他用AI把开发速度拉满，大脑却开始"生锈"

ReThynk AI创始人发现：代码越写越快，脑子越来越慢。这不是技术故障，是一场被忽视的"认知外包"危机。

从"创造者"滑向"策展人"

他曾是那种从零开始搭建产品的创始人。一行行代码亲手敲，一个个bug亲自调，在复杂系统里摸爬滚打数周，最后带着深刻的理解走出迷宫。

AI工具出现后，一切变了。项目上线周期从月压缩到周，从周压缩到天。他成了高效的"策展人"——不是亲手建造，而是在AI生成的方案里挑选、微调、拍板。

表面看，这是生产力的飞跃。但他察觉到某种不对劲：完成十个项目后，对任何一个的掌握程度，都不如过去独立完成一个来得扎实。

「创造过程变得过于轻松时，所有权感和深度参与感会减弱。」他在复盘时写道。创造本身刺激大脑；策展虽然高效，却让思维处于低激活状态。

这种角色漂移，正在无数AI使用者身上悄然发生。

被删除的"挣扎价值"

过去做项目，他必经一段黑暗期：查资料、试错、调试、推翻重来。这个过程痛苦、耗时，却是认知锻造的关键环节。

心理学家有个概念叫"必要难度"——适度的认知挣扎能强化记忆提取，促进深层理解。调试时被迫啃透的底层机制，迭代中意外发现的边缘案例，都是AI时代被一键跳过的"隐藏课程"。

AI把摩擦系数降到接近零。好处显而易见：效率暴涨。代价却隐蔽：大脑失去了被迫深度运转的场景。

他注意到自己的变化：遇到问题时，第一反应不再是拆解分析，而是把提示词扔给AI；读完AI生成的代码，能看懂逻辑，却讲不清为什么选这个架构；新项目启动时，对技术选型的直觉判断力，不如从前敏锐。

这些信号没有体现在任何效率指标里，却真实侵蚀着独立解决问题的能力。

认知外包的三重陷阱

他把观察到的症状归类为三种隐性损伤：

第一，推理链断裂。过去解题要走过完整路径，现在直接看答案。大脑习惯了"结果消费"，而非"过程建构"。

第二，记忆锚点缺失。亲手调试过的bug印象深刻，AI修复的问题过目即忘。没有认知挣扎作为记忆钩子，知识留存率骤降。

第三，元认知萎缩。即"对自己思考过程的觉察与监控"。当AI接管了大部分认知劳动，人逐渐丧失评估自身理解深度的能力——误把熟悉当掌握，将能复述等同于能运用。

这三重陷阱的共同点：都不影响短期产出，却持续削弱长期认知资本。就像运动员依赖外骨骼跑得更快，肌肉本身却在退化。

加速悖论：外部越快，内部越慢

他提炼出一个反直觉的观察：外部构建速度与内部思考深度，存在张力关系。

当每个环节都被加速，大脑失去"被迫深入"的契机。快速交付十个功能，不如慢工细磨一个功能带来的认知收益。但商业环境奖励前者，惩罚后者。

这不是呼吁放弃AI。作为AI公司创始人，他比任何人都清楚工具的价值。问题在于使用方式：是把AI当作认知的延伸，还是替代？

他尝试的解法包括：强制保留"无AI时段"处理核心问题；对AI输出进行"教学式复盘"——假设要向他人解释这个方案，倒逼自己填补理解缺口；在关键决策点主动关闭辅助，恢复手动推演习惯。

这些做法都指向同一个原则：在效率与认知投入之间，重新划定边界。

给从业者的实用判断

这场"越用越快，越想越慢"的体验，揭示了一个被低估的职业风险：AI正在重塑"能力"的定义。过去，能力体现在能独立完成什么；未来，能力可能更多体现在能指挥AI完成什么——但前提是，你仍保有独立完成的认知基础。

他的建议是：把AI当作杠杆，而非拐杖。杠杆放大已有能力，拐杖替代缺失能力。区分两者的关键，在于定期脱离AI环境，检验独立解决问题的水平是否滑坡。

具体操作上，可以建立个人"认知审计"机制：每月选一个中等复杂度问题，全程禁用AI辅助，记录解决过程中的卡顿点与最终理解深度。这既是能力体检，也是防止认知外包成瘾的强制训练。

技术迭代不会减速，但人的认知节奏可以自主调节。在AI全面渗透工作流的今天，主动保留"慢思考"的领地，可能是比追求极致效率更长期主义的策略。