你在用 AI 做事情，还是在让 AI 替你思考？
如果你拥有可无限使用的 Claude Mythos 模型 token， 你会变得更自信吗？
我的回答是：会。
如果我拥有无限的 Claude Mythos 模型 token， 我会更自信， 因为我可以借助 AI 实现我的想法， 可以更加低成本的试错， 可以更加快速的完成任务。 更不用说 Claude Mythos 是目前最强的 AI 模型。
但是如果有一天， 你发现你的 Claude Mythos 模型 token 被限制了，其他的 AI 模型也不可用了，你还会自信吗？
最近读到了一篇文章， 叫做 《Cognitive Surrender》（认知投降）。 作者是一个 AI 模型的重度用户， 文章中并没有制造焦虑的讨论 AI 会不会抢程序员饭碗， 而是从另外一个角度在探讨我们在使用 AI 帮我们处理事情时，是在让 AI 替我们思考，还是在用 AI 替我们做事情。
其中关键点是我们在使用 AI 时，是否把判断权交给了 AI。
回到一开始的问题， 文章中
一、所谓「认知投降」，是什么？
沃顿商学院做过一项实验，招募了 1,372 名参与者。可以看到一个很刺眼的结论：
旁边只要有个 AI，人就容易「投降」。当 AI 给出错误答案时，73% 的人会直接接受。
更值得警惕的是：有 AI 在场时，大家的信心反而更高——哪怕题目里有一半答案是故意做错的。
他们并不是在用判断力做决定，更像在借用模型的笃定。模型说得斩钉截铁，他们就信了。作者把这种状态叫做 认知投降（Cognitive Surrender）。
二、认知外包和认知投降，是两回事
作者划了一条界线，我个人觉得对写代码的人特别好懂：
- 认知外包：「怎么做」可以交给 AI，「做什么」还是你说了算。你会判断结果是否合理，不对劲就自己改。
- 认知投降：干脆不自己想了。AI 说什么就是什么。你从来没有形成过自己的判断，所以也谈不上「推翻」什么。
换成工程师的大白话：
- 外包——AI 写了代码，你知道它写了什么、为什么要这么写。
- 投降——你点了「同意」，然后就没有然后了。
三、投降在日常开发里长什么样？
原文列了几个场景，我读的时候基本都能对上号。
1. 看 PR
智能体甩来一个 600 行的改动。你扫了一眼，变量名还行，测试过了，就点了通过。但中间某个地方，事务边界被悄悄改了，某个默认值被悄悄翻了。你没有审代码，你只是批准了它。
投降的本质，就是你根本没有做决定。
2. 调试
堆栈看着吓人，扔给 AI，AI 给了个修复，能跑，你继续干别的。两周后类似的问题又冒出来——你才发现自己从来就没真正搞懂过那个 bug，只是消掉了症状。
3. 做技术决策
不确定用消息队列还是直接调用，问 AI。AI 选了队列，还附上一大段头头是道的理由。你照做了。你没有想过自己的吞吐量、故障模式、重放语义，把「AI 对问题的理解」和「AI 给的答案」一股脑全收了。
4. 学新东西
有研究数据：学新库时，用 AI 直接生成代码的人，后续理解测试比对照组低了 17%；而用 AI 做概念探究（问问题、聊权衡）的人，成绩没有下降。
同一套工具，你怎么用，决定了你是变强了还是变弱了。
四、理解债：一笔看不见的账
技术债大家熟。这篇文章里我更在意另一个词——理解债。
每一次投降，都像借了一笔小钱：代码库里多了一段你并不完全理解的代码，架构上多了一条你没真正做过的决策，测试上少了一个你没想过要写的用例。
单笔看都不致命，但它们会复利。
等到有一天系统出了故障，整个团队没有一个人能从第一性原理讲清楚它是怎么工作的——那就是理解债的账单到期了。MIT 的研究在神经层面也看到了类似现象：长期依赖 AI 的人，相关脑区连接变弱，对自己刚产出的内容记忆变差，也很难复盘自己当初是怎么想的。
债不是 AI 制造出来的，是你使用 AI 的方式制造出来的。
五、怎么办？作者给出的六条建议
作者自己也在用这些工具。下面六条是他文中的做法，我打算照着试。
1. 看输出之前，先想好你期待什么
让 AI 动手之前，先在脑子里想一遍——哪怕只是大概——你觉得答案应该长什么样。当 AI 给的跟你预期一致，说明你心里有数；当不一致时，你才面对一个真正的选择：是我错了，还是它错了？投降，就是跳过这个选择。
2. 就当 AI 没写过这份代码
假装是你团队里一个初级工程师提的 PR。你会只因为「测试过了」就合并吗？不会。换成模型，标准也不该变。
3. 让模型反驳自己
模型给出一个很笃定的答案后，让它自己反驳一遍。多这一步成本很低，往往能打破那种借来的自信。如果你说不清两个答案哪个对，那你就找到了一个差点要投降的地方。
4. 注意你什么时候累了
投降是疲劳现象。第一个 PR 你会认真看，第五个 PR 你只会扫一眼。累了就别再让 AI 生成了——这是很多高级工程师的共同习惯。
5. 范围越小越好
50 行的改动你真的能看完，600 行的你看不完。审查的单位，就是理解的单位。 让单位小到你能真正理解。
6. 每周不用 AI 写点东西
不是情怀，是校准。哪天你发现自己不靠 AI 就写不出简单代码了——那就是已经越界了，而你没发现。
六、委托给 AI，还是跟 AI 合作？
文章结尾，作者引用了认知科学家 Andy Clark 的一个区分：把事丢给 AI，和 跟 AI 一起做，不是一回事。
- 委托容易滑向投降。
- 合作才有「相互增益」——你的提示让模型输出更好，模型的输出又让你的下一个问题问得更准，你自己的理解也跟着加深。
你大概能感受到区别。相互增益状态下，一场对话下来，你对问题的理解更清晰了；投降状态下，聊完反而更糊。你仍然能独立把事做完，只是选了一条更快的路。
代码照样能交付。区别只在于：系统理解是在缩水，还是在加深。前者是在还认知债，后者才是真的在工作，只是比以前更快。工具一样，态度在你这边——这部分，谁也替不了。
七、原文链接
文章不长，英文原文在这里：
如果你也在重度使用 AI 编程工具，我认为，这大概是你今天花得最值的十分钟之一。
（完）