AIAgent时代一个新的坏习惯

最近我发现自己养成了一个很糟糕、而且很“AI时代”的习惯。

以前改论文、改专利、做PPT，写代码，一坐就是几个小时。现在把文件扔给 GPT Work，告诉它：“把这一部分重新排版”“修正代码的bug”“按照这个风格重做PPT”，然后它开始运行。GPT6 Astra中等模式非常舒服，都能很好地完成任务，给出可交付的漂亮成果。

运行时间短则三五分钟，长则十几分钟。

问题来了。

这十分钟我干什么？

不是继续思考，也不是闭目休息，是下意识摸出手机：刷一下 X，看看知乎，点开小红书，再顺手划几个短视频。等 AI 干完活，我再回来验收成果。

然后再输入下一个命令。

再刷手机。

久而久之，工作居然形成了一种邪门的条件反射：

下命令——刷手机——收成果——再下命令——再刷手机……

然后一下午甚至一天就过去了。

这个问题不是我个例，它很可能会成为 AI Agent 时代一个非常典型、但目前还没有被正式命名的行为问题。有意思的是，2026 年各机构围绕 AI Agent 的工作流讨论，已经从不同方向逼近了同一个问题：AI 把机器执行时间降下来了，却可能把人的注意力打得更碎。

Google Labs 在今年 8 月甚至说得非常漂亮：

“The future of agentic coding is focus.”

他们认为最好的 Agent 工具以后不应该以“写了多少代码”为核心评价，而应该看它保护了多少人的专注。因为 AI 可以并行，人脑不能无限并行。

Microsoft 的说法与我的体验几乎重合。它今年在介绍 Windows + Agent 的工作模式时直接写：

“Waiting is a hidden drain on productivity.”

因此他们设计的是：Agent 在后台运行，进度只在需要时浮现；人在此期间继续原来有意义的工作，而不是暂停、反复检查或者切走。

这说明我现在感受到的东西并不是一个微不足道的个人习惯，确实是AI 人机交互正在出现的一个新设计问题。

1. 真正危险的循环其实是这样的

现在的情形不是传统意义上的“工作的时候摸鱼”。

以前可能是：

思考 → 写 → 查资料 → 修改 → 思考 → 写

人的状态虽然累，但基本是一条连续轨道。

现在变成：

想需求 → Prompt →AI  Work 开始运行 → 等待 8 分钟 → 手机 → X → 小红书 → 短视频 → AI 完成 → 回电脑 → 检查 → 再 Prompt → 手机……

表面上看：

AI 干活的时候我又没事，刷 5 分钟怎么了？

但认知科学告诉我们，这 5 分钟并不是免费的。

Sophie Leroy 的经典研究把这个现象称为 attention residue（注意力残留）。从任务 A 切到任务 B，并不代表大脑瞬间完成上下文切换；一部分注意仍然留在前一个任务中，从而影响新任务表现。

而我的情况更麻烦，现在是：

代码 → 刷社交媒体 → 代码。

不是：

代码→ 倒杯水 → 代码。

后者几乎没有复杂的新认知上下文。

前者一下塞进来：

新闻、争论、评论、情绪、陌生信息、推荐算法、新鲜刺激。

于是 AI 回来了，我回来了，注意力却没有回来。

2. 还有一个很容易被骗过自己的地方

我们会自然地计算：

GPT 跑了 8 分钟。
我刷手机 8 分钟。
最后我有可交付的成果，所以没有浪费工作时间。

其实不是。

真实账本可能更像：

8 分钟 AI 等待
+
7 分钟刷手机
+
3 分钟“这个帖子看完再回去”
+
5 分钟重新读 GPT 输出
+
重新想起刚才为什么让 GPT 修改这里
+
再次进入上下文

所以损失的根本不是 8 分钟。

损失的是：

工作上下文的连续性。

Gloria Mark 团队长期跟踪真实电脑使用行为，发现现代人的平均屏幕持续注意时间已经下降到约 47 秒；而一次项目层面的中断以后，人重新回到原项目可能经历很长的恢复过程。加州大学欧文分校信息与计算机科学学院

这里那个著名的“25 分钟”也不能机械理解成“每刷一次手机必定浪费25分钟”，现实因人、任务和中断程度不同。但它很好地说明了一点：

恢复工作上下文的成本远远大于点击一次 App 的成本。

3. 刷短视频恰好是最差的“AI 等待活动”之一

这点我原来可能还会比较谨慎，现在已经有一些实验数据。

2025 年一项随机实验把参与者分成短视频、纪录片和控制组。短视频组在之后的任务切换实验里，利用提前线索进行主动准备的能力更差；研究者把它概括成一句挺妙的话：

“Swiping disrupts switching.”

也就是不断 swipe，可能让大脑更偏向被刺激驱动，而不是主动维护任务目标。这个研究样本不大，因此还不能夸张成“刷半小时 TikTok 就毁掉大脑”，但方向值得警惕。MDPI

2025 年另一项综合 27 个实验的 meta-analysis 也发现，在学习场景中，手机分心对即时记忆有中等程度的负面影响。科学直达

所以按“杀伤力”来说，会大致认为：

AI 等待 → 发呆

远好于

AI 等待 → 看窗外 / 上厕所 / 接水

好于

AI 等待 → 整理与当前任务有关的材料

而

AI 等待 →刷 X / 知乎

已经开始危险。

最差的是：

AI 等待 → 刷抖音/ 小红书瀑布流。

因为后者根本没有天然结束点。

更深一层：AI 正在摧毁一个过去很重要的东西——“工作中的自然空白”

这一点我觉得现在讨论得还不够。

以前 Word 卡了、Matlab 跑模型、导出视频、跑程序的时候，人会：

坐在那里。

看看屏幕。

想一下。

甚至什么都不干。

这些几十秒到几分钟的“废时间”，实际上可能承担着一个非常重要的认知功能：

让思维沉淀。

例如我以前自己改论文：

刚写完一段。

保存。

喝水。

然后突然想到：

“等等，这句话逻辑不对。”

现在则变成：

命令发给AI，

然后立刻打开手机

于是过去存在于工作中的那些：

无聊、停顿、游离、反思

被算法内容全部填满。

这其实和智能手机时代另一个变化很像。

以前：

等公交 = 等公交。

排队 = 排队。

坐电梯 = 坐电梯。

现在：

等公交 = 沉迷于信息流。

排队 = 沉迷于信息流。

坐电梯 = 沉迷于信息流。

而 AI Agent 又创造了一种全新的场景：

等待机器劳动。

然后信息流又把这一块时间吃掉了。

我甚至愿意暂时给它起个名字：

AI latency trap——AI 延迟陷阱

逻辑就是：

AI 帮你减少劳动 → 产生大量微型等待时间 → 手机填满等待 → 注意力碎片化 → AI 完成时人反而不想重新进入工作。

于是出现一个荒诞结果：

AI 的执行效率提高了十倍，人的工作体验却越来越碎。

4. AI 公司自己正在悄悄解决这个问题

这也是为什么 2026 年的产品方向越来越明显：

不是AI 回答得再快一点，

是：AI 你自己后台干，干完再找我。

OpenAI Codex App 的核心设计之一，就是把多个 agent 放到后台运行，人负责监督、review 和决策，而不是坐在那里看模型一个 token 一个 token 地吐。OpenAI

OpenAI 后来的 Auto-review 又进一步减少了需要人类同步点击批准的次数——其目的之一就是让长任务不需要持续人工守着。OpenAI Alignment

Microsoft 2026 Work Trend Index 则把新工作模式分成：

Author → Editor → Director → Orchestrator

越往后，人越不是“亲手做每一步”，是负责：

定义问题 → 分配任务 → 判断结果 → 校验质量。The Official Microsoft Blog

微软的数据里，一个非常值得注意的结果是：所谓 Frontier Professionals 并不是“什么都扔给 AI”。他们反而更常在开始前主动判断：

这件事情应该由 AI 做，还是由我做？

而且相当一部分人会故意保留一些不用 AI 的工作，以维护自己的能力。

所以成熟的 AI 使用方式根本不是：Prompt → 刷抖音 → 收成果。

而应该逐渐变成：

人负责保持问题空间，AI 负责并行执行。

这正好解释我最近出现的那个感觉。

我说：

“GPT Work 能直接修改论文、专利、做高级 PPT，我就变懒了。”

这里我觉得要把两个现象分开。

第一种懒是好事。

以前手动：

调整字号、画框、移动图、查格式、修改 Word、复制粘贴。

现在全部交给 AI。

这种“懒”其实叫自动化。

工业革命以后人类一直这么干。

但第二种非常值得警惕：

连 AI 工作期间自己的注意力也一起外包了。

于是工作变成：

下命令 → 娱乐 → 验收 → 下命令 → 娱乐。

久而久之，我真正训练出来的不是AI 管理能力

是等待奖励的习惯。

形成一个强化循环：

Prompt
→
终于可以刷手机了
→
AI 完成
→
检查结果
→
再 Prompt
→
啊，我又可以刷手机了

注意这里最邪门的一点：

工作本身竟然变成了允许自己刷手机的触发器。

这比普通摸鱼还值得研究。

因为以前至少是：

工作 ↔ 摸鱼

互相对立、竞争。

现在却变成：

工作行为 → 自动触发摸鱼。

这很可能就是 AI Agent 时代的一种新型坏习惯。

所以我目前对这个问题的核心判断是：

真正的问题不是“AI 工作时不能休息”。

我们当然可以休息。

而是：

不要把 AI latency 自动绑定到 algorithmic feed。

AI 跑 3 分钟，你完全可以站起来伸伸腰。

AI 跑 10 分钟，可以喝水、洗脸、收拾桌面、走一圈。

甚至什么都不干。

但什么都不干正在成为 AI 时代一种非常珍贵的能力。

这句话我越来越认同。

因为未来 AI 会越来越快、越来越自动化，我们真正稀缺的是：

保持一个问题连续想不少于30 分钟的能力。

而我现在观察到的这个习惯，恰恰是在一点点蚕食这种能力。