在写这篇文章之前，我停下来想了一会儿。
"AI 时代开发者心理健康管理"这个主题，一开始感觉有点大而空。但仔细想想，我发现无论是在我身边，还是在网络社区里，为这个主题所困扰的人真的太多了。
每天都有新的 AI 模型出现，昨天学的东西今天就过时了，GitHub Copilot 写代码好像比我自己还快……在这种情况下，心态不动摇才奇怪吧？
这篇文章，写给所有感受到这种动摇的开发者。不是技术上的解决方案，而是想一起找一条能更轻松地走过这个时代的路。
1. AI 时代开发者的新型痛苦
每天层出不穷的新 AI 工具/模型
2024 年 GPT-4 刚出来的时候，我还想着"把这一个学扎实就好"。可不过两年，Claude、Gemini、Llama、Mistral、DeepSeek、Grok 陆续登场，光是编程工具就有 Copilot、Cursor、Windsurf、Aider、Devin。几乎每个月，不，每周都有新工具打着"游戏规则改变者"的旗号出现。
说实话，这是最累人的部分。问题不在于该学什么，而在于不知道什么可以不学。每次有新东西出现，"这个到底要不要学"的决策疲劳（decision fatigue）就又累积一层。
"连这个都不会就会被淘汰"的焦虑
打开推特（X），到处都是"不知道这个就没法在 2026 年当开发者活下去""现在马上学这个"这类帖子。看社区的 Discord，感觉大家都在做很厉害的事；看 LinkedIn，同龄人好像都已经是某家 AI 创业公司的 CTO 了。
这种感觉确实令人害怕，也确实带来压力。但这种情绪有一个名字：FOMO（Fear Of Missing Out，害怕被落下）。这种情绪被夸大到什么程度，我会在后面再谈。
GitHub Copilot 比我更快写出我的代码时的那种复杂心情
有过这种经历的人应该懂我在说什么。一开始会觉得新奇、方便。但某个瞬间会冒出一个念头："这段代码……是我写的，还是 Copilot 写的？"
再往下想，甚至可能滑向这样的念头："是不是没有我，AI 也能全部搞定？""我是不是变成了只负责审查 AI 写的代码的人？""我的开发能力是不是在退化？"
这是一种身份认同的混乱。也是很多开发者都感受过、却很少大声说出来的部分。
初级开发者的身份危机
我知道初级开发者尤其辛苦。刚开始职业生涯，"AI 将取代初级开发者"这类文章就已经铺天盖地。
"我辛辛苦苦学的技术，会不会变得毫无意义？" "我正在从基础打起，学算法，这样做真的对吗？" "就算找到工作，反正 AI 都会替我做，我在这里到底是在做什么？"
如果你脑海里冒出过这些念头，那说明你正处在一个相当艰难的处境中。而这种艰难不是你软弱，而是你正在经历一个真正艰难的时代。
2. 逃离比较地狱
社交媒体上"超级开发者"的幻象
社交媒体是一段高光集锦。没有人会发"今天写了六个小时代码，最后还是没找到那个 bug"，或者"我放弃学这门技术了"。
在推特上发"周末用业余时间做了个 AI 应用"的人，实际上是把家人都睡下之后、连续熬了好几周夜的过程压缩成了一句话。那个人也经历过无数次失败和卡壳，仔细看的话，和你并没有太大不同。
LinkedIn 上光鲜亮丽的履历也是一样。5 次失败的求职申请不会被看见，只有最终录用的那一家公司会被看见。默默学习了 3 年的内容不会被看见，看到的只是突然出现的一句"职业转型成功！"。
比较是一场不公平的游戏。你是在用自己完整的内心，去对比别人经过挑选的外在高光时刻。
建立属于自己的成长指标
与其和别人比较，不如和昨天的自己比较。这是一种远远更有意义、也更可持续的成长方式。
我自己的成长指标示例：
- 这个月，有哪些之前不懂、现在懂了的东西？
- 年初还觉得可怕的事情，现在有哪些变得自然了？
- 如果能对一年前的自己说一句话，那会是什么？
用这样的问题来评估自己，成长就会开始显现出来。而那份成长是真实的。
建立每月成长记录：
每个月的最后一天，只花 5 分钟，写下这些内容：
- 这个月学到的 3 件事
- 这个月做出来或贡献的 1 件事
- 下个月想学的 1 件事
一年后再回头看这份记录，会看到惊人的成长。到那时你会真切地感受到，6 个月前还觉得遥不可及的东西，如今已经变得多么理所当然。
每天进步 1% 的力量
詹姆斯·克利尔（James Clear）在《掌控习惯》（Atomic Habits）一书中，有一个很有名的计算。
每天进步 1%，一年后会变成原来的 37.78 倍（1.01 的 365 次方）。 每天退步 1%，一年后会只剩下 0.03 的水平（0.99 的 365 次方）。
与其为了做出华丽的改变，在周末一口气学习 10 个小时、结果倦怠了休息两周，不如每天坚持 30 分钟。一年后，后者会远远领先。这是一个数学上已经被证明的事实。
3. 可持续的学习策略
不导致倦怠的学习习惯
倦怠最大的原因，是"不知道什么时候才算学完"的学习。要做的事情太多，又没有边界，于是总有一种"应该再多做一点"的愧疚感如影随形。
建立边界是关键。
可以试着定下这样的规则：
- 周一到周五：下班后只学习 1 小时（不超过这个时间）
- 周末：一天用来学习，一天完全休息
- 睡前 1 小时不学习
一开始可能会因为"只学了 1 小时"而感到愧疚。但坚持这样的边界 3 个月，就会发现自己在没有倦怠的情况下持续成长。
学习之后的复习系统同样重要。
用一个简单的三阶段系统来复习学过的内容：
- 当天：写 3 行的学习内容摘要
- 3 天后：看着摘要笔记复习记忆
- 7 天后：尝试凭记忆在白纸上重新写一遍
这样一来，同样的内容相当于学习了 3 次，也会转化为长期记忆。
Deep Work 与浅层学习
比起对很多东西都略知一二，深入了解一件事在当下的 AI 时代要有价值得多。因为 AI 能立刻帮你查到基础知识，"知道"的价值在下降，而"深刻理解"的价值在上升。
卡尔·纽波特（Cal Newport）提出的 Deep Work（深度工作）概念，指的是不受干扰、认知上高强度投入的工作。处于这种状态下工作 1-2 小时，能完成的事情远多于分心状态下工作 4-5 小时。
打造 Deep Work 环境：
- 学习时把手机放到另一个房间
- 番茄工作法：专注 25 分钟，休息 5 分钟
- 养成在同一时间、同一地点学习的习惯
- 借助屏蔽干扰的应用（如 Forest、Freedom 等）
克服 FOMO（害怕被落下）
战胜 FOMO 最好的办法，是减少信息摄入量。
现在就可以试试这些做法：
- 关掉社交媒体的全部通知
- 技术类新闻通讯每周只读一次
- 推特/X 每天只看 15 分钟（设定计时器）
- 听到"X 出来了"这样的传闻时，不要立刻反应，等 2-3 周之后再判断它是否真的有价值
大多数"革命性的新工具"，两周后就已经从人们的记忆里消失了。真正重要的东西不会消失，而是会反复出现。
如何取舍技术趋势
不可能学完所有新技术，取舍是必须的。可以用下面的标准来判断。
现在就该学的（Core）： 你目前所在公司在用、或你想跳槽的目标公司要求的技术。这一类没有商量余地，必须学。
近期学了会有帮助的（Next）： 与核心技术相关、预计未来 2 年内会在业内被广泛使用的技术。按优先级依次学习。
暂时可以忽略的（Noise）： 和你目前的职业没有直接关系、在实务中也还没被广泛使用的技术。了解一下新闻程度即可，不必深入钻研。
4. 把 AI 看作工具，而非恐惧的来源
与 AI 建立健康的关系
如果把 AI 看作竞争对手，那你注定一直输下去。在某些类型的任务上，AI 已经超过了人类，承认这一点是出发点。
但如果把 AI 看作工具，情况就不一样了。就像锤子钉钉子比人厉害，并不会因此让木匠变得多余；AI 生成代码速度快，也不会因此让开发者变得多余。
正如善用锤子的木匠和不善用锤子的木匠之间存在差距，善用 AI 的开发者和不善用 AI 的开发者之间的差距，今后只会越拉越大。
健康的 AI 使用方式：
- AI 生成的代码，一定要先理解再使用
- 心态不是"AI 做了就行"，而是"多亏 AI 我能更快验证"
- 有意识地区分依赖 AI 的领域，和必须自己动手的领域
- 定期抽出不用 AI 的时间来工作（保持基本功）
向 AI 学习的心态
这是我亲身经历的一件事。有一天，GitHub Copilot 在我的代码里自动补全了一段处理我漏掉的边界情况（edge case）的代码。一开始我的反应是尴尬——"我居然没想到这个"。
但后来我转换了心态："AI 为什么会建议这种写法？我来搞清楚它更好在哪里。"就是那 30 分钟，让我的水平提高了一截。
当 AI 提出更好的代码时，不要把它当成自尊心受挫的事，而要把它当成学习的机会。AI 学习过数以百万计的代码库，从中学习模式是一件好事。
AI 如何提升我的创造力
把重复性的工作交给 AI，就能把更多精力投入到真正有创造性的事情上。
比如，样板代码（boilerplate code）交给 AI 来写，我就能把那段时间用在架构设计或改善用户体验上。基础文档的初稿交给 AI 来起草，我就能把内容打磨得更有深度、更有洞察力。
AI 并不是在夺走我的创造力，而是在为我腾出空间，让我专注于更高层次的创造性工作。
5. 用长期视角看待职业生涯
投资 5 年、10 年后的自己
追逐眼下正在流行的技术，和培养长期有价值的能力，是两件不同的事。
10 年后依然有价值的能力：
系统思维（Systems Thinking）是理解并设计复杂系统的能力。无论技术怎么变，这项能力的价值都不会变。
沟通能力也很重要。把技术内容清楚地讲给非技术人员听的能力，在 AI 时代只会变得更重要。
商业敏感度同样不可或缺。把"为什么需要这项技术"转化为商业价值的能力，来自经验积累，是 AI 难以替代的。
学习能力本身就是一种核心竞争力，是快速学习新技术的元能力。与其投资某项具体技术，不如投资"学习如何学习"这件事本身。
T 型、π 型人才
这是 AI 时代职业规划中经常出现的概念。
T 型人才，指在一个领域有深厚专业性（竖线），同时对多个领域有基础理解（横线）的人。
π 型人才，指拥有两项深厚专业性的人。比如后端开发的深度 + AI/ML 的深度，或者前端开发的深度 + UX 设计的深度。
在 AI 时代，π 型人才尤其有优势。AI 在某种程度上能替代单一技能，但把两项专业能力结合起来的创造性思考，是很难被替代的。
AI 时代的"终身雇佣"
终身雇佣，不是指在一家公司待一辈子，而是指具备无论环境如何变化都能生存下去的能力。
持续学习的习惯、快速适应新技术的能力、人脉与信任关系、属于自己的专业性和个人品牌——这些才是 AI 时代真正的终身雇佣保险。
6. 一边工作一边学日语：不倦怠地坚持
如果正在读这篇文章的你也在学日语，这一部分对你会特别有用。
双重目标的协同效应
你可能会觉得"AI 也要学，日语也要学，太多了"。但这两件事实际上会产生协同效应。
用 AI 工具学日语，会让你对 AI 更加熟悉。用 AI 学 IT 相关的日语，会让语言能力和技术知识同时增长。关注日本的 AI 社区，则能同时提升日语能力和对 AI 趋势的把握。
如果能搭建出一种"学一件事能强化另一件事"的结构，那么同时学两件事，可能反而比只学一件事更不费力。
日本文化带来的心理安定感
在学日语的过程中，会接触到一些日本的美学概念。
侘び寂び（わびさび，侘寂）
一种在不完美、无常、未完成之中寻找美的日本美学概念。用金粉修补破碎陶器裂痕的金继（金継ぎ）也是同样的思路——有瑕疵也没关系，瑕疵本身就是历史，也是一种美。
以开发者的视角想一想：我的代码不完美也没关系，有不懂的东西也没关系，还在学习的路上也没关系。那个过程本身就有价值。
一期一会（いちごいちえ，一期一会）
意思是"此刻的相遇，只有这一次"。这是源自茶道、提醒人珍惜每一个瞬间的概念。
此刻正在写代码的这一瞬间，此刻正在学习新事物的这段时间，都不会再重来。在当下这一刻全力以赴，同时不过分执着于结果，这是一种态度。
在 AI 时代的焦虑之中，这类哲学性的概念，有时会带来意想不到的安慰。
継続は力なり（けいぞくはちからなり）
意思是"坚持就是力量"，一句日本谚语，意思是持续的努力最终会胜过出众的天赋。这也是日本工匠（職人）文化的核心精神。
无论是语言、技术还是职业生涯，最终胜出的都是坚持。每天一点点。
语言学习如何提升大脑灵活性
学习一门新语言，带来的好处不只是沟通技能本身。
已经有科学证据证明的双语者优势包括：专注力和多任务处理能力提升、创造性问题解决能力改善、能从不同角度思考问题，以及认知灵活性的提高。
尤其是日语，语序和韩语相似，相对容易入门，同时又同时使用汉字和假名两套文字系统，结构较为复杂。处理这种复杂性的过程，本身就是在锻炼大脑。
学日语过程中获得的"用另一种语言思考"的体验，也会培养出编程中"用另一种范式思考"的能力——对函数式编程、新的架构模式、不同技术栈的适应力都会随之提高。
7. 具体的心理健康管理日常
理论不如实践重要。这里整理了从明天就能马上用起来的日常安排。
晨间流程（15 分钟）
起床后不要立刻看手机，光是这一点，就能让心态发生很大的变化。取而代之，可以：
- 喝一杯水
- 决定今天要学的唯一一件事（写在笔记本上）
- 回想昨天做得不错的一件事
晚间流程（10 分钟）
- 用 3 行总结今天学到的东西（记事应用或纸笔均可）
- 决定明天要做的一件事
- 把手机放到另一个房间，然后睡觉
每周回顾（30 分钟，周日）
- 列出这一周学到的内容
- 整理这一周卡住的地方和已解决的问题
- 为下一周设定一个学习目标
- 和上个月对比，确认自己成长了多少
倦怠早期预警系统
如果下面的症状出现了 3 项以上，现在就应该马上休息：
- 开始觉得写代码很麻烦
- 看到新技术相关的新闻也毫无感觉
- 以前觉得有趣的项目现在感觉像是一种负担
- 无法集中注意力，总是走神
- 怎么睡都还是累
出现这些症状时，不要用"得更努力才行"这种压力来回应，而要把它当作"现在需要休息"的信号来接受。倦怠一旦发生，恢复往往要花上好几个月，提早预防要好得多。
结语：你的节奏就已经足够
最后，我想说一句最重要的话。
关于如何在 AI 时代生存下去的文章已经太多了。"要学这个""必须做那个"之类的建议也已经太多了。这篇文章也不例外。
但请一定记住这一点：
你的节奏，已经足够了。
不需要以和所有人一样的速度奔跑。从你现在所在的位置出发，按照属于你自己的节奏，稳步前进，这才是真正的成功。
如果你已经倦怠了，那正说明你曾经足够努力过。休息一下也没关系。
如果今天什么都没学到，那就明天重新开始。
此刻觉得 AI 时代可怕的人，不止你一个。带着这份害怕却依然坚持学习的你，已经足够了不起。
「お疲れ様です」（辛苦了）
今天这一天，还有把这篇文章读到最后，都辛苦了。
明天也让我们一起，慢一点，但稳稳地继续前进。
如果读完这篇文章，心里有什么放不下的事，欢迎在评论区留言。比起一个人闷头想，说出来分享要好得多。我们一起聊聊吧。
현재 단락 (1/146)
在写这篇文章之前，我停下来想了一会儿。