这两年，如果你一直在跟 AI 往前走，大概率都体验过一种很拧巴的状态。

一边是真的兴奋，而且这种兴奋不是空的。

新模型一发布，能力突然往前跳一截；原来要折腾半天的事，现在几句话就能跑起来。Agent、工具调用、长上下文、代码生成、电脑操作，一个个能力接连冒出来，很容易让人产生一种感觉：现在好像真的什么都能做了。

说实话，这种感觉不只是错觉。过去两年模型能力确实在持续往前拱，而且大概率还会继续往前走。很多以前只敢当概念聊的东西，现在已经逐渐变成真实工作流的一部分了。

另一边又是真的焦虑。

总觉得别人已经跑起来了，总觉得自己还没把新东西吃透，总觉得既然能力窗口开了，就该赶紧做点什么。不写点东西，不试个项目，不跑几个 workflow，好像就算错过了一轮机会。

我自己这两年基本就是在这种状态里来回切换。

时而焦虑，时而兴奋；时而觉得机会很多，时而又觉得节奏快得让人喘不过气。尤其是遇到像 Opus 4.6 这种模型时，那种"自己仿佛无所不能"的感觉会特别强，脑子里会不断冒出新的念头：这个也能做，那个也值得试，是不是该赶紧开个新坑，是不是该趁这波能力红利做点更大的事。

这种感觉很真实，也不丢人。

甚至我会觉得，很多人的焦虑本身就说明了一件事：大家其实已经真切感受到这波技术变化不是噱头，而是真的会改写工作方式、学习方式，甚至改写一个人对自己能力边界的判断。

但我这两年越来越强烈的一个感受是：AI 时代最容易透支的，可能不是能力，而是节奏。

焦虑的，很多时候不是落后，而是停不下来

很多人会把这类状态理解成"我还不够努力"。

但如果认真看一下，就会发现这里面有个很不一样的东西：AI 这波带来的不是普通的信息焦虑，而是一种高密度、即时到账的正反馈。

再往前说一步，它里面其实还混着一点很典型的 FOMO（fear of missing out）。不是单纯怕学不会，而是怕自己一停下来，就错过了这轮能力跃迁、错过了新的工作方式、也错过了原本可能属于自己的机会。

这和以前学一门技术不太一样。

以前学一个框架、啃一门语言、搭一套环境，前期大概率是挫败感更多。你知道自己在积累，但反馈并不总是立刻给到。

现在不一样了。

你刚学了一个新工作流，立刻就能省时间；你刚试了一个模型，马上就能看到更完整的结果；你刚把一个 Agent 跑通，立刻就有"原来还能这样"的刺激感。很多事情不是下个月见效，而是十分钟后就见效。

问题也恰恰出在这儿。

正反馈来得太快太密，人就很容易停不下来。

会误以为自己是在持续学习、持续行动、持续进步，但很多时候，身体和注意力接收到的其实是另一套信号：

• 再看一点
• 再试一个
• 再开一个窗口
• 再跑一轮
• 再把这个也做掉

它不一定痛苦，甚至一开始还挺爽。

但时间一长，人的节奏会开始慢慢变形。

工作被推着走，学习停不下来，休息不断被压缩，作息一点点失衡。你不一定会立刻崩，但会越来越难真正停机。

AI 焦虑最麻烦的地方，是它经常伪装成"我很上进"

这件事最难识别的地方在于，它长得很像努力。

你会看到自己在看新模型、试新工具、学新方法、搭新流程，表面上全是积极动作。甚至从外面看，也很容易被评价为"状态很好"“很有执行力”“一直在进步”。

但只有自己知道，有些时候那不是笃定地往前走，而是被 FOMO 推着跑。

它常见的伪装有三种。

第一种伪装：看起来像学习，其实是在不停刷新

会告诉自己，我是在学习最新进展。

但有时候所谓学习，并没有真正进入沉淀阶段，只是在不断刷新信息流、不断对比新旧模型、不断看别人做了什么。知道得越来越多，不代表内化得越来越深。

如果输入一直在涨，输出却始终没有稳定下来，这更像是一种被高频更新牵着走的状态。

第二种伪装：看起来像行动，其实是在被 FOMO 推着追热点

今天试这个，明天搭那个，后天又换了一套 workflow。每件事都像有道理，每件事也都确实有点价值。

但如果这些动作背后没有一个稳定的问题意识，最后很容易变成"什么都碰过一点，但没有多少东西真的长出来"。

这不是行动力差，反而经常是行动力太强了，强到还没来得及判断值不值得，就已经先冲了。

第三种伪装：看起来效率很高，其实是在透支生活

AI 的确能让人更高效，这点不用假装看不见。

很多原来要花很久的事情，现在确实可以更快完成。问题不是效率提升本身，问题是效率提升之后，会不会把省下来的空间继续塞满。

省下两小时，不一定换来两小时休息，往往会被顺手再塞进两个新想法、三个新任务、四轮新尝试。

于是表面上是更高效了，实际上是系统把自己压得更满了。

这才是很多 AI 焦虑最隐蔽的地方：它不是让人做不动，而是让人一直做得动，于是越来越不肯停。

真正稀缺的，不是再多一个机会，而是可持续的节奏

我后来慢慢意识到，自己最容易被骗的瞬间，往往不是低谷，而是状态特别好的时候。

比如模型突然变强，很多卡点一下被打通；比如一个想法原来觉得做不成，现在发现居然真能落地；比如以前要找人配合的事，现在自己就能先做出一个像样的雏形。

这种时候特别容易觉得：既然现在能做，那我是不是应该多做一点；既然窗口期开着，那我是不是不能浪费；既然别人也都在冲，那我是不是得再快一点。

但问题是，能力窗口打开，不等于必须把所有窗口都冲进去。

更何况，我其实是乐观的。我相信模型能力还会继续进步，Agent 也会越来越像真正可用的生产工具。未来不是没有机会，恰恰相反，未来大概率还会持续给我们新的机会、新的杠杆和新的可能性。

也正因为我相信未来还有很多机会，所以才更觉得，没必要把自己耗在"这一波绝不能错过任何东西"的情绪里。

每一波技术变化都会制造出很多"现在就该做"的幻觉。

可真正稀缺的，往往不是想法，不是机会，甚至不完全是能力，而是你有没有一个还能长期维持下去的状态。

如果一个人持续半年都在透支睡眠、压缩休息、维持精神亢奋，他就算短期内做成一些事，后面也很容易被反噬。节奏一旦散掉，判断力、耐心和身体状态都会一起往下掉。

而这些东西，恰恰是做长期事情最贵的成本。

当然可以享受效率，但也要给自己留边界

我现在越来越不想把"别焦虑"说成一句空话。

因为焦虑不会因为一句劝告就消失，兴奋感也不会因为讲道理就自动退场。尤其当 AI 真能帮你做到更多事，而且未来大概率还会继续做到更多事的时候，那个想继续往前推的冲动，本来就很正常。

所以更有用的说法可能不是"不要焦虑"，而是：即使在很兴奋的时候，也要主动给自己留边界。

边界不一定是什么宏大的原则，很多时候就是一些非常具体的提醒。

比如：

• 不是每次模型更新，都必须第一时间全面跟进
• 不是每个看起来有机会的方向，都要立刻开坑
• 不是每次效率提升，都要把空出来的时间重新填满
• 不是每次觉得"我今天状态很好"，都值得继续往后熬

说白了，边界感就是承认一件事：

我们不是机器，不该按"既然还能继续，那就继续"的逻辑活着。

AI 越强，这件事反而越重要。

因为当工具越来越能给出即时回报时，守住边界这件事就不能靠环境提醒了，只能靠自己主动提醒自己。

它不是反对效率，也不是反对 AI，更不是劝人退出这波变化。恰恰相反，只有真的一直在跟、一直在用、一直真心相信这些新能力还会继续往前长的人，才更容易体会到这种副作用到底有多真实。

当然可以兴奋，当然可以去试，当然可以认真投入。

但也别忘了，生活不是一个无限续杯的冲刺模式。

如果 AI 让我们把很多事情做得更快了，那更值得认真想一想的是：这些被省下来的时间，到底要拿去换更多任务，还是换一点呼吸、睡眠和正常生活。

最后想说一句

焦虑没有用，只有行动有用。

但行动也不是越多越好，越满越好，越不停越好。

在这个变化特别快的时代，确实很容易被一种"再追一点，再做一点，再快一点"的情绪推着走。可长期来看，真正能把人拉开的，往往不是谁追得最紧，而是谁更能稳稳地走下去。

我还是相信，未来模型会越来越强，很多今天看起来还别扭的能力，过一阵子可能就会变成基础设施。机会不会只出现一次，真正值得珍惜的，也不是某一波短期红利，而是你能不能一直在场，持续参与。

所以如果你最近也有点被 AI 的节奏推得太快了，不妨提醒自己一下：

新东西一直会有，机会也一直会来。

但休息不是浪费，停一下也不是掉队。

保持节奏，守住边界。别让即时反馈，透支了长期的生活。