北京
大语言模型让从想法到可运行软件的距离急剧缩短。对于范围清晰的小型任务，这个过程现在只需几分钟到几小时；对真实系统而言，压缩同样显著——但并不均匀。这种变化不止是提速，它正悄悄改写软件工作的情感结构、认知模式和社会协作方式。
一篇2026年7月发布的报告深入拆解了这种心理学变动。其中引述METR当年的一项跟踪研究显示：被邀请参与实验的开发者中，有30%到50%的人完全拒绝在没有AI辅助的环境下工作，即便支付报酬也不愿意。这一比例让研究者自己也感到意外，它像一盏信号灯，照亮了AI编程工具正在形成的心理依赖。
从个体工程师的视角看，事情呈现出两极。一方面，独自高速产出带来的掌控感前所未有——一个人持续保持上下文，按照自己的节奏快速生成可工作的变更，让“带别人跟上”的成本显得过高，于是自然而然地选择继续单干。共享心智模型在团队中逐渐被侵蚀，指导与被指导的机会也变少了。工程师获得了更强的行动自由，却也在一种安静的异化中感受到：真正有意义的进展，大多发生在和模型的私下对话里，而不是与同事的交流中。
另一方面，生成摩擦的崩溃改变了“值不值得做”的计算方式。几乎所有能描述出来的功能，都可以快速原型化。但这并不意味着努力消失了，而是努力悄悄换了地方——从生成转移到验证、集成和后续维护上，而这些成本被推迟了，变得不易察觉。因为生成阶段感觉几乎不费力，人们很容易仅凭这个阶段的直觉就做出“做吧”的决定，却忽略了真实成本已经后移。
更微妙的变化出现在日常工作的奖励节律上。每一个完成的小功能都能带来一次微小的即时满足。过去那种间歇性、高强度的喜悦——终于啃下一个硬骨头——正在被一连串快速的小完成所替代。从行为角度看，这很像一种可变比率强化程序：频繁、不可预测的小奖励，恰恰是维持持续性投入最有效的方式。“成瘾”这个词需要谨慎使用，但报告中列举的几个现象值得注意：一个提示还在运行，就忍不住想开启下一个；工具不可用时感到烦躁；明明意识到AI在割裂自己的注意力，仍然高强度使用。
这些个体心理效应的叠加，正反映在组织层面。当生成变得廉价而验证、维护的成本后移，团队的注意力和资源分配就面临新的失衡风险。过去围绕开发节奏建立的沟通、互评和知识传递机制，很可能被悄悄架空。报告提醒，如果只看速度数字而不理解速度背后的心理代价，团队和产品都可能在长期的维护债中付出更高成本。
报告最终指向一个判断：AI辅助编程带来的改变，不仅是生产力曲线上的一个阶跃，更是一次心理与社会动力学的重调。理解个体工程师正在经历的孤立感、奖励漂移和隐性依赖，才能找到在效率与可持续性之间的平衡点。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
