AI 助手与依赖的漂移
Source: Dev.to
Note: 这是一个简短版。基于2025年12月28日发表的完整论文：The Augmented Self: AI Scaffolds, Offloading, and the Drift Toward Dependency
1. 知识工作中的细微变化
越来越多，想法的第一个连贯版本已经呈现出形状——快速、流畅，并附带合理的后续步骤。
这可能感觉只是简单的便利，但当起点改变时，整个工作流程也随之改变：
- 什么被练习，
- 什么感觉费力，
- 什么被视为“正常”的速度和能力。
当工具不可用时，这种转变最容易被看到：
2. 从仅执行工具到早期阶段助手
早期的生产力工具 主要支持执行：格式化、检索、转录或润色。
当今的助手 更早介入，提供关于意义和方向的连贯初稿。
它们不仅帮助你说出你已经知道的内容，还能：
- 提出情境是什么。
- 确定其中的重要的是什么。
- 建议下一步该做什么。
工作仍然以人为决策结束，但起点现在往往是已经成形的生成的草稿、计划或立场。
3. 中间认知层
一个 按需的“快速外部首轮” 现在位于原始输入与最终输出之间，将模糊性转化为可操作的形式——大纲、草稿回复、行动清单、临时框架。
在此角色中，它充当 支架：
- 支持层，在其存在时使工作更轻松。
- 当其被移除时，其作用显现。
一个简单、熟悉的模式可以说明这一点：
- 你收到一条密集或微妙的信息。
- 你请求回复。
- 你得到一个连贯的候选回复，包含隐含意图和后续步骤。
- 你进行修改并发送。
即使最初的一些解释工作已部分外部化，结果仍可保持流畅 即使在某些最早的解释工作已被部分外部化的情况下。
4. 为何“起始”重要
起始 是不确定性最高的阶段，也是框架决策悄然决定以下内容的地方：
- 什么被视为相关。
- 什么被排除。
- 什么看起来是合理的下一步。
当这个上游层变得可靠且无处不在时，工作流会围绕它重新组织，因为它成为从模糊走向一致的最简便方式。
5. 创始者模式 vs. 编辑者模式
| 模式 | 首先要做的事 | 典型输出 |
|---|---|---|
| 创始者 | 生成首个框架——即事物是什么、其目的、约束条件。 | 在此基础上向外构建。 |
| 编辑者 | 从建议选项开始——已经形成的候选框架、提纲、信息或行动清单。 | 编辑、调整，并决定保留哪些。 |
编辑可以是积极且深思熟虑的，但它并非在不确定性下进行创始的同一技能。
*这种转变容易被忽视，因为**可见劳动（修订）仍在，而不可见劳动（形成起点）*却在减少。
6. 解释持久影响的两种机制
- Offloading – 被委派的内容：不仅是检索或起草，还包括 intermediate cognition（解释、框架化、表述，有时还有检查）。
- Mediation – 助手通过 structuring the option set 来塑造结果：输出是建议的选项，将可能的框架空间压缩为少量流畅的候选项。
即使用户仍然保持控制，控制的形态也会改变：判断越来越多地在预先形成的候选项上进行，而不是自行构建候选空间本身。
7. Drift: Gradual Redistribution of Attention
7.1 Interpretation Drift
- 当助理经常提供首个连贯的解读——什么是重要的、意图是什么、可能的约束是什么——你自己的初始思考可能会被压缩或消失。
- 评估仍可能发生，但它开始于预先形成的解读之后。
- 随着时间推移，从稀疏证据中生成多种合理解读的能力会减弱，默认变为接受或轻微调整提供的框架。
7.2 Formulation Drift
- 歧义默认被转化为结构。
- 草稿、提纲、计划以及“合理的下一步”都会预先成形，使工作变成选择与修订。
- 编辑能力可能仍然强大（甚至提升），但这并不等同于原创：从零开始选择结构、在不确定的情况下创造首句表达，或在模板出现之前构建论证。
- 当工作流依赖外部提供的首稿时，“从零开始”变得不再熟悉，因此感觉更慢、认知成本更高。
7.3 Verification (or “Checking”) Drift
- 流畅的输出携带完整性的信号：看起来已经完成、平衡且自信。
- 这会降低对验证假设、追溯来源或测试边缘情况的感知需求，尤其在时间紧迫或主题陌生时更为明显。
- 风险不仅包括事实错误，还包括上游不对齐：错误的上下文、遗漏的约束、过度自信的推断，或过早收窄的框架，这些都会在后续所有内容中传播。
- 在这种情况下，连贯性成为正确性的代理，“看起来完成了”就成了停止的规则。
8. 中断揭示的依赖性
依赖性在中断时最为清晰。当访问受到限制——无论是由于故障、政策、成本、延迟或情境——摩擦 并不 主要出现在任务的末端。它出现在 上游，即脚手架将不确定性转化为初始结构的地方。
原论文的其余部分继续进行此分析，探讨缓解策略、设计含义以及未来研究方向。
Full version: The Augmented Self: AI Scaffolds, Offloading, and the Drift Toward Dependency (Korovamode).