被 LLM 填满的生活
我花了 200 亿 token 写项目。
这句话听起来很夸张，但它确实接近我这段时间的真实感受。LLM 已经深度进入我的工作流：写代码、改代码、读文档、查问题、解释报错、生成方案、重构项目、写测试、写文档，几乎每一个环节都能看到它的影子。
可是奇怪的是，按理说我应该变轻松才对。一个如此强大的工具进入生产过程，应该减少我的工作量，减少我的工作时间，减少我面对复杂系统时的痛苦。可现实恰恰相反。
我的工作量没有减少。
我的工作时间也没有减少。
甚至，我的大脑比以前更累了。
它没有替我工作，只是改变了我工作的方式
很多人对 LLM 的想象是：你把任务交给它，它把结果交给你。听起来像是一种新型自动化。但真正用它做项目之后，我越来越觉得，LLM 并没有替我工作，它只是把我的工作形态改造成了另一种样子。
以前写项目，我面对的是代码、文档、编译器和调试器。问题虽然复杂，但上下文是连续的。一个 bug 卡住了，我会沿着调用链、波形、日志、源码一路追下去。虽然痛苦，但大脑始终在同一个问题空间里。
现在不一样。
我需要不断向 LLM 描述问题，整理上下文，筛选信息，判断它的回答是否可靠，再把它的建议重新映射回项目。它写出一段代码，我不能直接相信；它给出一个分析，我也不能直接接受。我必须检查它有没有误解架构、有没有编造接口、有没有漏掉边界条件、有没有把一个局部优化变成全局灾难。
于是，原本连续的思考被切成了很多碎片。
我一边是项目本身的上下文，一边是 LLM 对项目的理解；一边是我脑子里的真实结构，一边是它根据提示词临时拼出来的结构。我必须不断在这两套世界之间切换。
这不是减负。
这是一种新的脑力劳动。
大脑上下文切换
真正让我疲惫的，不是写代码，而是上下文切换。
做一个复杂项目，本来就需要在脑子里维持大量状态：模块之间的关系、接口约定、历史设计、未解决的问题、刚刚做过的尝试、哪些路径已经证明不可行、哪些 bug 看起来像 bug 但其实是预期行为。
LLM 加入之后，这些状态没有消失，反而变多了。
我不仅要记住项目上下文，还要记住“我刚才给 LLM 说过什么”“它现在知道什么”“它不知道什么”“它可能误解了什么”“上一次对话里的结论还能不能用”“这一轮生成的代码和上一轮有没有冲突”。
这就像本来已经在脑子里跑着一个很重的系统，现在又开了一个巨大的协同进程。它有时帮你加速，有时又疯狂占用内存。
最可怕的是，它并不会真正替你记忆。
它看起来什么都知道，但实际上很容易遗忘、混淆和漂移。你需要不断给它补上下文，不断纠偏，不断提醒。最后你会发现，真正承担长期记忆的人仍然是你。
LLM 负责生成，你负责背锅。
记忆溢出
我越来越明显地感受到一种“记忆溢出”。
以前做项目，虽然也累，但累得比较纯粹。今天调这个模块，明天调那个模块，脑子里还有一条相对清晰的线。
现在，LLM 会让任务推进速度变快。一天之内，你可能读了更多代码，尝试了更多方案，生成了更多 patch，打开了更多分支，讨论了更多可能性。表面上看，这是效率提升。
但人的工作记忆并没有跟着升级。
任务推进得越快，脑子里堆积的未闭合上下文越多。这个方案试过但没完全失败，那个模块改过但没完全验证，某个回答里有一句话可能有用但还没来得及确认，某个 bug 可能已经被修掉但也可能只是被掩盖。
这些东西全部挂在脑子里，像一堆没有释放的内存。
到最后，人会变得非常疲惫。不是身体上的困，而是大脑深处那种溢出的、黏滞的、无法整理的累。
LLM 让信息生产变得太容易了，而人的消化能力并没有同步提高。
更快，不等于更少
这可能是我对 LLM 最大的幻灭：它让很多事情变快了，但没有让事情变少。
代码写得更快，于是需求变多了。
文档生成得更快，于是文档也变多了。
方案来得更快，于是需要比较的方案也变多了。
原型做得更快，于是人们开始期待你一天拿出过去一周的成果。
技术进步并不会天然带来休息，它更常见的结果是提高标准。原来一天只能做一件事，现在一天能做三件事，于是三件事就变成了新的正常工作量。
所以，LLM 没有把人从工作里解放出来。它只是让工作以更高密度压缩进同样的时间里。
这也是为什么我用了这么多 LLM，反而越来越怀念它出现之前的状态。
那时候慢一点，但慢得有秩序。
电子产品也被卷进去了
LLM 不只改变软件开发，它还在改变整个技术消费环境。
现在的电子产品，似乎什么都要加 AI。手机要 AI，电脑要 AI，耳机要 AI，键盘鼠标恨不得也要有 AI。厂商终于找到了新的涨价理由：更强的 NPU，更大的内存，更高的算力，更智能的系统。
可是作为用户，我真的需要这么多 AI 吗？
很多时候，我只是想要一个稳定、耐用、便宜、安静的工具。但市场并不会因为我的朴素需求停下来。AI 成了新的营销入口，也成了新的成本转嫁方式。你可能并不需要那些功能，但你仍然要为它们买单。
更讽刺的是，产品并没有因此变得更好用。很多功能只是多了一层包装，更多按钮、更多弹窗、更多云服务、更多订阅入口。它们看起来更智能，实际体验却更复杂。
技术本来应该让工具回到工具本身，但现在工具越来越像一座不断向用户推销自己的商场。
媒体质量正在下降
LLM 带来的另一个问题，是内容生产门槛急剧下降。
文章可以自动生成，脚本可以自动生成，视频文案可以自动生成，封面标题可以自动优化，评论区甚至也可以自动填充。内容越来越多，但真正值得看的东西并没有同比例增加。
短视频平台上，越来越多内容都有一种熟悉的味道：标题很刺激，结构很完整，语气很顺滑，但看完之后什么都没留下。它们像是被同一个机器磨出来的，光滑、饱满、空心。
这很可怕。
过去，低质量内容至少还暴露着人的粗糙。你能看出一个人的局限，也能从局限里看到真实。现在，低质量内容被 LLM 修饰得非常体面。它们不再显得低级，甚至显得很专业，但本质上仍然没有思想、没有经验、没有真正的判断。
当所有东西都变得更像内容，真正有价值的内容反而更难被看见。
信息污染不是因为信息太多，而是因为太多信息看起来都像真的。
我希望它从来没出现过
如果只从理性角度讲，我当然知道 LLM 很强。它确实能提高效率，确实能帮助学习，确实能降低很多事情的门槛。没有它，我可能无法这么快推进一些项目，也无法在短时间内接触到这么多工具和方法。
但人的感受并不总是服从理性。
当我发现自己的工作量没有减少，工作时间没有减少，大脑却变得更疲惫；当我发现自己每天都在切换上下文、整理上下文、喂给模型上下文、再从模型输出里抢救上下文；当我发现技术产品越来越贵，媒体内容越来越像工业废料，我就会产生一种很强烈的念头：
我希望 LLM 从来没出现过。
这不是因为我讨厌技术。
恰恰相反，是因为我太喜欢技术了。
我喜欢的是那种能让人更自由、更清醒、更接近事物本质的技术。而不是一种把所有人推向更高速度、更高密度、更强噪声的技术。
也许 LLM 最终会变成真正的生产力工具。
但至少在此刻，它带给我的感受并不是解放，而是一种被加速的困境。
它让世界变快了。
可我并不确定，世界因此变好了。