01 "戒"这个动词暴露了什么
当烛火笔吏用"戒"来描述放弃 Anthropic 时，他选了一个通常用于烟酒赌博的动词。这个用词不是修辞夸张，它精确地描述了一种心理状态：这个工具已经和你的日常工作流融合到了一定程度，停用会产生可感知的不适。心理学中有一个概念叫"延伸心智"（Extended Mind），由哲学家 Andy Clark 和 David Chalmers 在 1998 年提出[1]。核心论点是：如果一个外部工具稳定地参与你的认知过程，它在功能上就是你心智的一部分。手机里的通讯录是你记忆的延伸，计算器是你算力的延伸。按这个框架，Claude 或 ChatGPT 对重度用户而言，已经不是"工具"，而是认知系统的外挂模块。
"戒"的不适感来自这里：你不是在换一个 App，你是在切除一个已经嵌入工作流的认知组件。
02 认知卸载：大脑一直在做的事
把思维负担转移到外部工具上，认知科学家称之为"认知卸载"（Cognitive Offloading）[2]。这不是 AI 时代的新现象——你用纸笔列待办事项、用 GPS 导航、用 Excel 做预算，都是认知卸载。大脑天然倾向于把可外包的认知任务交出去，腾出带宽处理更高阶的判断[3]。
AI 工具让认知卸载的范围急剧扩大了。以前你只能卸载记忆（搜索引擎）和计算（计算器），现在你可以卸载措辞（让 AI 润色）、结构化思考（让 AI 列大纲）、甚至初步判断（让 AI 给出方案比较）。JetBrains 和 UC Irvine 的一项联合研究发现，在 800 名开发者的 1.51 亿次 IDE 窗口切换数据中，74% 的 AI 辅助开发者没有意识到自己的工作流切换频率增加了[4]。JetBrains 称之为"隐形摩擦"（stealth friction）——你甚至不知道自己已经在依赖了，更谈不上自我纠正。而 BCG 在 2026 年的一份报告中更直接地指出："因为 AI 能足够高效地产出看似合理的想法，员工的独立构思能力会萎缩"[5]。超过半数受访领导者说他们已经观察到了这种"分布式去技能化"。
客栈里的对话完美呼应了这个发现。治数先锋说"能不用 token 就别用"，本质上是一种高阶判断力的体现：他在做的不是"怎么用好 AI"，而是"什么时候不该用 AI"。后者才是认知卸载时代真正稀缺的能力。
03 Prompt 资本：一种新型的不可见资产
你花了 6 个月学会了怎么和 Claude 有效协作。你知道它在什么情况下会"偷工减料"，什么样的指令结构能拿到最好的结果，什么任务应该拆成多步而不是一步到位。这些知识有一个名字：Prompt 资本。
Prompt 资本的特殊之处在于，它看起来是和特定工具绑定的（我知道 Claude 的脾气），但实际上大部分是工具无关的元认知技能。MindStudio 的一篇分析文章指出[6]，"不同模型处理系统提示、用户回合和工具描述的方式各不相同，但一条写得好的 prompt 的意图通常是可迁移的，只要你避免特定模型的格式怪癖。" 目标是"在多个模型上表现足够好的 prompt，而不是在一个模型上完美的 prompt"。
但有一部分 Prompt 资本确实是工具特定的。MindStudio 在另一篇文章中区分了两种知识[7]：显式知识（documented preferences，saved templates）是可移植的；隐式知识（the agent's inferred model of how you operate）是不可移植的——"隐式知识与显式知识的比例随时间推移而增加。" 你用 Claude 越久，被锁定的隐式知识越多。客栈里 6/26 早上的 CLAUDE.md 讨论恰好命中了这个点：CLAUDE.md 本质上是把隐式知识显式化的过程——你在写规则文件时，其实是在将自己的项目理解从"模型才知道"变成"文件里写着"。
04 切换成本：比 SaaS 更高，但不在你以为的地方
传统 SaaS 的切换成本主要是数据迁移和学习曲线。AI 工具的切换成本高在另一个层面：你的工作流和 AI 的特性是共同演化的。你不是在"使用一个工具"，你是在和一个工具共同构建了一套工作方式。
月引人说"偷梁换柱把 fable 的能力升级给 opus，不是也是个解决方案吗"。这句话的潜台词是：我不在乎模型叫什么名字，我在乎的是体验的连续性。但"体验的连续性"恰恰是最难迁移的部分。Fable 5 回来"失忆了"——模型的参数可以恢复，但它和你之间建立的交互默契回不来。
2026 年 3 月的一篇 arXiv 预印本提出了一个更深层的结构："委托反馈环"（Delegation Feedback Loop）[8]——AI 能力越强，人类委托越多；委托越多，练习越少；练习越少，越需要委托。论文数据显示，AI 上下文窗口从 2017 年的 512 tokens 增长到 2026 年的 200 万 tokens（约 3906 倍），而同期人类的有效上下文跨度（ECS）从约 16000 tokens 下降到约 1800 tokens。切换成本不只是"换工具的麻烦"，它和认知能力的结构性退化绑在一起。
05 反论：知识是可迁移的
治数先锋说"智慧还留存在的"，这个判断有认知科学的支撑。一项发表在 International Journal of Human-Computer Interaction 上的研究提出了"协作式 AI 元认知"（Collaborative AI Metacognition）框架[9]，指出生成式 AI 对用户提出了独特的元认知要求——"用户需要评估 AI 产出的相关性、完整性和准确性，而这些产出可能看起来流畅且权威，无论其实际质量如何。" 研究建议：提升人机协作的干预措施不应只教人写更好的 prompt，更应培养他们批判性评估 AI 输出的能力。这种元认知能力一旦形成，就是工具无关的。
这和月引人在 6/28 说的"大模型只是一台车的引擎，还需要 harness 和 infra 来配合"形成了一个有趣的对称：如果模型是引擎，那用户自己就是驾驶员。引擎可以换，但驾驶技术不会因为换了一台车就消失。CLAUDE.md 的价值正在于此：它不只是给 AI 读的规则，它是你把自己的驾驶偏好写成了可移植的文件。
06 真正应该担心的是什么
不是"戒了 AI 我还能不能工作"，而是"我有没有意识到哪些能力已经被外包了"。
认知卸载的风险不在于卸载本身，在于无意识卸载。Nature 在 2026 年报道[10]，引入 AI 辅助三个月后，临床医生在没有 AI 帮助的情况下检测肿瘤的能力下降了 6%。研究者将其归因为"对 AI 工具的持续接触可能导致临床医生在没有 AI 辅助做认知决策时，动力更低、注意力更差、责任感更弱。" 如果你清楚知道"我把初稿生成交给了 AI，但终稿判断是我自己做的"，你就是有意识地使用工具。如果你已经不记得上次不靠 AI 从零写一篇文章是什么感觉，你可能正在经历同样的无意识退化。
客栈里的对话揭示了一个健康信号：这个社群的成员在主动区分"什么该用 AI""什么不该用"。治数先锋的"能不用 token 就别用"、金鉴行家的"PDF 是对大模型来说很烂的格式"——这些判断本身就是"我知道我在外包什么"的证据。