😩 LLMs Can Be Absolutely Exhausting
核心问题
作者在连续 4-5 小时与 Claude 或 Codex 合作后，感到筋疲力尽。问题往往不是模型本身，而是：
两大核心问题：
- 疲劳时提示质量下降 - 精神疲劳时写出更差的提示
- 反馈循环太慢 - 解析大文件等任务导致漫长的等待
疲劳时的典型错误
- 提交提示后意识到遗漏了关键上下文
- 打断 LLM 进行" steering"
- 上下文接近上限导致 LLM"变笨"
解决方案
- 识别信号 - 如果写提示不再享受，就需要休息
- 元认知 - 是否因为没有真正思考清楚而希望 AI 填补空白？
- TDD 方法 - 将反馈循环速度作为问题来解决
- 快速反馈循环 - 用明确的成功标准让 AI 创建可快速迭代的测试
关键洞见
"当你对写不出完美的提示感到不乐趣时，那就是需要放弃的信号。如果我不享受写提示的过程，而且对结果没有 95% 的信心，那就需要休息或者重新思考问题。"
总结
当感到与 LLM 合作疲劳时，可能实际上是"技能问题"。需要识别何时进入" doom-loop psychosis"，并学会：
- 什么时候该休息
- 什么时候该重新思考问题
- 如何让反馈循环更快、消耗更少上下文