在 AI 时代做技术的人是不是都有一种说不出的疲惫感

很多在技术圈打拼的朋友可能都有这种感觉：在早会或者私聊时，面对询问，我们会下意识地快速回答一句「还好，能跟上」，但其实内心深处有一种很奇怪的累。这种累不是那种修完大 Bug 后的成就感，也不是熬夜赶 Deadline 的体力透支，而是一种即便你已经全力奔跑，却依然觉得脚下的地板在向后滑动、怎么也跑不到终点的无力感。

我想聊聊这种状态，因为很多人在独自承受，而承认这种疲惫其实是找回状态的第一步。

这次面对的不是传统的职业倦怠

我们习惯把技术压力定义为「量」的问题，比如加班时长、Ticket 太多、发布前的极限冲刺。那种累我们很熟悉，知道它在 Sprint 结束时会停止，甚至在熬过来之后会有一种某种程度上的自豪感。

但现在大家面对的压力其实是「节奏和基准线」的问题。工具每周都在变，模型每隔几个月就升级。去年你还是某个领域的专家，这个季度就有了新的最佳实践，下个季度可能就被告知之前的做法已经过时了。这种精疲力竭不是来自具体的工作量，而是来自一种持续的、低强度的焦虑：你必须在领域自我迭代的同时，确保自己没掉队。

传统的倦怠可以通过休息来缓解，但这种由于环境快速漂移带来的压力，因为没有所谓的「结束时间」，所以很难真正通过休息来彻底消除。

哪些具体的因素在悄悄消耗我们

这种压力不是由某个大事件触发的，而是由几个细小的点叠加而成的：

• 基准线的隐形上涨： AI 把「快」变成了基础门槛。这意味着你被期待的产出量在悄悄攀升，而且没人会正式宣布。你可能产出了比以往任何时候都多的代码或方案，但周五收工时依然觉得落后了，因为「足够好」的标准在你不注意的时候已经偷偷移动了。
• 对技能过时的恐惧： 每周都有新框架、新模型出现。在兴奋之余，潜意识里总有个声音在问：我花几年时间积累的经验，到下个季度还值钱吗？这种对自身竞争力不确定性的焦虑，让人永远无法在专业领域获得真正的安稳感。
• 身份认同的动摇： 这是一个很隐蔽但杀伤力很大的点——「我真的厉害，还是 AI 厉害？」。很多技术人的自信建立在「能解决难题」之上，但当 AI 几秒钟就能搞定难题时，曾经对工艺的自豪感会变得空洞，甚至开始怀疑自己在工作中的角色。
• 永不关闭的警觉状态： 你不能完全信任 AI 的输出，必须时刻保持审查、验证和质疑，捕捉那些被模型自信地写错的细节。这其实是一种额外的认知税，一个在后台永不停止的进程，让原本「好用的工具」在实际使用中变得很累人。
• 幸存者偏差的对比陷阱： 社交媒体上到处是「AI 让我产出提升 10 倍」或「周末用 AI 搞定创业项目」的故事，几乎没人发自己的焦虑。于是你看着周围的人，以为只有自己在苦苦支撑，但事实是，大多数人其实都在经历同样的心理内耗。