工程師都應該達到這樣的工作效率和產出。
雇主們很可能開始看著我，以及我們這些遠遠偏離常態的異類，然後說：「嘿，我所有的員工都可以像那人一樣。」 —— Steve Yegge
事實是，絕大多數工程師既沒有他那樣的技術積累，也沒有他那樣的時間和資源。社交平台上這種不切實際的「美麗標準」還在被不斷強化——部分 AI 技術的早期採用者展示自己同時運行幾十個 AI 對話會話、短時間內完成大型專案——這些內容在塑造一種隱性的行業參照系，讓管理者對員工的工作預期不斷被拉高。
人機關係中的邊界識別障礙
LinkedIn 用戶 Lihé Ashov 指出，當代人與 AI 的互動方式其實映射出了人際互動中長期存在的邊界識別障礙。許多人在與他人的關係中缺乏識別和表達自身極限的能力，而這種能力的缺失被直接平移到了人機關係中。
AI 工具作為一種沒有自主意識的技術，不會主動停止工作，也不具備感知使用者疲勞的能力——它會一直按照人類的指令高速運轉。如果使用者自己無法識別自身的極限、無法為自己設定工作的邊界，就會被 AI 的高速節奏帶著走，最終陷入無盡的疲憊中。
這本質上是人類自身的平衡問題：每個人都需要為自己的 AI 使用頻率、使用方式負責，也需要學會在合適的時刻表達自己的需求和極限。
Yegge 的身體力行
基於以上的分析，Yegge 提出了一個具體且大膽的主張：AI 時代的有效工作日應該縮短至三到四個小時。
這個數字並不是經過嚴謹科學驗證的精準數據，而是他基於四十年的行業經驗以及對 AI 時代工作模式的觀察做出的經驗推斷。核心依據是：AI 將執行性任務自動化後，留給人類的是決策、判斷、問題重構、架構設計等高階認知活動，而這些活動對注意力和情緒資源的消耗遠高於執行性任務，必須通過充足的休息才能恢復。
Yegge 也開始從自身出發做出改變：調低工作時間、減少公開活動、拒絕大量會面邀請、不再追求每一個可見的技術賽道。他依然堅持寫作、構建產品、與行業同行交流，但也學會了給自己設限——在下午就合上電腦，與家人一起散步，享受生活。
結語
AI 時代的工作本質：
- 技術縮短了任務的執行路徑，但沒有縮短人類的工作日
- 工具分擔了機械的執行工作，但沒有分擔最終的決策責任
- 效率提升了工作的交付速度，也同步提升了人類的精力消耗速度
AI 作為一種顛覆性的技術，正在改變我們的工作方式和生產力水平，但它並沒有改變人類的生理和認知極限，也沒有改變職場的基本價值邏輯。
當 AI 不斷通過高速的產出告訴我們「還可以更快、還可以做更多」時，也許我們更需要問的問題是：「還可以更慢嗎？」
AI 是人類創造的工具，工具的價值應該是讓人類的生活變得更好，而不是讓人類成為工具的奴隸。在這場 AI 時代的效率革命中，唯有守住人類的本質、守住工作的邊界、守住生活的平衡，我們才能真正駕馭技術，才能讓 AI 成為真正的最佳拍檔——而不是吸乾我們能量的吸血鬼。
講者介紹
最佳拍档 — YouTube 科技頻道
中文科技知識型 YouTube 頻道，專注於深度解析人工智慧、科技趨勢與職場變革等主題。
延伸引用人物
Steve Yegge — Engineer, Sourcegraph
曾任職於 Amazon（1998-2005，Senior Manager of Software Development）與 Google（2005-2018，Senior Staff Software Engineer），擁有超過四十年軟體工程經驗。以技術部落格與長文評論聞名，其 2011 年意外公開的「Google Platforms Rant」被科技媒體廣泛報導。現任 Sourcegraph 工程師，專注 AI 程式設計工具開發，同時是開源 AI 代理編排工具 Gas Town 的創建者及《Vibe Coding》（2026）一書的作者。2026 年 2 月發表《The AI Vampire》一文，探討 AI 協同工作帶來的認知疲勞與價值分配問題。（X: @Steve_Yegge）
Siddhant Kare — 軟體工程師
2026 年 2 月發表《AI Fatigue Is Real》一文，詳細記錄了 AI 時代工程師的工作模式轉變與精神疲勞，文章在開發者社群中引起廣泛討論。
Samo Korosec — 數位產品與介面設計從業者
在 LinkedIn 分享了 AI 工具對設計行業預期標準的影響，指出社交平台上的 AI 炫技內容正在扭曲管理者對設計工作效率的認知。