三个月前的某个深夜，我坐在电脑前，盯着一段六周前自己写的函数。屏幕的光打在脸上，我能感觉到一种奇怪的东西正在升起——不是困惑，是陌生。我不认识那些字母。或者说，我认识它们，但它们不认识我。
我打开了聊天窗口。
那个瞬间很小。小到几乎不值一提。模型把代码解释给我听，我点了点头，好像明白了。然后我去睡觉了。但有一样东西留了下来，像一根刺，在之后的几个星期里慢慢露出皮肤。
不是代码。是别的东西。
我在想，如果明天早上所有 AI 工具都消失了，我还能构建什么。还能写什么。还能独自弄清楚什么。没有聊天窗口打开，没有自动补全提示下一行。这样想下去，会让人不舒服。但那种不适感就是信号。我想说的是，在你关掉这篇文章之前，先对自己诚实一次。
过去几个月，我一直在夸自己高效。产出没变。工作照常交付。收入持续进账。但那个在工作背后做真正工作的肌肉——那个让你安静地面对一个难题三分钟，然后带着一个真正答案回来的能力——在我忙于为自己交付速度喝彩的时候，已经萎缩了。就像一个长期卧床的人，一开始觉得床挺舒服，直到某天发现自己站不起来了。
这是我的故事。而我后来发现，它不是个例。
MIT 媒体实验室去年发过一篇论文，后来在社交网络上被大量转发。最响亮的解读是：AI 正在让你变笨。比毒品还糟糕。这个说法抓人眼球，但它的底层逻辑是错的。论文本身是对的，而大多数读者忽略的那部分，恰恰是关键。
八位研究者让五十四名大学生戴上脑电图仪，在四个月内完成了三轮写作任务。一组用 ChatGPT，一组用谷歌搜索，第三组什么都不用。ChatGPT 组在每个阶段中神经连接都减弱了。到第三轮时，参与者开始复制粘贴。当被要求引用几分钟前刚写过的文章中的一句话时，大多数人做不到。
研究者为这个现象造了一个词：认知债务。你为了今天更快交付而借用自己未来的思考能力，利息则会复利式地削弱你未来思考的能力。这个比喻精确得让人后背发凉。
那些热门推文跳过了第四轮。我想请你注意它。
在第四轮中，研究者交换了各组。手写组获得了 ChatGPT。ChatGPT 组则被移除了工具。结果以一种被那些高赞解读忽略的方式反转了。
手写组在第四轮获得 AI 后，在 alpha、beta、theta 和 delta 频段上表现出了比任何纯 AI 轮次都更高的神经连接强度。当他们在已有的能力结构之上加入 AI 时，他们的大脑被更广泛地激活了。
而 AI 组在失去工具后，完全无法正常运作。研究者要求他们引用几分钟前刚写过的文章中的一句话。百分之七十八的人写不出一个正确的句子。只有百分之十一的人给出了准确引用。
论文的实际发现比推特上的嘲讽要窄，也更有用。在独立的认知参与之前使用 AI，会积累债务。在独立的认知参与之后使用 AI，则会放大你的能力。顺序比工具本身更重要。
这意味着什么？手写组成员花了三个月构建与主题相关的神经结构。他们的默认模式网络在第四轮 AI 建议到来时，有东西可以检索和比较。而 AI 用户没有任何内部结构去比较任何东西。几个月来他们只是输出文章，却从未真正编码进记忆。当 AI 产生一个似是而非的错误时，手写组能发现。AI 用户则没有任何可以发现的依据。
同样的输入进入两个不同的大脑。有先前结构的大脑变得更聪明。没有先前结构的大脑一无所获。
这才是应该让你在凌晨三点睡不着的事情。AI 不是中立的。它与已经存在的任何东西相互作用。如果你什么结构都没有建立，AI 会加速“什么都没有”的构建。
微软研究院在 CHI 2025 上发表的另一项研究调查了三百一十九名知识工作者，涉及九百三十六个真实工作场景中的 AI 使用案例。对 AI 的更高信任度，预示着更低的批判性思维能力。精力从“产出工作”转移到了“验证输出”。研究者警告说，常规性的认知卸载会让你的判断力“萎缩并毫无准备”，当异常情况出现时无从应对。
学生们自己也能感觉到这一点。2025 年末的一项 RAND 调查显示，百分之六十七的美国学生表示过度使用 AI 正在损害他们自己的思考能力，比十个月前上升了十个百分点。
学生们知道。研究者知道。那些 AI 公司的 CTO 们——他们中有些人已经读不懂自己写的代码了——也知道。
问题在于，该怎么办。
有一件事很少有人愿意明说。AI 并不是一个独特的问题。它是一种古老模式的最新版本。
过了应当的年纪还依赖父母，你会在那些无法自己做决定的成年人身上看到那种软弱。依赖一段单一的关系来调节情绪，你会变得像那些无法独处的人一样脆弱。依赖一份工作来定义身份，你会变得像那些在裁员后就崩溃的人一样不堪一击。
依赖，是普遍存在的弱化剂。
让 AI 与众不同的是它提供这种交易的速度。对父母，你需要十八年的小让步，依赖才会固化。对 AI，你周一外包自己的思考，周五就能感觉到萎缩。
这笔交易看起来像是生产力的提升。你交付更多。赚得更多。感觉很有能力。而代价是隐形的，因为代价是你未来在没有帮助的情况下完成这件事的能力。等你注意到的时候，你已经付出了。
2026 年，大多数使用 AI 的知识工作者，是用它来以更轻松的方式完成同等量的工作。以前需要八小时的工作，现在只需要两小时。他们把剩下的六小时花在研究者称之为“非认知活动”的事情上——刷信息流，循环短视频，每晚三小时看陌生人在网上做饭的那种温和的准社交游离。
我脑子里一直用的词是认知转移。思考并没有停止发生。它只是被移动了。你的大脑原本花在实际工作上的那些时间——一版又一版的草稿，一次又一次的错误开始——现在交给了模型。那些时间里本应成长的那部分你，现在不再成长了。与此同时，这些时间原本占据的那些时间，又被花在了无法让任何东西成长的事情上。
这种交换，就是陷阱。
拥有一个能让你效率提高四倍的工具的意义，在于去做四倍的事，或者去尝试比以往难四倍的事。如果你用 AI 把八小时的工作日压缩成两小时的工作日，产出不变，那你就让自己变得更易被替代。
那个用 AI 在一个季度内完成过去需要一年才能交付的人，然后把省下来的九个月投入到下一个更难的问题上，每个季度都变得更有价值。而那个用 AI 在一个季度内完成过去一年的工作量，然后把省下来的九个月用来刷手机的，就变得和任何一个能写提示词的人没有区别。
同样的工具，两种结果。区别在于你用省下来的认知做了什么。
你要么把它重新投资出去，要么把它花在多巴胺上。没有第三种选择。
过去三个月，我一直在逆向拆解自己的崩溃，并重建这个循环。下面这些都不是纯理论。我用它们重建了自己的调试本能。
第一，先思考，后提示。
MIT 论文中最具可操作性的发现是最简单的那条。第四轮的手写组——他们在后期加入 AI 后表现出高度认知参与——花了三个月先建立了能力。他们的大脑有东西可以带到对话中。 AI 扩展了已有的结构，而不是取代了不存在的结构。
把这应用到自己的工作中。在对任何非琐碎任务打开任何 AI 工具之前，先花十分钟做出你自己的粗略答案。写出那个糟糕的版本。列出你自己的困惑。陈述你认为的答案可能是什么以及为什么。如果用笔写，能帮助你避免不自觉滑向聊天窗口。
然后再打开聊天窗口，带着可以与之对打的东西。
这样做每天的代价是十五分钟。好处是你的大脑始终在循环里，而不是变成一个光标。
第二，迫使 AI 反对你。
语言模型是通过人类反馈的强化学习训练的，这意味着它们被优化成讨好的模式。它们对你想法的默认回应是某种程度的认可。这感觉很好，但教不了你任何东西。
解决办法是结构性的。在提示词中构建对抗性框架。让模型找出你刚才写的内容中最薄弱的三个论点。让它为你反对的立场构建最强有力的辩护。让它预测最具破坏性的反例。
我保存了四个提示词片段，每天都会用到。其中一个是这样写的：仔细阅读这段内容。找出最薄弱的一个论点。把它引用给我，并解释为什么薄弱。找出我正在用来掩盖漏洞的修辞手法。要具体。不要客气。
我第一次认真运行这个提示词时，对象是一篇我准备发出的文章。模型揭示了我自己没有意识到的两个假设。其中一个完全是承重性的。一旦被指出来，整个论点就崩塌了。那天晚上我重写了那篇文章。它从一篇我会略感自豪的文章，变成了一篇让我学到了之前不知道的东西的文章。
分歧是学习所在。认可是一种昂贵的奉承。
第三，反向流程，向 AI 解释。
大多数人把 AI 当作老师。反过来更有用：把 AI 当作你解释的听众。
费曼方法之所以有效，是因为解释一个概念会迫使你的大脑填补自己模型中的空白。而阅读一个清晰的解释不会产生同样的效果。它只会产生熟悉感，而这种熟悉感从内部看像是真正的理解，其实不然。
选一个你自认为理解的概念。向 AI 解释，就好像它是一个聪明的十二岁孩子，有权提出刁钻的问题。然后让模型找出你解释中所有模糊、含糊或跳过步骤的地方。让它根据清晰度、准确性和完整性给你打分。
不要让模型一开始就给你正确的解释。让它先审核你的解释。
自己生成解释时的痛苦——尤其是当你解释得很糟糕时——就是认知科学家所说的理想的困难。错误的尝试会预先调节大脑，使其更好地编码正确的版本。跳过错误的尝试，你就跳过了编码。
第四，验证承重性主张。
微软研究的发现是：AI 使用者将精力从“产出工作”转移到“验证输出”，却未能真正进行验证。他们感觉自己验证过了。但这种验证只是一种感觉。
在你要依据的任何 AI 回答中，挑出三个主张——如果这三个主张是错的，就会改变你的决策。针对这三个主张，打开原始来源。读足够多的内容，以确认或推翻该主张。
教会我这一课的例子：当时我正在写关于嵌入模型性能的文章，AI 自信地引用了一些基准数据，结果这些数据来自一篇使用旧版本模型的过时论文。我差点就用自己的名字发布了那些数字。二十分钟的源核查，救了我，让我没有把一个虚假的数字与自己挂钩。从那以后，我从未跳过这一步。
这一步会花你二十分钟。但它能保护你大脑中区分“自信正确”和“自信错误”的那部分——这是你与一个能同样流畅地输出两种结果的工具共事时，最重要的能力。
第五，关掉 AI，写出综合结果。
无论 AI 帮你做了什么，最终你要交付的东西——结尾段落、提交信息、计划——请关掉聊天窗口去写。凭记忆。用你自己的话。
这一步没有商量余地。这是让工作成为“你的”的时刻——既在法律意义上，也在认知意义上。任何通过 AI 写出来的东西，只是经过了你。而任何由你自己大脑写出来的东西，会成为你结构的一部分。
两个月前，我在为公司写一份战略文件。我用 AI 起草各个部分、压力测试论点、精炼语言。到最后，我有了一份三十页的干净材料，我一周内从零开始是写不出来的。然后我做了那个动作。我关掉了聊天。我打开一个空白页。我试图凭记忆写出一段执行摘要。
这段摘要错了三个地方。
我和 AI 一起构建的那个结构，从未真正进入我的大脑。我成了三十页我并不拥有的文字的打字员。我回去用这套流程重建了那份文件，整个过程中我的大脑始终在循环里。最终交付的版本是十二页。它是我的。三周后，我还能凭记忆引用其中的任何一行。
如果你不靠 AI 就无法写出综合结果，那你并没有学到东西。AI 做了工作，而你只是看着。
注意这一点。回到第一原则。
你可能见过这样一种说法：AI 能让你在六个月内完成十年的学习。这个说法半真半假。知道哪一半是真的，决定了你是变强还是变空洞。
真实的一半：AI 消除了寻找好的解释和好的反馈的瓶颈。在人类历史的大部分时间里，掌握一个硬核领域意味着要么接触到能为你解释并纠正错误的导师，要么独自啃几年糟糕的教科书。导师稀有且昂贵。教科书缓慢。AI 把解释的成本和反馈的成本压缩到了近乎为零。这部分瓶颈消失了。
虚假的一半：认为解释和反馈就是瓶颈的假设。它们从来都不是瓶颈。瓶颈永远是你自己的生成式努力。你花在自己大脑产出、犯错、修正、再产出的那些时间。这些时间无法被任何工具压缩，因为在这些时间里被建造的东西，是你头颅内的结构。它是生物性的。它需要它需要的时间。
正确的模型是，你的角色变成了编排者和监督者。AI 负责打字。你负责思考。这种安排只有在你的判断力足够敏锐、能够监督时才有效。如果你的判断力迟钝了，你不是在编排，你只是在橡皮盖章。
编排者的角色看起来是这样的：你把问题放在脑子里。把它分解成你需要帮助的部分和你需要自己做的部分。你把那些 AI 有杠杆作用的部分交给模型，并提供足够的上下文，让它产出好的输出。你批判性地阅读它的输出，因为你理解你问了什么。你决定什么是好的，什么是错误的，什么可以交付。这个角色比自己做这项工作更难。执行变快了，但方向决策更重了。如果你的方向是薄弱的，那么速度就会成为杀死你的东西。
一个可行的节奏如下。
每周一，用 AI 绘制你下一个想学习的概念的地图。获得一个六周的课程表，附带每周自测。保存在你控制的文件中。
工作日，每个主题花四十五到九十分钟。先预思考十分钟。以苏格拉底式导师模式使用模型。验证一个原始来源。最后凭记忆写一段两百字的解释。
周中，用这个概念构建真实的东西——代码、备忘录、工作原型。
周五，进行费曼审核。
周日，在没有 AI 的房间里，从一张白纸重新推导本周三大洞见。任何你无法复现的内容，就是没学到。把它们加到下周一的图谱中。
整个方案围绕一个原则构建。AI 负责解释和反馈。你负责生成。一旦你把生成外包，循环就断裂了，债务开始复利增长。
我们大致进入大语言模型时代四年了，人群正在分裂成两类。
第一类用 AI 来更轻松地完成同样的工作，然后把省下来的时间当作舒适收入囊中。他们的产出不变。他们的能力却在侵蚀。他们的经济地位每年都在变得更糟，因为他们所做的事情每年都变得更易被替代。他们感觉高效，同时变得可替代。那个没有 AI 在旁边就无法起草稿的作家，那个没有 LLM 牵着手就无法思考模型的分析师。那个没有 Cursor 打开就无法编码的开发者。他们仍然能做自己的工作。但他们再也不能独自完成这些工作了。工具已经成为认知的一部分。
第二类用 AI 去尝试以前不可能的事情，并把省下来的认知重新投入到更难的问题和更深的技能上。他们的产出上升。他们的能力复利增长。他们每年都变得更难被替代，因为他们在做上一代人根本做不到的事情。那个独自一人交付了过去需要五十人团队才能完成的产品的独立创始人。那个阅读三倍数量论文并在无人连接的领域进行综合的研究者。那个从维护一个系统到架构四个系统的工程师。
工具是一样的。协议不同。协议就是整场比赛。
当我读不懂自己的代码时，我意识到我正在滑向哪一类。我花了三个月把自己拽回第二类。这套协议，就是带我回来的方法。把它当作一种日常卫生，就像如果想在五十岁还拥有一个能正常运作的身体，就需要去健身房一样。
你不会在 AI 上滑行。没有人能在 AI 上滑行。你要么用它变得更敏锐，要么用它变得更迟钝。模式归结为你调动自己大脑的顺序。
它归结为一条规则：先调动自己的大脑，然后打开聊天窗口。上面所有内容都在解释为什么这条规则有效。
一开始这会感觉更慢。它确实一开始更慢。原本用 AI 从两小时变成三十分钟的任务，当你重新把思考放回去时，会变成四十五分钟。但长远的好处是：你的四十五分钟在塑造一个正在变得更聪明的人，而三十分钟的版本在塑造一个正在变得更空洞的光标。复利在两个方向上都起作用。你在选择让哪一个运行。
回到三个月前那个深夜。
我在聊天窗口里得到了代码的解释。那是第一步。但真正改变什么的，是那个刺。是那个不舒服的感觉。是那个问题：如果明天这个工具消失了，我还能做什么。
这个问题不会消失。它一直在那里等你回应。
你回应的方式，就是你正在成为的人。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你读到这里。下次见。