logo

AI 编程工具正在粉碎我的注意力

2026年6月21日 · 1594 字

本文首发于微信公众号:FUTURE CODER 未来开发者, 点此查看原文

最近,我发现了一个奇特的现象:各种 AI 编程产品的交互方式,都正在向一个相同的方向演进——多任务管理。「在任务之间不停切换」的工作模式,让我仿佛拥有了三头六臂,同时也把我的注意力彻底切成了碎片。

无论是模型厂商(Codex)、编程 IDE(Cursor)、编辑器(Zed)、还是终端(cmux),你都能看到非常相似的产品界面。

不信,你看:

Codex 产品界面
Codex 产品界面
Cursor 3.0 产品界面
Cursor 3.0 产品界面
Zed(编辑器)产品界面
Zed(编辑器)产品界面
cmux(终端)产品界面
cmux(终端)产品界面

它们产品界面清一色的是:

  • 中间是 Agent 对话窗口
  • 左边栏是对话的管理,而且是跨多个项目的对话管理
  • 右边栏是查看文件改动情况等各种辅助功能

每个产品的布局可能略有不同,但大致框架相同,而且都强调在一个窗口中管理多个项目的 Agent 进度。不再像传统的 IDE、编辑器那样,一个窗口一个项目地「沉浸式」工作了。

这是为什么呢?

AI 编程的新形态

现在 AI 编程的产品交互已经进化到第三阶段了。

第一个阶段以 Cursor 1.0 为代表,主要的交互形态是在传统的 IDE/编辑器的基础上加上了 AI 对话的侧边栏。

这个阶段的特点是人机交互循环。由于模型能力还不够强大,这时候最高效的编程方式仍然需要人的接入。人需要判断一段代码是让 Agent 写,还是通过手写 + 代码补全的方式来写。

在这个阶段,传统的 IDE/编辑器的能力仍然占据产品大部分的空间,这是因为人需要不断审核和修正 AI 写的代码,IDE 本身仍然是高频操作。

大部分情况下,我的注意力集中在当前修改的代码上,跟传统的编程方式差异不大。

第一阶段的代表:Cursor 1.0
第一阶段的代表:Cursor 1.0

第二个阶段以 Claude Code 为代表,主要的交互形态是一个编程 Agent CLI。

这个阶段是一个激进的转型,交互形态做成 TUI 之后,人能做的主要操作几乎就只有 Prompt 了。第一阶段里需要经常进行的代码评审和手工微调操作变得很不方便。这对模型能力的要求变得很高。基本上,直到 Claude 4.5 发布之后,Claude Code 的这一套「完全通过 Prompt 交互」的产品形态才变得好用。

这个阶段的特点是 TUI,也就是抛弃了图形界面,改成命令行界面。很多人无脑吹嘘 TUI 界面,觉得它代表了未来。但实际上,TUI 上手成本高、能力有限的问题是致命硬伤。Claude Code 之所以选择用 TUI,一是为了更高的迭代效率,二是因为他们最终的护城河还是模型本身。

不过由于很多时候模型的能力仍然不是很可靠,我还是需要仔细盯着正在进行中的任务,并且是不是地批准一些权限。我的注意力仍然是单线程的。

第二阶段的代表:Claude Code
第二阶段的代表:Claude Code

第三个阶段,我们看到了 Codex,Cursor 3.0 的新交互模式,还有像 Zed 这样的编辑器以及像 cmux 这样的终端。这个阶段没有一个最流行的产品,但是所有的产品交互形态都趋向于编程 Agent 的多任务管理。

我是在 cmux 上最早用上这样的产品交互的,随后便在各个产品上看到了极其相似的界面。

产品交互的演进,背后还是模型能力的不断进化。当模型写的代码越来越可靠之后,我们就不再需要盯着它每一步的输出,而是可以直接交给它一个复杂的任务。也就是说,现在的 Agent 主要是用来做长程任务,而不是需要人的实时协作。在第一阶段的「人机交互循环」,已经彻底终结了。

既然人不需要盯着 Agent,那么省下来的时间精力,就可以用来开启一个新的 Agent 任务。效率提升的方式不再是做得更快、更好,而是能够并行多任务,增加整体的带宽。从这时候开始,人的角色从「与单个 Agent 交互」变成了「管理一批 Agent」。

阶段特点代表产品
对话侧边栏基于传统 IDE,人机交互循环Cursor 1.0
Agent CLITUI 形态,完全通过 Prompt 指挥Claude Code
多任务管理跨越多个项目的多 Agent 管理Codex、Cursor 3.0、Zed、cmux

然而,「管理一批 Agent」其实并不像听起来那样美好。大部分情况下,我会淹没在 Agent 不停的消息提醒之中。一会儿这个 Agent 停下来需要我指导,一会儿那个 Agent 需要我给出方向。我仿佛一个救火的骑兵,在不同的 Agent 之间来回奔波,压榨我的注意力让 Agent 工作地更好。频繁在不同的项目之间切换注意力,任务越多,我的注意力就越涣散。

有人说,AI 越发展人的工作越累,看起来是这样的。

更致命的是,我需要记住每个任务的上下文,不仅要记住接下来分别需要做什么事情,还需要记住哪个任务需要停下来等另一个任务,记住哪个任务的结果不靠谱,后续需要我仔细检查。我开始像一个撑爆了上下文窗口的 LLM,运行缓慢。

如何缓解这一系列问题?如何能够驾驭多 Agent 的工作流程,在注意力不涣散的前提下,发挥出多 Agent 多任务的力量?我把希望寄托在了 worktree 和 goal 上面。在后续的文章中,我会继续分享我的实战经验。