如果你每天都在用 Claude Code、Codex 這類 AI 代理工具,大概熟悉這個場景:你開了一個任務,AI 還在跑,於是你又開第二個;第一個回來了,需要補一句話、追一個小問題,每個追問又各自長出分頁;然後第二個也回來了。等你回過神,已經在同時 juggling 二十個 thread,整個工作狀態都存在你腦子的 RAM 裡——直到突然當機:你很累、專注力碎掉,不記得自己從哪裡開始、要做到哪裡。
開發者 Sergey Kuhne 在 2026 年 11 月 8 日發表的文章〈How I'm fighting the AI Brain Fry〉把這個現象命名為 AI Brain Fry,並提出他的解法:問題出在兩個地方——排序(sequencing)與上下文(context)。與其依賴意志力,不如把工作組織成一個優先佇列。這篇把這套方法的細節整理成台灣創作者與小團隊可直接套用的工作流程。
AI 協作疲勞是流程問題,不是工具問題:排序外包給佇列、上下文外包給檔案、決策集中在同一個收件匣
先導入「單一工作佇列」,所有任務以檔案形式存在專案目錄,不再讓待辦散落在各聊天視窗。
把「代理可做」與「需要人判斷」分開:例行工作交給代理循環執行,所有等待人裁決的事項集中到一個收件匣。
評估指標從「用了多少 AI」改成「回收多少專注時數」。疲勞沒有下降的 AI 導入,只是換個方式加班。
為什麼 AI 讓人更累而不是更輕鬆
直覺上,AI 應該讓工作變輕。實際上很多大量使用 AI 的人回報相反的結果:更疲倦、更難專注、更常不知道自己做到哪。Kuhne 的分析指出,這種工作方式有兩個結構性問題。
第一是排序(sequencing)。人腦不擅長同時追多條進行中的線。AI 回覆有延遲,延遲誘使你開新任務,每個任務又各自產生追問與分支,最後你同時追蹤的 thread 數量遠超工作記憶體容量。這跟自律無關,純粹是任務佇列沒有外置。
第二是上下文(context)。每個 AI thread 都有自己的脈絡:你做過什麼決定、為什麼這樣改、下一步是什麼。當這些脈絡只存在聊天視窗裡,你就必須用腦子記住全部——thread 一多,認知負荷就爆炸。
常見的建議是休息、打字前先想清楚、縮小範圍。這些都對,但都是意志力方案。Kuhne 的實驗走的是另一條路:把排序與上下文都外包給系統。
解法核心:把工作放進 git 佇列
這套方法的地基出乎意料地樸素:佇列活在 git 裡。每張「票」(ticket)就是 repo 裡的一個 markdown 檔,放在它討論的程式碼旁邊,整個看板的狀態是一份已提交的快照。
這個設計解決了 AI 協作裡最常見的三個痛點:
- 重要的東西不活在聊天視窗裡。聊天工具是暫存區,不是系統紀錄。檔案在 repo 裡,session 死掉、視窗關掉,佇列還在。
- 狀態可被重建。任何時點都能從 git 看出整個看板長什麼樣子,不需要回翻對話紀錄考古。
- 上下文跟程式碼在一起。票就在它講的程式旁邊,AI 讀票時同時讀得到相關程式,不用你複製貼上補充背景。
對不寫程式的人,「git」可以替換成任何「檔案即狀態」的系統:Obsidian 資料夾、Notion 資料庫、甚至一個有版控的共享資料夾。工具可以替換,原則只有一個:沒有任何重要的事只存在聊天視窗或你的腦子裡。
讓代理照表操課,而不是想到才餵
有了佇列之後,AI 代理的角色就清楚了:它照著板子循環工作——研究新票、建造人類標記為「安全可建」的票、跑測試與瀏覽器檢查、驗證已部署的東西。碰到敏感程式碼就開 branch 先問;永遠不部署到正式環境,那一步留給人。
這個分工對台灣的一人公司與小團隊特別重要,因為它把「生產」與「負責」拆開:代理可以大量產出,但每一筆產出都進入待審狀態,而不是直接變成結果。如果你正在評估讓代理進入日常工作,本站先前整理的 OpenAI Codex 完整介紹與 Codex/Claude Code 一週實戰分工可以當作工具選型的起點。
決策集中在同一個收件匣
代理做不了的,是「決定」。所以所有需要人的事項——審這個修改、回答這個問題、裁這個取捨——全部集中到一個地方,Kuhne 稱為 owner inbox。一個腳本讀完整個看板,只交出等待人類判斷的項目清單,按優先序排好。
閱讀介面則是一個每個循環都從 git 重建的頁面:一頁看完整個看板,每張票有自己的檢視頁。你不用在終端機往回捲、重建一個修改在做什麼;開一個連結,讀完修改內容與理由,給出裁決。裁決寫回 git、回到票上。頁面只是檢視器,git 才是紀錄。
這個設計對管理者的啟示:AI 時代的生產力瓶頸,常常落在決策延遲上。當代理在等你裁決時,整條流水線就卡住了。把決策收斂到單一收件匣,你才能一眼看出卡點在哪。
關鍵一步:做完就關掉上下文
整套方法裡最重要的一步,是 Kuhne 強調的「關閉」:你取一個項目、載入它的上下文、做決定或請求一個動作,然後把它放回佇列裡關掉。票不會繼續掛在你的記憶體裡當「要記得的事」,上下文隨票一起關閉。這樣當你從佇列拿下一件事時,才真正能專注——一次只做一件事。
這一步聽起來像小伎倆,但它直接對應到前面說的第二個問題:上下文不再由你的大腦保管,改由系統保管。疲勞感不會消失——高強度工作本來就累——但你不再同時感到「分心」與「迷失」。
工具與替代方案怎麼選
你不需要照抄 Kuhne 的技術棧才能吃到紅利。這套方法的每個環節都有現成工具可接,選擇標準只有一個:它能不能讓「檔案即狀態」這件事成立。
| 環節 | 原理 | 可接的工具方向 | 選購要點 |
|---|---|---|---|
| 工作佇列 | 票=檔案,狀態=已提交快照 | git repo、Obsidian 資料夾、Notion 資料庫 | 能否離線可用、能否被 AI 工具讀寫、有無版本紀錄 |
| 代理循環 | 例行工作照表執行,敏感操作先問 | Claude Code、OpenAI Codex 等終端機代理 | 權限邊界、能否限制可寫路徑、執行紀錄是否可回看 |
| 決策收件匣 | 等待人類判斷的事項集中成一個清單 | 腳本+單一頁面、看板式工具的「待我處理」欄 | 是否能一鍵看出「卡在等人」的所有事 |
| 閱讀介面 | 一頁看懂整個看板與每張票的修改 | 自動產生的檢視頁、看板工具 | 重建成本多低?context 載入是一分鐘還是二十分鐘 |
已經在用 AI 處理內容工作的人,可以參考本站 本機 AI 三種配置,先把「哪些工作適合留在本機、哪些適合交給雲端代理」的邊界劃清楚,再導入佇列流程——順序反過來會很痛苦。
這套方法的限制
Kuhne 自己也承認兩個持續的挑戰,導入前要有心理準備:
- 工具鏈很難一步到位。最大的工程挑戰是讓 context 以「好消化的方式」被送上來——載入一張票從二十分鐘降到一分鐘,才是這套系統能不能活下來的關鍵。
- 決策瓶頸會換個形狀回來。當票都卡在「等你裁決」時,代理會進入空轉迴圈。收件匣不只是工具,更是一種紀律:每天固定清空決策佇列,否則系統會退化成另一種焦慮來源。
另外要誠實地說:這是一套個人實驗的作法,缺乏對照組的科學驗證。它值得參考的是原則——排序外置、上下文外置、決策收斂——而不是任何特定工具組合。
常見問題
我不會寫程式,這套方法對我有用嗎?
有用,而且可能更需要。不會寫程式的人更容易把所有狀態留在聊天視窗裡。把「票=檔案」換成你熟悉的筆記或看板工具即可,重點是讓重要狀態有一個檔案形式的家。
已經在用 Todoist、Notion 這類工具,還需要改嗎?
先檢查一件事:你的待辦工具能不能被 AI 代理讀寫、有沒有版本紀錄。如果答案是肯定的,把它當佇列用即可,不需要為了方法論換工具。
AI 協作疲勞跟一般的 burnout 有什麼不同?
一般的 burnout 多來自長期過載;AI Brain Fry 則有明確的觸發結構——同時追太多 thread、上下文只存在聊天視窗。解決前者需要休息與調整負荷,解決後者靠流程設計,兩者可以並行處理。
團隊導入時最大的坑是什麼?
把「代理產出」直接當「完成」。只要團隊裡沒有清楚的審核閘門,這套系統會用更快的速度製造更多半成品。人類的裁決環節不是可選的,是設計的一部分。
有沒有這套方法的原始參考資料?
原始文章是 Sergey Kuhne 的〈How I'm fighting the AI Brain Fry〉(2026-11-08),可在其個人網站 sergeykuhne.com 的 blog 區找到;本文為原則整理與台灣情境轉譯,工具建議為本站觀點。