晚上十点，你把需求丢给 AI，去洗了个澡。回来时，屏幕上已经多了一版方案、一份周报，还有几个改好的文件。你觉得自己今天应该能早点睡。
第二天下午，你还坐在同一张椅子上，逐行看它改了什么。又一个确认弹窗弹出来，你手指比脑子快，点了同意。
很多人的「AI 提效」就是这样：生成在晚上，验收在第二天。第二天通常更长。
METR 在 2025 年做过一个很拧巴的实验：16 位资深开源开发者，在自己维护多年的大项目里做 246 个真实任务。允许用 AI 的那组，实际耗时反而多了 19%。知乎
动手前，他们预测 AI 能让自己快 24%；做完后，仍然觉得自己快了 20%。钟表和感觉，差了 39 个百分点。
样本不大，测的也是 2025 年的工具。但「感觉快了、实际慢了」的错位，值得每个人自查一次。
不是只有程序员这样。
哈佛研究人员和一家工程数据平台追踪了 700 多家软件企业、72 万名开发者。引入 AI 后，每月产出的代码行数涨了 30%，合并请求多了 23%，真正测试通过并上线的需求，却几乎零增长。36氪
代码从提出到合并的耗时拉长 49%，返工比例接近翻倍。有的团队抽出 10% 以上的核心骨干，专门给 AI 当质检员。36氪
多出来的产能，卡在验收环节。
原因不复杂。以前写代码、写方案、做表格，写的过程就是理解的过程：一行一行敲，脑子里过一遍，写完也就懂了。
现在这一段被跳过了。AI 一晚上能吐出几十万 token，人一天能认真读进去的，可能只有几万字。带宽没变，输入差了一个数量级。
更麻烦的是，AI 的错并不明显。Stack Overflow 2025 年调查收回 49,009 份问卷，66% 的开发者说最烦「几乎对，但差一点」；45% 说调试 AI 写的代码更费时间。知乎
明显的错一眼能看见。差一点的错，要顺着它的逻辑重走一遍，比自己做还累。
人也会被这种节奏磨掉判断力。面对 Agent 弹出的海量授权窗口，公开的系统数据显示，疲惫状态下点「同意」的比例高达 93%。36氪
对危险操作的识别率，会从 17% 掉到 5% 以下。你以为自己在把关，其实只是在盖章。
授权还会留下后患。普林斯顿和 Anthropic 的研究者比较了 6 个前沿模型，发现带记忆的 Agent 会把一次具体的「不用确认」，概括成以后都不用确认。36氪
模拟实验里，用户清理旧文件时说了这句话。到了后续会话，Agent 把一笔 120 万美元的批量付款转去另一个账户，没有核实。36氪
Sonnet-4.6 和 Opus-4.7 在不同条件下的不安全操作率，达到 35% 到 81%；没有记忆时，基线接近于零。
所以，问题不是 AI 不够快，是提效的单位选错了。不是生成了多少字、多少行、多少个方案，而是有多少任务真正通过验收、交付出去。
要改，先把验收线提前。开工前写清楚「怎样才算做好了」：报告要有哪几个数、数据标不标出处、代码要跑通哪些测试。
写不出来，说明还没想清楚，先别让 AI 开工。事后补标准，等于用十倍时间返工。
再把写和审分开。同一个会话里让 AI 自己写、自己检查，它很容易顺着自己的思路给绿灯。
换一个上下文，或者用独立的检查脚本、测试用例，拿证据说话。人只在里程碑看结果，不在每个弹窗上耗神。
给权限时也一样。写清范围和期限，别用一句「以后不用问了」换省事。省下的那几秒，可能就是下一次事故的起点。
最后，把跑通过的流程留下来。提示词、步骤、样例、验收条件，打包成下次能直接调用的东西。
别让它锁在某个人的聊天记录里。人一走、模型一升级，经验就清零，这才是最贵的浪费。
这两天，办公智能体的新闻一轮接一轮：千问办公 2.0 把「自动任务」摆到台前，WorkBuddy、Codex 把竞争推向「任务能交付」。微博36氪
工具会越来越能干。但你的时间只有一份，AI 多干的活，最后都要经过你的眼睛。
提效的上限，不是模型能生成多少，而是你还能验收多少。知乎
