The Dark Side Of AI

tags: The Dark Side Of AI, Vibe Coding source: https://larsfaye.com/articles/agentic-coding-is-a-trap , https://rickyyean.com/2026/05/04/what-do-we-lose-when-ai-does-our-work/ 文章一：Agentic Coding is a Trap 核心观点 反对把 coding agent 当成默认主流程，不反对 AI 本身。 真正的问题不是“抽象层升级”，而是开发者与代码之间的距离被快速拉大。 AI 代理越需要强监督，就越依赖人的编码判断；但过度使用 AI 又会削弱这种判断力，形成悖论。 大规模 agentic coding 还会带来 vendor lock-in 和 token 成本失控。 作者担心的损失 编码、调试、问题拆解等核心能力萎缩。 初级开发者少了“直接与代码摩擦”的成长过程。 高级开发者也会失去对系统的稳定心智模型。 团队对模型供应商形成流程依赖，服务波动会直接卡住生产。 作者给出的实践原则 让 AI 做辅助，而不是做主导。 用 AI 生成 spec、plan、伪代码、研究材料，但实现过程保持人深度参与。 一次只生成自己能完整 review 的代码量。 不把自己完全不会的事交给 agent 黑箱完成。 文章二：What do we lose when AI does our work? 核心观点 AI 不只是减少执行摩擦，也绕过了“任务启动”本身。 但任务启动不只是开始做事，而是同时包含承诺、身份认同、上下文装载、目标澄清与风险承担。 当这些过程被 AI 跳过后，产物虽然出来了，人却更容易与工作脱节。 这种“不是我亲手长出来的成果”的感觉，会削弱意义感，甚至带来一种轻微空心化。 作者担心的损失 对工作的 ownership 下降。 对任务的情感投资减少，意义感变弱。 AI 倾向于生成“中位数答案”，容易让人过早放弃本来值得深挖的想法。 “开始”变便宜了，但“真正完成并认领成果”反而更难。 作者给出的实践方式 对不重要、无须投入自我的任务，尽量放心交给 AI。 对真正重要的任务，先自己启动，再让 AI 做 thought partner 或 editor。 保留“这是我的作品”那段不可替代的摩擦过程。 两文共识 AI 最危险的地方，不是错误，而是让人逐渐失去能力与参与感。 速度不是唯一指标，理解、判断、ownership 更稀缺。 对重要工作，AI 更适合做副驾驶，而不是替身。 真正长期有价值的，不是“把人排除出流程”，而是“让人保留判断与投入”。 两文差异 Lars Faye 更偏工程治理：代码理解、调试能力、成本、组织依赖。 Ricky Yean 更偏心理体验：启动能量、意义感、人与作品的连接。 前者关注“人会不会变弱”，后者关注“人会不会变空”。 我自己的简短结论 这两篇文章都不是反 AI，而是反“把 AI 默认设为主脑”。 如果任务核心价值在于效率，AI 应该尽量接手。 如果任务核心价值在于思考、判断、创造与成长，人必须保留第一手参与。 一个实用原则是：把 AI 用在加速理解、润色表达、扩展选项上，而不是直接替代形成理解本身。 可记住的一句话 对重要工作：先自己进入问题，再让 AI 放大你；不要先让 AI 替你做完，再由你回头认领。

tags: The Dark Side Of AI source: https://arxiv.org/abs/2604.04721, https://www.solidot.org/story?sid=84069 研究人员在预印本平台 ArXiv 上发表论文《AI assistance reduces persistence and hurts independent performance》，再次证实 AI 有害大脑。研究人员招募了 350 名美国人，任务是解决一些分数方程。半数参与者被随机分配到 AI 组，他们可从一个基于 OpenAI GPT-5 构建的专用聊天机器人获取帮助，另一半必须独立完成。考试进行到一半时，AI 组的访问权限被切断。此举导致 AI 组的正确答案数量急剧下降，很多人干脆放弃考试。这一结果——成绩和毅力双双下降——在一项包含 670 名参与者的更大规模实验中得到了重复验证。研究人员指出，AI 辅助能提高即时表现，但会带来巨大的认知代价。仅仅使用 AI 十分钟就会让人对这项技术产生依赖，一旦停止使用，会导致表现下降和倦怠。