解决方案或许是取消我的AI订阅
TL;DR · AI 摘要
作者反思AI工具滥用导致大量无用项目堆积，认为取消AI订阅是回归专注力的必要手段；AI虽强大但鼓励低质量、碎片化产出，反而削弱工程深度与产品价值。
核心要点
- 作者列出30+用AI构建的项目，仅SaaS存活，其余皆无维护价值且耗时耗能。
- AI放大注意力分散，多人同时运行多屏幕无关项目，缺乏持续投入意愿。
- Claude/Codex等工具设计鼓励高频率交互，每分钟生成1万行未测试代码，无助于真实产品交付。
结构提纲
按章节快速跳转。
作者列举数十个用AI构建的项目，多数无实际用途，仅用于学习或实验，最终成为负担而非资产。
LLM工具通过自动输出、引导提问、低门槛创作，系统性削弱用户对任务的长期承诺和深度思考能力。
作者尝试降级订阅以控制使用，但工具设计使使用量反弹，CLI版本虽快仍无法阻止过度依赖。
移除输入摩擦（如语音转文本）后，产出质量暴跌，因缺乏“认知成本”导致内容空洞、无结构。
企业中普遍出现多屏并行、无目标开发，AI加速了这种浪费，可能导致整体工程效率倒退。
作者主张主动切断AI工具依赖，重新建立以“产品价值”为导向的工作流，而非“工具熟练度”导向。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AI工具滥用与专注力危机
- 项目失控
- 30+无用项目堆积
- 仅SaaS存活
- 注意力机制
- LLM放大ADHD效应
- 多人多屏无目标开发
- 工具设计陷阱
- 自动输出诱导高频交互
- CLI/网页界面加速滥用
- 解决方案路径
- 取消订阅重启专注
- 重建以产品价值为核心的工作流
金句 / Highlights
值得收藏与分享的关键句。
几乎每个项目都始于一个简单需求，一小时后变成复杂系统——这不是效率提升，而是注意力被劫持的证据。
ChatGPT 被硬编码为每次回答后附加相关问题，强制用户继续互动，这在商业上是成功的，但在工程上是灾难性的。
我曾试图用语音输入生成博客，结果输出全是垃圾；因为没有写作压力，思维变得浅薄，质量无法提升。
标题：解决方案或许是取消我的AI订阅
网址来源：https://thoughts.hmmz.org/2026-05-31.html
Markdown 内容：
- * *
我正在试着列出所有我用AI构建的精彩项目：
- 一个用 Rust 编写的语音识别系统
- 一个邮件归档渲染 + 引用折叠工具
- 一个基于 GStreamer 和 Qt Quick 的 Jellyfin 桌面克隆版
- 一个用 Python + yt-dlp 构建的 Invidious 克隆项目
- 一个忠实还原 Windows 95 记事本（notepad.exe）的 FLTK 版本，移植自 Wine 源码
- 一个使用 OpenCV 从公共街道摄像头中统计车流的机器视觉项目
- 一个用 Python 或 Rust 实现的 Claude UI 克隆（我甚至记不清是哪个）
- 一个我原本无意构建但如今却获得流量的地区新闻网站（Python/Flask）
- 一个基于现有三.js 多人游戏协议构建的 3D 汽车游戏
- 一个用 Python 编写的投资回测器
- 一个 HTML 版 Lightroom 界面克隆，对结果惊叹不已，但从未实现后端功能
- 一个用 Qt 或 GTK 或其他我已忘记的框架编写的 Markdown 查看器
- 一个为我的笔记本桌面环境定制的替代世界时钟小部件（GTK + C）
- 一个 JavaScript 实现的网络同步音频播放器
- 一个用 Rust 编写的中国监控摄像头客户端，逆向工程自其安卓 App
- 一个规模不小的 Rust SaaS 项目
- 可能还有约五十个我早已删除的其他项目
除了这个 SaaS 项目，几乎所有的这些项目都没有实际用途，我也并不想维护它们。我意外运营了一个新闻站点——这无疑是个法律和财务风险。当然，它们确实帮助我“学习了 AI 工具链”，我也在日常工作中使用其中许多工具，但我其实根本不需要它们。无论是时间、精力、信念、专注力还是愿意为 Token 付费的意愿，我都负担不起维护这些项目。
我并非有意构建大部分这些项目。通常，Claude 会从一句“写个快速脚本来处理 X”开始，一小时后，结果往往不是“处理 X 的快速脚本”，更别提解决最初的问题了——无论那个原始需求是什么。
注意力即一切
就这一点而言，这项技术对注意力而言是灾难性的。它就像核聚变级别的 ADHD 放大器，我在每一位成年朋友身上都看到了同样的效应：同时开着三台屏幕，各自做着完全无关的“项目”，既无维持下去的希望，也缺乏对成果的投入，显然时间被白白浪费了。
最近，至少每月一次，有人会发截图给我，展示他们正在开发的“超棒工具”。我会惊叹：“哇，这真的太酷了！”发送者显然充满自豪与热情。我尽量不问，但总忍不住思考：你打算怎么推广它？因为当工程师被问到这个问题时，答案自 LLM 出现前就没变过。
我最近接受了一次面试，当谈到 AI 使用情况时，对方回答：“我们其实用得不多，每个人最多有五个房间来管理自己的智能体。”我瞬间感到胃部一阵紧缩。
几个月前开始使用 Claude 时，我就隐约感觉到这种影响。后来我将订阅降级至 Pro 版，以为配额限制能遏制过度使用。然而 Claude 随后经历了一段服务不稳定期，于是我转投 Codex。Codex 的命令行界面比 Claude 好用得多，速度也明显更快。但使用量又悄悄回升了。
当这项技术被精炼打磨后，确实令人惊叹：让它零样本（zero-shot）解析一个晦涩语法、用晦涩语言实现、并附带完整测试的程序，它就能完成。然而，当前的工具生态恰恰鼓励的是完全相反的方向——更多使用、更多 Token、更多输出。比如，你向 ChatGPT 提出一个简单的“是/否”问题，它却会自动附加一个相关后续问题，以促进持续互动。
在五分钟内写出一个未经测试、长达一万行的 Python/JS 乱码，毫无助益。想象这种场景在每个商业环境中同时发生，真是令人毛骨悚然。
摩擦 = 聚焦，聚焦 = 产品
我早期的一个 AI 实验，尝试用“AI 作为透镜”的视角（类似马歇尔·麦克卢汉的思路），是将语音识别连接到一个生成博客文章的流水线，期望借此促使我记录下自己的想法。我只需在 Telegram 频道里按下语音按钮，就会输出一个 Opus 格式的帖子。
结果却是彻底的垃圾。因为省去了努力的过程，也就失去了承诺；没有承诺，就没有聚焦；而没有聚焦，自然谈不上任何有意义的产品。优质写作绝非只是通过某种“镜头”转换后的口语化英语：口语英语本质上是低比特率的噪音，而优质写作则试图捕捉高比特率的信息，并用更严谨的概念表达——这点在我动手之前本应显而易见。
我曾考虑将该流水线改用于记录私人笔记，但事实上我并无此需求。它违背了自然过程——噪音本应被遗忘。这只是另一种多余的工具滥用。
由此推论，只要质量仍然重要，我认为手写永远不会被淘汰。
- * *
感觉我们正走向一场危机，而我认为“更好的模型”或“更好的工具”并不是答案。Cal Newport 将此现象归结为伪生产力：
演讲者认为，包括人工智能和电子邮件在内的数字生产力工具，往往制造出一种“数字生产力悖论”：它们让单个任务变得更快速或更轻松，但却可能使知识工作者更加忙碌、更容易分心，整体效率反而降低。他引用的研究表明，使用人工智能的人在电子邮件、即时通讯、聊天和业务管理工具上花费了大量时间，却减少了专注、不受干扰的工作时间。他的核心观点是，旨在减少摩擦的工具往往会增加浅层任务的数量和上下文切换的频率，从而削弱深度工作和高价值产出的能力。
他进一步解释称，这是因为知识型工作常常依赖于“伪生产力”，即把可见的忙碌状态当作真实价值的代理指标。数字工具通过让人们看起来更活跃来强化这种现象：发送更多消息、撰写更多草稿、参加更多会议、生成更多工作成果。为了避免陷入这一陷阱，他建议衡量实际成果，识别工作中真正的瓶颈，并将深度工作与浅层工作区分开来，从而使数字工具支持有意义的进步，而非消耗注意力。
这些经历开启了一种对所有工具使用的全新认知，因为归根结底，这并非追求更快开发 = 更多应用，或更快邮件 = 更多沟通这样的目标才值得追求。从本质上讲，它关乎生命中单位时间的利用方式——如何使其具有真正意义。
目前我尚不清楚该如何管理人工智能，除了限制其使用之外。因为一个能以极低输入成本、无摩擦地提供廉价回报的工具，本质上只会成为负担；而认识到这一点，或许是迄今为止人工智能所能做出的唯一真正贡献。
- * *
_David，2026年5月31日 星期日 14:31:04_