在 AI 编码助手满天飞的今天，我们敲代码的速度前所未有地快。但你有没有发现，有时候代码跑得越快，脑子反而越跟不上？这个是之前 AI 认知债里面提到的观点，但我最近发现了一些相关的地方，没有看见的地方。

以前开发软件本来就慢，人们习惯了把“思考”和“写代码”混为一谈，因为要主动思考代码如何写，这是一个主动的过程，注定会慢。但现在，AI 给“写代码”装上了火箭推进器，而“思考”却还停留在原地，结果就是我们经常在狂奔中失去平衡。

为什么我们不能把“思考”外包给 AI？

前几天我和同事闲聊，讨论是否应该用 AI 来帮我们记笔记。

最后我们得出的结论是：AI 可以打辅助，但核心的思考部分必须自己来。

很多时候，我们把一篇长文或复杂的概念丢给 AI，它能瞬间总结得头头是道，我们看着也啧啧称赞，自己觉得自己“学到了”。但这其实是一种虚假的获得感。这里面缺失了“费曼学习法”中最关键的一环——用自己的话把复杂的事情讲清楚。没有这个强迫自己主动思考、咀嚼信息的过程，知识永远只是停留在屏幕上的字符，进不到你的脑子里。之前影视飓风 Tim 说过，人类喜欢高密度信息带来的快感，看 AI 生成的东西也会带来快感，让人觉得我也会了！

真实世界的验证：两个需求的惨痛对比

最近我刚好接了两个需求，简直是上述理论的完美对照实验：

• 需求 A（主动思考）：我和 BA（业务分析师）反复对齐，老老实实地去理解业务逻辑，并在脑海里推演了各种复合的边缘场景。结果交付得相对比较顺利，测试反馈也很不错。
• 需求 B（外包思考）：这个需求我一开始就没和 BA 对齐，觉得逻辑很别扭，但又拗不过对方。于是我偷了个懒，顺手把需求文档丢给了 AI，让 AI 帮我梳理思路。我扫了一眼 AI 给出的设计计划，觉得“嗯，我看懂了，就这么干”。

然而，现实很快就给了我狠狠一耳光。

当代码交给 QA 测试后，爆出了成吨的问题。虽然我大可以甩锅给 BA 说需求不清晰，或者怪 QA 自己写的 TC 都不详细，当初关卡和提供的 TC 都没有覆盖后续的场景，但静下心来想想，根本原因是我自己根本没有实现完整的功能。

在不停地返工重做中，我被迫重新从头分析需求。那一刻我深刻体会到：你永远赚不到你认知范围外的钱，你也永远写不出你理解范围外的代码。这句话的含金量在 AI 时代还在不断上升。一味求快、用 AI 掩盖自己思考上的懒惰，留下的技术债务最后还是要自己流着泪去填。

Jex 强调写作

与此同时，前同事强调”写作“，不能 delicate 给 AI。如果把这个问题从另外一个角度来看，就比较好理解为什么要写作：你要主动去学习、内化、产出认识，而不是被动接受 AI 的产物。

主动产生的认知是自己的，AI 产生的认识不是你的。

总结：让网状的思维变成线性的文字

无论是写博客还是写代码，思考的部分，请务必留给自己。而最好的实践方式，就是写作。

如果我们过度依赖 AI 去“理解”事物，就会陷入一种“我以为我懂了”的假象。我们脑子里的想法原本是网状的、混沌的，只有通过自己痛苦的梳理，才能把它们变成一行行条理清楚、逻辑严密的文字或代码。

AI 是个好帮手，但别让它代替你思考、写作！