提示-等待-评估循环：AI如何在你未察觉时扼杀心流

几个月前，作者写了一篇关于在AI时代寻找编程乐趣的文章。在那之前和之后与同行开发者们的交流中，有一个现象反复出现：大多数人并不反驳，只是说：“没错，就是这种感觉。”但随之而来的是一个更深层次的问题：为什么会这样？不是哲学层面的，而是机械层面的——当使用AI编程助手时，我们的注意力究竟发生了什么？

为了回答这个问题，我们需要先理解心流。1990年，心理学家米哈里·契克森米哈赖出版了《心流：最优体验心理学》，为那种全神贯注、行动与意识融合的状态命名。他提出了三个前提条件：清晰的目标（你知道当下要完成什么，甚至精确到下一步击键）、即时的反馈（编译器或测试马上告诉你对错）、以及技能与挑战的匹配（任务足够难让你投入，但不至于让你卡住）。编程曾经完美满足这些条件：调试时目标明确，测试通过与否立即知晓，难度随经验增长而自然调整。

然而，AI助手引入了一个全新的“提示-等待-评估”循环，系统地摧毁了这三根支柱。当你编写提示时，瞬间目标变得模糊——你不再清楚下一行代码该做什么，而是等待机器给出惊喜。反馈不再即时：聊天助手可能让你等上几秒到半分钟，而智能代理工具可能让等待延长至数十分钟。在等待期间，你检查Slack、浏览网页、甚至启动第二个AI会话——注意力彻底溃散。当结果终于返回，你必须重新加载代码、重建心智模型，这与一次传统中断后的恢复过程毫无二致。

加州大学欧文分校的Gloria Mark教授研究发现，一次中断后平均需要23分15秒才能恢复到同样的专注深度。她的后续研究显示，人们在单个屏幕上的平均停留时间已从2004年的2.5分钟降至47秒。Chris Parnin和Spencer Rugaber对程序员中断的研究表明，只有10%的中断能让程序员在一分钟内恢复编码，93%的会话在重新编辑前需要大量导航——他们不是在寻找断点，而是在重建断点。

AI循环的特殊危害在于它伪装成工作本身。传统中断有明确的边界（如会议或消息通知），而提示行为感觉像是任务内的主动推进。实际上，每次提交提示都是一次自我中断——Gloria Mark指出，44%的中断是自我生成的。开发者被一种生产力幻觉欺骗：代码在生成、仓库在更新，但内心体验已从构建变为监督。作者认为，真正的解决方案不是放弃AI，而是根据任务类型区别使用：对于样板代码、配置、探索性原型等低心流任务，AI大有助益；对于架构设计、微妙调试、复杂实现等需要深度沉浸的任务，应关闭助手以保持思考的连续性。同时，批量处理AI交互——将适合的任务收集到专用时段处理——能让其余时间保留给流畅的深度工作。最终，问题不在于产出指标——AI可能提升速度——而在于工作日的质感：是全身心投入还是旁观机器作业。理解这个机械机制，就能将模糊的不适转化为可管理的中断模式。