为什么vibe coding让你感觉很累：注意力被动跟随AI的代价

🎯 一个奇怪的现象：为什么AI编程反而更累了？

按理说，AI编程应该让开发更轻松。但现实情况是：很多人使用vibe coding后，感觉比传统编程更累。

你有没有过这样的体验：

• 一天下来，眼睛酸涩，大脑疲惫，但好像没写什么核心代码
• 总是在"检查AI代码"和"修复AI错误"之间切换
• 感觉自己像个监工，而不是开发者
• 思考总是被AI打断，无法进入深度工作状态

问题的根源在于：vibe coding中，你的注意力被迫跟着AI走，就像带了一个粗心大意的实习生，老是过来打乱你的工作节奏。

🧠 KeyPoint 1: 注意力的被动牵引 - 你不再是思考的主人

传统编程 vs AI编程的注意力模式对比

传统编程的注意力模式：

你的思考节奏：
分析需求 → 设计方案 → 编写代码 → 测试验证 → 优化改进
     ↑         ↑         ↑         ↑         ↑
  主动思考   主动思考   主动思考   主动思考   主动思考

AI编程的注意力模式：

你的注意力轨迹：
          AI生成代码
             ↓
        你被迫理解代码
             ↓
        你发现逻辑问题
             ↓
        你指导AI修正
             ↓
        AI重新生成代码
             ↓
        你再次检查验证
     （被动跟随循环）↑

为什么被动跟随更累？

1. 认知负荷增加

• 你不仅要理解业务需求，还要理解AI的实现思路
• 不断在"AI的逻辑"和"你的逻辑"之间切换
• 消耗大量精力在"验证"和"纠错"上

2. 思考深度受限

• 无法进入心流状态，总被AI打断
• 思考被切割成碎片，无法形成连贯的逻辑链
• 创造性思维被抑制，变成了"AI代码审查员"

3. 控制感丧失

• 失去了对代码的完全掌控
• 时刻担心AI搞错什么
• 焦虑感增加，精神压力增大

真实案例：从"创作者"变成"审查者"

在希语低喃心绪笔记开发中，我发现自己角色完全变了：

传统模式下：

• 90%时间在思考业务逻辑和架构设计
• 10%时间在处理技术细节
• 工作节奏由自己掌控

AI编程模式下：

• 30%时间在理解AI生成的代码
• 40%时间在检查和修复AI的错误
• 20%时间在向AI解释需求
• 只有10%时间在真正的创造性工作

结果： 更忙了，但成就感更低了。

💡 KeyPoint 2: 认知负荷的隐形加倍 - 你同时在做两份工作

从"程序员"到"程序员的经理"的角色转变

传统AI编程的宣传语："你只需要描述需求，AI帮你实现代码"

实际情况是：

传统程序员的工作：
1. 理解业务需求
2. 设计技术方案
3. 编写代码实现
4. 测试和优化

AI编程中的实际工作：
1. 理解业务需求
2. 设计技术方案
3. 向AI清晰地表达需求
4. 理解AI生成的代码
5. 检查AI代码的正确性
6. 修复AI的错误和疏漏
7. 协调不同AI生成模块的一致性
8. 确保整体架构不被破坏
9. 测试和优化

你不仅要做程序员的工作，还要做AI的管理者。

认知负荷的具体表现

1. 理解负荷

• AI的代码逻辑可能与你完全不同
• 需要快速理解AI的思路和实现方式
• 花大量时间去"解码"AI的意图

2. 验证负荷

• 每一行AI代码都需要验证
• 不仅要验证功能正确性，还要验证实现合理性
• 担心AI的隐藏bug和边界情况

3. 协调负荷

• AI生成的不同模块可能风格不一致
• 需要在多个AI输出之间做"翻译"和"协调"
• 保持整体架构的统一性

4. 决策负荷

• AI会给出多个技术方案，你需要选择
• 每个选择都要评估利弊
• 承担选错方案的责任

为什么认知负荷会让人疲惫？

大脑处理信息就像电脑运行程序：

• 传统编程： 运行一个程序（开发任务）
• AI编程： 同时运行多个程序（开发 + AI管理）

电脑同时运行多个程序会变卡，大脑同时处理多项任务会更累。

数据说话：AI编程的隐藏成本

基于希语低喃心绪笔记的开发经验：

传统编程 vs AI编程的时间分配：

• 传统编程： 70%编码 + 30%思考设计
• AI编程： 30%编码 + 40%AI管理 + 30%思考设计

看起来编码时间减少了，但实际有效工作时间反而增加了。

更关键的是： 那些AI管理工作带来的疲劳感远高于编码工作。

🔄 KeyPoint 3: 上下文切换的心理成本 - AI的健忘症让你付出代价

AI的健忘症：你总在重复解释问题

AI就像一个"聪明但健忘的实习生"：

• 它能快速理解你当前的指令
• 但很快就忘记了之前的设计决策
• 你需要不断重复已经讨论过的内容

上下文切换的疲劳感

场景模拟：

上午9:00：你和AI设计用户登录功能
        AI：理解了，我来实现用户登录接口

上午10:30：你让AI实现消息功能
        AI：好的，我来设计消息系统（完全忘了登录功能的设计风格）

上午11:00：你发现不一致
        你：等等，这个消息接口的风格和登录接口完全不同
        AI：哦，那我重新设计（又开始重新理解需求）

下午2:00：你让AI实现评论功能
        AI：好的，我来设计（又一次从头开始）

下午3:00：你发现三个模块风格完全不一致
        你：（内心崩溃）

每一次不一致，都需要你：

1. 发现问题（注意力消耗）
2. 停止当前工作（上下文切换）
3. 重新建立设计规范（认知负荷）
4. 指导AI修正（沟通成本）
5. 验证修正结果（验证成本）

上下文切换的心理学解释

认知心理学研究发现：

• 从任务A切换到任务B，平均需要15-25分钟重新集中注意力
• 每次切换都会产生"注意力残差"
• 频繁切换会导致决策疲劳和认知耗竭

AI编程中的上下文切换频率：

• 传统编程：每天3-5次（主要功能模块之间）
• AI编程：每天20-30次（每个AI交互都可能是一次切换）

这就是为什么vibe coding让你感觉特别累的核心原因。

解决思路：建立项目级上下文框架

在"重构噩梦"一文中，我们提到了"上下文即架构"的理念：

核心做法：

1. 建立上下文锚点：让AI有记忆可以参考
2. 统一设计规范：减少不一致的情况
3. 模块化开发：降低上下文切换频率
4. 自动化检查：及时发现不一致问题

⚖️ KeyPoint 4: 决策疲劳的累积效应 - 选择过剩的代价

AI编程中的决策爆炸

传统编程中，你需要做的决策：

• 用什么技术栈？
• 如何设计架构？
• 如何实现具体功能？

AI编程中，你需要做更多决策：

• 选择AI生成哪个技术方案？
• 判断AI的设计是否合理？
• 决定是否需要修正AI的代码？
• 选择哪个AI工具处理哪个问题？
• 如何协调多个AI的输出？

决策疲劳的表现

症状1：选择困难症

• AI给出3个技术方案，你不知道哪个更好
• 花大量时间比较方案的优劣
• 做出选择后又开始后悔

症状2：质量焦虑

• 总担心AI的代码有隐藏问题
• 过度检查和验证每个细节
• 对AI输出缺乏信任感

症状3：决策逃避

• 面对多个选择时，宁愿选择最简单的
• 为了避免决策，让AI自己决定
• 结果往往不是最优解

为什么决策疲劳更累？

决策需要消耗认知资源：

• 信息收集和分析
• 方案比较和评估
• 风险评估和权衡
• 责任承担和后续规划

AI编程中决策的复杂性：

• 你需要对不完全的AI输出做决策
• 你需要承担AI决策错误的后果
• 你需要在有限时间内做出高质量决策

结果是： 大脑长期处于"决策模式"，无法放松。

🎯 解决方案：从被动跟随到主动驾驭

核心：重新掌控工作节奏

1. 建立主动的工作模式

被动模式：AI生成 → 你验证 → AI修正
主动模式：你设计 → AI辅助 → 你掌控

2. 设定AI的工作边界

• 明确告诉AI你的设计原则
• 建立统一的代码规范
• 限制AI的技术选择范围

3. 批量处理AI交互

• 集中时间与AI交互
• 避免频繁的上下文切换
• 保持自己的工作节奏

实战策略：让AI适应你，而不是你适应AI

策略1：前置设计，后置生成

正确做法：
1. 先自己设计整体架构
2. 明确接口规范和代码风格
3. 让AI在既定框架内生成代码
4. 你专注于业务逻辑和核心算法

错误做法：
1. 直接让AI设计功能
2. 不断修正AI的设计
3. 被AI牵着走

策略2：建立上下文记忆系统

• 使用CLAUDE.md文档记录设计决策
• 为每个项目建立技术规范
• 让AI每次开始前先读取上下文

策略3：质量检查自动化

• 建立代码质量检查清单
• 使用自动化工具检查一致性
• 减少人工验证的工作量

策略4：分阶段协作

第一阶段：你主导（需求分析、架构设计）
第二阶段：AI辅助（代码生成、功能实现）
第三阶段：你验收（质量检查、集成测试）
第四阶段：AI优化（性能调优、错误修复）

心态转变：从AI的使用者到AI的管理者

关键认知：

• 你是项目经理，AI是开发工具
• 你负责设计，AI负责执行
• 你做决策，AI提供建议
• 你掌控节奏，AI跟随你的步伐

具体做法：

1. 提前规划：每天开始前明确今天的核心任务
2. 专注设计：把主要精力放在架构和业务逻辑上
3. 批量交互：固定时间与AI交互，避免频繁打断
4. 质量把关：建立自动化检查，减少人工验证
5. 节奏控制：让AI适应你的工作节奏，而不是反过来

🌟 总结：vibe coding应该让你更轻松，而不是更累

疲劳根源回顾

1. 注意力被动牵引：失去对思考节奏的掌控
2. 认知负荷加倍：同时做开发和管理两份工作
3. 上下文切换频繁：AI健忘症导致的重复劳动
4. 决策疲劳累积：选择过剩带来的心理负担

核心解决方案

重新建立主动的工作模式，让AI成为真正的辅助工具，而不是工作节奏的主导者。

实践建议

1. 前置设计：先自己思考，再让AI执行
2. 上下文管理：建立项目级规范，减少重复解释
3. 批量交互：控制与AI的交互频率，保持专注
4. 质量自动化：用工具代替人工验证
5. 节奏掌控：让AI适应你，而不是你适应AI

升华思考

vibe coding的本质不是让你失去思考，而是让你从重复的编码工作中解放出来，专注于更有价值的创造性工作。

当你感觉vibe coding很累时，说明你的使用方式可能出了问题。好的vibe coding应该是轻松高效的，让你有更多时间思考业务逻辑和用户体验，而不是陷入AI代码的汪洋大海。

记住：你是主人，AI是工具。让AI适应你的节奏，而不是你适应AI的节奏。

---

下一篇预告： 《AI时代的技术债务：为什么vibe code项目更容易变成"代码坟场"》

---

微信搜索"四哥还会聊AI"，看更多AI编程的实战经验和避坑指南