AI 注意力综合征

最近生了一场病，连着很多天睡不着，注意力很差，目前产品和市场最要紧的阶段。我绷着神经逼自己集中，结果事倍功半，注意力更差。

agent 的执行越来越可靠，整个系统里最不稳定的，是人。人的判断上限最高，下限却系在身体上，睡眠、病痛、注意力，都会把它往下拽；它往下掉的时候，loop 不会停

所以更重要的是，人上限很高，但并不是稳定态，Personal agent也好还是 agent team（办公agent）也好都是为了兜住人的下限，升级人的上限

当“老板”没那么简单

执行和判断是互补的两样东西。执行越便宜，判断越贵。agent 把执行的成本压得很低，也就把判断的分量抬得很高：我拍一次板，后面跟着的是一整轮执行。方向对了，好的执行会把它放大；方向错了，好的执行只会让错误走得更远。

所以拍板比什么都重要。手下的人越能干，当老板越不能随口决定，没想清楚的判断、不带上下文的指令，都会被忠实地执行下去。

有标准的事，判断可以交给标准。没有先例的事，标准得当场定，定标准的只能是我。自动化研究里有个老结论，Bainbridge 称之为“自动化的反讽”：机器拿走容易的部分，留给人的，恰恰是最难、最没法写成规则的部分。在我的 loop 里，能交出去的都交了，交不出去的就是判断；生病这个期间这部分偏离的最多的

判断过和走过场，从外面看是同一个动作。区别在点下通过之前，我能不能说出这一步最可能错在哪。说不出来还放行，loop 就朝着没有加权、没有校正的方向越跑越远，最后整个项目要花更多时间收拾，所以 jev 的爆火就是因为人在每次这些重要的节点下是不收敛的，或者说需要上下文或者是直觉的，所以这部分就很需要人来去设计、去完整的做好，这样才能真的 handoff 出去一个你预期下的超长任务。

AI 是辅助驾驶，不是自动驾驶

我手上在做一个持久化的需求：一个按目标执行的 agents loop，中间设了关键节点和 source of truth，希望开发 agent 团队能自己运转，不再 human in the loop 地开发。

今天的 vibe coding 更像辅助驾驶。车能自己跟车、变道、过弯，大多数时候不用人管，但人必须随时准备接管。我离开的时候，agent 不会停下，产品本来就是这样设计的。它们会一直往前开，可能开错路，几个 agent 之间甚至会撞车。注意力缺失，就是开着辅助驾驶闭上了眼睛。

以前自己干活，人一累，产出就掉下来，这是第一脚刹车。模型弱的时候，错误很显眼，跑不通，测试不过，人不想停也得停，这是第二脚刹车。现在两脚都松了：我累了，agent 不会跟着慢下来，交回来的东西和平时一样多、一样齐整。

模型强到每一步都能通过节点，错也错得连贯。节点和 source of truth 记得住走到哪一步、事实是什么，每一段路单看都说得通，偏差只在全局。哪个方向更值得，只有握着目标的人看得见；loop 里替方向说话的，只有我放进去的那点权重。等回过神来，要推翻的已经是一大段。

Shopify 内部把没细看就丢给同事的 AI 产出叫 slop grenade。疲惫的人交出去的，正是这种东西。一个人的 loop 里没有同事，接住它的是后来的自己。缺失注意力和价值输入的 loop 是一辆泔水车，看起来完成了、执行了，除了消耗算力，什么也没得到。

agent的“注意力”能一键reset，人不会

我一直觉得 reset 是很棒的营销手段。但是对人来说是一个很坏的注意力摧毁器，它让算力变成了会过期的东西：额度一刷新，没用完的部分像一笔作废的钱，我们会本能地想把它用掉。于是工具的供给节奏，变成了人的工作或使用节奏。本来是人用工具，现在是人跟着工具的刷新周期过日子。注意力本来就不够用的人，最先被它打散。

我们被 reset 和算力焦虑深深地毒害了。一直处于FOMO 下的状态，人就让自己沦为 loop 里的一环，不停地执行，一天怎么过，由 loop 的待办决定。算力可以一周一刷新，人的注意力没有 reset，只能一觉一觉地睡回来。病中那段时间，算力照常刷新，注意力没有。

我在 X 上写过这种状态：用 AI 的时候进不了 flow，脑子一直在转，最后剩下的不是注意力，只是麻木的执行。人还坐在屏幕前，手没有停，判断已经不在了。这就是我说的 AI 注意力综合征。人被放进工具的节奏里，也就成了工具。

我们一直提防模型为了指标刷分，却很少察觉，自己正在为额度刷分。判断失灵的时候，多跑一轮只会制造日后的返工；停下来，至少不再往坑里填。不如放弃算力，停下来，吃个好饭，睡个好觉。有时候，什么都不做反而更好。

上限在人+Agent，下限在系统

这场病让我看清了自己判断的下限。

状态好的时候，我能看到 agent 看不到的东西：这件事值不值得做，哪条路以后会堵死，什么时候该掉头。这是上限，目前仍然是人最高。可同一个人，连着几天睡不好，判断就会下滑，下滑了多少，自己往往察觉不到。

不生病也一样。警觉研究早就发现，人盯着一个很少出错的信息源，有效的注意撑不过半小时左右。agent 的输出大多是对的，出错的那一个和别的长得一模一样；人为了跟上 loop，只能把灵敏度一点点调低，确认慢慢变成条件反射。

所以，不管人不在场，还是人在场却已经钝了，只要没有一个真正的监督者，系统产出再多也没有价值。

人类组织很早就面对过这个问题，所以才有制度。人会累、会病、会糊涂，制度守的是下限。

我想把自己的判断和边界单独拿出来，做成一个角色。它本身也是一个 agent，替我做每一次的取舍：哪些事可以放手，哪些事要等我来定，哪些线不能碰。它不必比状态最好的我更聪明，只要比状态最差的我更稳。 上限留在人这里，方向、没有先例的决定、这个角色自己的边界，由我来定；下限交给它，不随我的身体起伏。

持久化组织要持久化的，除了任务和记忆，还应该有判断。

人的注意力只能预付制

守住注意力，一是睡好觉，二是拆 loop：把每件事的反馈和标准写明确，逐个节点验收，注意力才收得拢。这种 human in the loop 的方式有效，但太耗人，所以我仍然想完全 handoff，去做更大、更有野心的事。以我最近的体感，Opus 5.5 配上 Fable 5.1，已经能覆盖大部分开发场景。但顶层设计和模块化需要深想和抽象，不能随手交出去，否则跑出来的还是屎山代码。

完全 handoff 不是省掉注意力，而是把它提前付掉。关键节点、source of truth、用 good case 和 bad case 搭起来的脚手架，以及那个替我取舍的角色，都是我在清醒时预付进结构里的注意力。设计时付得足，运行时才能放手；付得不足，运行时还得有人盯着。

一件事能不能交出去，如今已经不太取决于模型，而取决于手上有没有 case。没做过的事，先自己判一遍，留下哪些算好、哪些算坏，下一轮才交得出去。顶层设计之所以难交，也是因为什么重要、边界画在哪，每个项目都要重新判断，没有现成的 case 可借。

节点也要按人最差的状态来设计。每个节点只问一个具体的问题，小到一个疲惫的人也能答对；否则节点一多、长得一样，人又会退回去走过场。

Be quick, but don't hurry

回头看，最初的错误就是那个办法：绷着神经逼自己集中。Be quick, but don't hurry。quick 是能力，可以交给 agent；hurry 是心态，只能由人自己拿住。我那阵子就是 hurry，人还在这一步，心已经在下一步、下一轮额度上。

热情和 FOMO 都让人停不下来，方向却相反：热情朝向事情本身，FOMO 朝向额度，和被落下的恐惧。我在 X 上起号时也遇到过，互关、互动那一套盯的是粉丝数，和追额度是同一件事，我做不来；转去和 vibe 对、频率对的人真诚交流，反而更有 flow。

累的时候，身体会让人停下；麻木的时候，连这个信号都收不到。我的 loop 里，目标、节点、source of truth 都写进去了，唯独什么时候该停，一直默认交给节点上那个清醒的我。闭着眼的人察觉不到自己闭着眼，所以停的规则要在清醒时定好：到了节点，说不出这一步最可能错在哪，就停。

人可以累，可以停下来吃个好饭、睡个好觉，只是不能麻木。

真正做一场对自己的持久的，可持续的 reset

参考资料

以下为博客版补充的资料索引；上文保留 X 原文。

Lisanne Bainbridge：《Ironies of Automation》（1983）——文中提到的自动化研究；正文表述为转述。
Tobi Lütke 在 The Knowledge Project 的访谈——其中谈到了 Shopify 的“slop grenade”。
英国民航局 CAP 737，第 41 页——持续监视任务中的警觉研究背景。关于“半小时”的讨论针对特定警觉任务中的检测表现，并非所有人的注意力统一上限，也不是针对 AI agent 监督的实验。