摘要：AI 编码工具最迷人的地方，不是“写得比人快”，而是它能把一个人从开始之前的僵住状态里拖出来。g5t.de 的《Task Paralysis & AI》之所以在 Hacker News 引起共鸣，正因为作者谈的不是宏大的技术替代，也不是又一篇“AI 会不会抢饭碗”的争论，而是一个更贴身的问题：当 Claude Code 这类工具把“我有个想法”到“东西跑起来了”的距离缩短到几分钟时，它究竟是在治疗任务瘫痪，还是在制造另一种依赖？原作者明确说自己尚未确诊 ADHD，只是有一些迹象：兄弟姐妹曾被诊断，自己长期难以执行别人觉得“简单”的任务，并且经常需要新鲜感；他把“分析瘫痪”和“任务瘫痪”分开，前者是脑子打转，后者是脑子根本不启动。(g5t.de)
AI 编码工具最迷人的地方，不是“写得比人快”，而是它能把一个人从开始之前的僵住状态里拖出来。g5t.de 的《Task Paralysis & AI》之所以在 Hacker News 引起共鸣，正因为作者谈的不是宏大的技术替代，也不是又一篇“AI 会不会抢饭碗”的争论，而是一个更贴身的问题：当 Claude Code 这类工具把“我有个想法”到“东西跑起来了”的距离缩短到几分钟时，它究竟是在治疗任务瘫痪，还是在制造另一种依赖？原作者明确说自己尚未确诊 ADHD，只是有一些迹象：兄弟姐妹曾被诊断，自己长期难以执行别人觉得“简单”的任务，并且经常需要新鲜感；他把“分析瘫痪”和“任务瘫痪”分开，前者是脑子打转，后者是脑子根本不启动。(g5t.de)
这篇文章的核心很朴素：作者有计划、有策略、有想法，真正卡住的是第一步。AI 恰好补上了这一步。Claude Code 像一个不知疲倦的执行者，把实现细节快速铺出来，降低了启动成本。问题也从这里开始：结果来得太快，奖励来得太快，反馈循环短到让人上瘾。作者写到自己先买 Pro，又补 API credits，后来升级 Max，还尝试减少 token 消耗的技巧；他把这种不断加钱追逐下一次产出的状态，比作向“多巴胺来源”继续投钱。(g5t.de)
HN 讨论区把这个问题放大了。帖子本身获得了 213 分和 109 条评论，许多开发者并没有把它当作小题大做，而是把它看成自己近期工作状态的镜子。(news.ycombinator.com) 一位有 ADHD 诊断的评论者说，自己过去一年从早期编码 harness 到 Claude Code 都经历过，最初确实产出了库、工具和文档，但现在已经不想继续：新鲜感消失了，管理 AI 代理变得无聊而令人沮丧，他怀念的是深入底层技术挑战，而不是“管理一群代理”。(news.ycombinator.com)
更尖锐的讨论出现在“成就感”上。有人说，自己喜欢编程并不是因为最终能得到一个工具，而是因为探索、学习、解谜本身就是奖励；LLM 把内在奖励拿走，只留下外在结果。另一个评论者把这种感觉说得更具体：用 AI 一周做出一个工具，它确实很好用，但成就感像从别人仓库下载了成品一样空。(news.ycombinator.com) 这并不是怀旧主义。对许多程序员来说，写代码不是单纯劳动，而是一种把模糊理解变成清晰结构的过程。AI 如果直接跳到结果，就可能跳过了人最想经历的那段“啊哈时刻”。
这也是“生产力叙事”的盲点。早期关于 GitHub Copilot 的实验显示，在一个 JavaScript HTTP server 任务中，使用 Copilot 的开发者完成速度快了 55.8%。这个结果解释了为什么行业会迅速把 AI 编码助手包装成生产力提升工具。(arXiv) 但后来的证据更复杂。METR 在 2025 年做过一项针对有经验开源开发者的随机对照研究：16 名开发者在自己熟悉的成熟代码库中完成 246 个真实任务，结果使用 AI 时反而多花了 19% 时间；更有意思的是，开发者原本预计 AI 会让自己快 24%，实际变慢后仍感觉自己快了 20%。(metr.org) 到 2026 年，METR 又说晚些时候的工具可能确实带来更多加速，但新的实验因开发者不愿在一半任务里禁用 AI、并行代理难以计时等选择偏差而变得更难解释。(metr.org) 这说明问题不是“AI 一定快”或“AI 一定慢”，而是我们正在失去衡量它影响的清晰标尺。
对 ADHD 或类似执行功能困难的人来说，这个标尺更难。神经科学研究确实发现，ADHD 成人的奖励与动机系统可能与多巴胺通路相关，动机缺陷可能影响注意力；但 2024 年一篇综述也提醒，不能把 ADHD 简化成“缺多巴胺”这样单线条的解释。(PMC) 因此，HN 评论区里“多巴胺”的说法更像经验隐喻：AI 把奖励变得即时、频繁、便宜到可以不断重来。对本来就容易被新奇事物牵引的人，这种工具既像坡道，也像老虎机；它帮你越过启动门槛，也让每个随机念头都变成一个可立即开工的新项目。
这种转变还改变了开发者的身份感。过去，程序员面对的是问题、代码、编译器、日志和失败；现在，越来越多时间变成写提示词、审查补丁、纠正代理、压缩上下文、判断测试是否被糊弄。评论区有人说，AI 很快把项目推到 60%，但剩下 40% 仍要自己手把手收尾。(news.ycombinator.com) 这正是许多人疲惫的来源：他们没有少工作，只是工作从创造变成监管；没有少思考，只是思考从“如何实现”变成“如何让代理别跑偏”。对喜欢深入技术细节的人来说，这不是升级，而是异化。
这并不意味着开发者应该拒绝 AI。JetBrains 的研究反而显示，开发者并不想把所有编程活动都外包：写代码和理解代码虽然耗时，却相对更有乐趣；他们更愿意把测试、文档等不那么愉快的任务交给 AI。(The JetBrains Blog) 这给出了一个更健康的方向：不要把 AI 当作替代自我的万能执行器，而要把它放在“边界清楚的辅助位”。让它生成脚手架、解释陌生 API、列测试清单、做代码审阅的第二双眼睛；但对你真正想学习、想拥有、想建立技术直觉的部分，保留手写和慢思考。
真正的问题不是 AI 会不会让我们更快，而是它会不会让我们更难忍受慢。任务瘫痪当然痛苦，AI 能降低启动摩擦，这是实实在在的帮助。可如果每次困难、无聊、模糊、需要耐心的时刻都交给代理，我们也可能失去训练专注、承受延迟、建立主人翁感的机会。未来的好开发者不一定是完全不用 AI 的人，也不一定是开最多代理的人，而是能判断哪一段该交给机器、哪一段必须亲自走完的人。AI 可以帮我们开始，但编程的乐趣，仍然需要我们自己把手放回代码里。