硅谷的“西西弗斯”：Siddhant Khare与被AI透支的程序员

TL;DR：

硅谷工程师Siddhant Khare揭示了AI繁荣背后的结构性阴影——“AI疲劳”。他认为AI正通过海量生成的“静默错误”将人类倒逼成高压质检员，使工作量激增十倍，并呼吁职场人回归以“判断力”为核心的深层价值。

2026年初，硅谷的空气里弥漫着一种混合了冷峻与焦虑的气息。1月，亚马逊宣布裁员1.6万人；2月，Block紧随其后减员近半；3月，Meta的裁员名单再次震动了帕罗奥图的咖啡馆¹。在这一片名为“效率革命”的废墟上，AI被捧为救世主，亦被视为收割机。

然而，当所有人都在争论AI何时取代白领时，身处风暴核心的软件工程师Siddhant Khare却推开了屏幕，写下了一篇名为《AI疲劳真实存在，却无人谈及》的长文。这篇文章如同一枚投向平静湖面的重石，瞬间击碎了科技巨头们编织的效率神话。

作为AI智能体基础设施的开发者、知名开源项目OpenFGA的核心维护者²，Khare并不是那种对技术心生恐惧的守旧者。相反，他正是在日复一日与最尖端算法的搏斗中，察觉到了某种深层的崩塌。

“这就像一家工厂，更换了一台冲压速度快十倍的零件生产机器，可流水线末端的质检员依旧只有一个。”Khare在接受专访时，用了一个近乎残酷的隐喻。

在AI全面介入工作流之前，Khare每周处理约20到25个代码拉取请求（PR）。那是软件开发的黄金时代，每一个字符都凝结着同行的思考。而现在，由于AI编程工具的普及，他面前的请求数量暴涨到了上百个¹。

“其中绝大部分都是AI生成的，可每一个请求我都必须仔细审查。”

这种转变让他觉得自己不再是一名构建数字世界的建筑师，而是一个疲于奔命的“质检员”。Khare指出，AI实现了生产的自动化，却彻底遗忘了审核的自动化。当产出量被强行拔高10倍，作为“瓶颈”的人类大脑，正在这种结构性的不对称中走向崩溃。

科技行业长期以来沉浸在一种数据幻觉中。工程效率分析平台DX的数据显示，尽管93%的开发者使用了AI工具，但实际效率提升仅停留在10%¹。更惊人的数据来自METR的对照试验：使用AI工具的开发者，实际工作效率反而下降了19%，尽管他们在主观上觉得自己变快了24%¹。

“这种错觉极其危险，”Khare推了推眼镜，目光严峻，“企业管理者只看到报表上华丽的代码提交量，却无视了员工身心俱疲的真相。”

在他看来，AI带来的不是自由时间，而是被无限抬高的“合格线”。当AI让理论产出上限从20提升到50，企业便会迅速将50设定为新的KPI。这种永无止境的追逐，让硅谷的精英们陷入了一种“生成、审核、再生成、再审核”的西西弗斯式循环。

为什么审核AI的工作会如此令人疲惫？Khare挖掘出了一个被大多数人忽视的技术细节：不确定性。

“以往的自动化工具是确定性的，相同输入必有相同输出，出错会直接报错。但AI不一样，它会犯‘安静的错误’。”

AI生成的代码可能运行完美，文案读起来通顺，但在某个隐蔽的逻辑深处，可能暗藏着一个致命的事实错误或虚构的数据。这种高度模仿人类表达风格的“逼真”，要求审核者必须付出比自主创作更高的认知成本。

“你必须时刻紧绷神经，像在雷区散步，”Khare感叹道，“这种长期的专注力损耗，是导致‘AI疲劳’的根本原因。”

在专访的过程中，Khare展现出了他作为思想领袖的关怀。他敏锐地察觉到，除了体力的透支，更深层的危机在于“职业认同感”的丧失。

当一名资深工程师发现自己每天80%的时间都在纠正机器犯的低级错误，而不再是创造性地解决问题时，那种依靠专业能力获得的成就感便开始瓦解。他提醒道，这种身份落差是无法用薪酬弥补的，它正导致顶尖人才的隐形流失¹。

那么，在被AI重塑的职场，人类的堡垒究竟在哪里？

“未来最优秀的工程师，不是写代码最快的，而是能一眼看穿AI方案是否适配整体系统的人。判断力，就是核心价值。”

Khare给出了他的生存法则：保护深度工作时间，在“思考本身就是价值”的任务中拒绝AI，并建立自动化的“反压机制”来拦截低级错误¹。

在采访的最后，Khare谈到了“掌控感”。他认为，人们对AI的焦虑本质上是失去了对工作节奏的控制权。只有当你重新掌握“是否使用AI”的决定权，从被动的执行者变回主动的决策者，那种久违的创造力才会回归。

走出Khare的办公室，硅谷的阳光依然明媚，但那行跳动的代码背后，一个关于人类价值保卫战的故事，才刚刚拉开序幕。

引用