体验了一下被番茄闹钟打断。心里咯噔一下，慌张按掉闹钟，却发现思绪并没有完全被切断，第一反应是按掉闹钟继续做之前的事情。不过这下中断也有了个缓冲的空间，于是还是主动地停了下来。
除了被打断时的慌张和念念不忘想继续的心情，还意识到时间过得比较快。或者说，其实是自己评估工作量和效率的尺子出现了误差。
往下细想有两个可能的原因，但都和AI有关：
第一是AI的出现以及习惯在工作流中使用AI作为辅助后，会对自身能力/水平的评估出现误差(高估自己)。
第二是使用AI辅助的这部分任务，没有考虑到AI输出达不到预期所需的额外时间和精力投入。
这两个其实都是“高估”，这些‘高估’可能是由于长期使用LLM后缺乏复盘，或受到‘结果刺激’的影响，从而导致对过程的感知力和掌控力下降。
以前没有AI做事情会比较在意自己的能力和效率，过程中出现的“问题”是比较直观的，会实时调整，或者找人沟通改善。但现在更加倾向于是和AI搭伙干事情，前期构思好一系列的工作流类似一个Agent的草稿，然后就开干，在过程中出现问题时，通常的解决方式是多问几次AI，或者换个模型试试。但本质上是不可靠的改善，也看一些运气。因为AI的输出大概率不能一次性达到预期，所以重试和微调(补充信息)就成了一种“很合理”的环节。这里浪费的时间却很难被感知到，除非输出模型特别离谱。
另一点是，以前对任务的预期并不代表最后交付的样子，因此会格外关注过程中出现的偏差。但AI辅助的工作，“过程”似乎不那么在乎了，我不在意AI用什么技术栈实现，不在乎中间报错了怎么办，因为一般来说“AI总是能做好的”。特别是一些大家经常让AI做的简单任务，很难想象AI会做不好。而且AI对任务的理解有时与我们既定的预期存在偏差，但这个偏差有时候是往好的方向偏。譬如要求写一个网页，但需求提示词我对数据持久化的要求忘了写，AI自己做主用了IndexedDB，性能和效果都很不错。那我怎么办？那就accept呗。所以习惯去接受AI给出的“结果”，慢慢就不再感知过程中的问题。