4小时脚本换4分钟购物，Python开发者的自动化陷阱

上周日下午，我用4小时写了个脚本——它能识别冰箱照片，自动生成购物清单。调试完计算机视觉模块时，我本该买的牛奶还在超市货架上。这很荒唐：花4小时自动化一个4分钟的任务。

作为写了4年Python的人，我开始怀疑一件事：AI和自动化工具，到底让我们变快了，还是只是学会了更精致的偷懒？

开发者的"时间幻觉"：为什么我们对自动化上瘾

这个陷阱有个名字，叫"雅卡尼克夫剃须刀"（Yak Shaving）：你想借车搬家，发现车胎瘪了，去借打气筒，邻居让你还个盘子，你去找盘子时……三小时后，你站在厨房里，完全忘了最初要干什么。

编程把这种病放大了十倍。GitHub Copilot能在秒级生成代码，Cursor让调试变成对话，Claude能一次性读完整个代码库。工具越强大，我们越忍不住"优化"一切。

我认识一个全栈工程师，他用AI给家里的猫做了个"智能喂食提醒系统"。实际成本：3个周末，200行代码，云端服务器月费15美元。猫的饭盆？原来那个机械定时器，9.9包邮。

这不是效率，这是工具崇拜。我们不是在解决问题，是在表演解决问题。

速度的真相：AI省下的时间去哪了

2023年微软研究院有个数据：用Copilot的开发者完成任务快55%。但同一批人，每周写的代码量增加了——不是35%，是126%。

省下的时间没有变成空闲。它变成了更多需求、更多功能、更多"能不能再加个……"。产品经理学会了提要求的节奏，客户习惯了隔天出原型，我们被困在加速的跑步机上。

有个做SaaS的朋友跟我说了个细节。他的团队用AI把API文档生成时间从2天压到20分钟。结果？产品经理开始要求"每个小版本都同步更新文档"，以前季度更新一次的事，现在周周做。总工时没变，焦虑感翻倍。

这就像外卖软件省下的做饭时间，最后都刷短视频了。技术给的自由，我们用来给自己加更多班。

精致的偷懒：当"高效"成为借口

但别急着骂工具。真正的问题不是AI，是我们对"快"的定义出了错。

我那个冰箱脚本，表面看是失败的投资。但它让我第一次认真看了计算机视觉的预处理流程——后来做工业质检项目时，这段"浪费"的时间变成了关键经验。有些自动化是幌子，背后是刻意练习的伪装。

更常见的倒是反面：用ChatGPT写周报，用Midjourney做PPT配图，用Notion AI整理会议记录。省下的认知资源，真的去做深度思考了吗？还是打开了下一个标签页，开始自动化另一件琐事？

有个测试可以自己做：记录一周里"用AI完成"的任务，标出哪些创造了新价值，哪些只是搬运了旧格式。我试过，比例大概是1:4。四分之三的"效率提升"，其实是认知外包——把需要动脑子的活，扔给模型当幻觉处理。

重建标准：什么值得手动做

我现在给自己定了条规则：如果一件事做第三遍，才考虑自动化。前两遍的手动过程，是理解问题真实边界的机会。很多脚本死在"我以为这是个排序问题，其实是个权限问题"上。

另一个经验来自一个老程序员：保留20%的"慢工作"。手写注释，人工走查关键路径，用纸笔画架构图。这些"低效"动作是锚点，防止你在工具的助推下漂太远。

AI确实改变了速度的定义。以前"快"是代码跑得快，现在"快"是想法到原型的距离。但距离缩短后，很多人忘了检查方向对不对。自动驾驶再快，设定目的地的人还是你自己。

那个冰箱脚本我最后删了。现在每周六上午，我打开冰箱门，拿手机拍张照，然后走路去超市。20分钟的路程，刚好听完一期播客。牛奶是新鲜的，脑子也是。

你的Copilot年度报告显示，今年接受了多少行代码建议？其中有多少行，你真正理解它在做什么？