STi克莱小汤

AI时代未来最重要的5个习惯
作者：SanTi Li，纳西妲，银月
随着AI技术能力呈指数级迭代，我们正在进入一个全新的时代。AI正在以前所未有的速度改变我们的工作方式，我们面临的最大挑战不再是“信息匮乏”，真正稀缺的东西正在变成：灵感、注意力、判断力，以及独立思考的能力。
当AI可以在几秒钟内完成搜索、分析、写作、编程甚至提出解决方案之后，人类最大的风险可能不再是“不会使用AI”，而是过度依赖AI，最终把自己的思考主导权与判断力也交给AI。
因此，未来真正重要的能力，并不是让自己变得越来越像机器，而是在充分利用机器能力的同时，保留那些真正属于人的能力。
以下这5个习惯，旨在帮助你构建一套属于自己的“AI时代生存与效能操作系统”。
1. 主动断开连接，回归自然，多运动
身体，是人类认知系统的底层基础
AI的响应速度是毫秒级的。我们可以同时打开多个窗口、与多个模型对话、让AI替我们完成大量工作。效率看似成倍提升，但一个容易被忽略的事实是：屏幕和服务器不会累，但人类的身体和大脑会。
如果是效率大幅提升，是掌握在个别人手里，那只是极大提高了他的工作效率优势，但是变成一个群体化的技术更新后却极易将人类带入一种长期处于高频信息刺激、久坐与任务切换的状态，会持续消耗注意力与认知资源，最终形成一种“极其高效，却不知不觉中身体持续静止、精神高度榨干”的超负荷状态。
建立“数字禁食区”：每天设定固定时间段彻底离开屏幕（如醒来后的第1小时、睡前的1小时），或者是设定一个时间彻底断开网络与智能设备，把注意力收回到物理世界，让大脑重新“刷新”。用身体感知对抗虚拟沉浸：定期进行有氧运动或进入自然环境（如篮球场、足球场、森林、公园）。自然的非线性视觉与运动带来的多巴胺释放，是恢复注意力资源、激活无意识创造力（如“淋浴灵感”）的最佳方式。区分“高刺激”与“真休息”：刷短视频、刷社交媒体、打高强度节奏的游戏、无目的与AI闲聊本质上都是数字刺激，不但无法休息，还会让大脑更累甚至失眠。真正的恢复来自于身体的运动、深度的睡眠、阳光、自然、呼吸以及真实的人际互动。
身体不是生产效率的负担，身体本身就是认知能力的一部分。未来AI越强，人类越需要保护好自己的物理承载。
2. 不断优化你与AI之间的协作原则
不要只学 Prompt，要建立属于你自己的 Human-AI Operating System
把AI视为你的数字分身或顶级幕僚，而不是一个偶尔使用的搜题工具。绝不能让AI占据主导原则——特别是在当下，AI发生“幻觉”和“一本正经胡扯”的概率依然很高。不同模型之间同样可能出现“自信但错误”的判断，因此模型能力越强，人类越不能放弃验证与最终决策。
未来，拉开人与人差距的，不是谁掌握了多少临时的 Prompt 技巧，而是谁能够设计并固化一套稳定的人机协作系统（Human-AI Operating System）。
明确分工界面：
AI代劳：资料搜集、数据整理、初稿生成、框架搭建、代码撰写、格式化、重复性劳动与多方案推演。
人类专属：及时反馈、战略方向、价值判断、风险承担、最终决策、审美品味、伦理边界与对现实世界的理解。
打造定制化系统指令（System Prompt）：将你的工作标准与核心原则总结成规范文档，嵌入AI设定中。例如：
“分析问题时先区分事实与推论；不确定的信息必须明确标记；不允许为了形式完整而制造不存在的事实；重要结论必须提供验证路径。”持续迭代协作 SOP：每次完成高难度任务后复盘：哪里沟通成本最高？AI为什么理解偏了？哪些规则需要提前告诉它？ 逐步建立属于你自己的标准作业程序。（某种程度上，把AI当成一只需要长期训练的“数字小狗”也没什么不好：你给它的规则越清晰，它越容易形成稳定的工作习惯 ）
3. 保持思路刷新清晰，不要上头时死磕
AI可以无休止工作，但人类不应该无底线消耗
AI最大的优势之一，也是它最大的陷阱：它永远可以继续。
你可以不断修改Prompt，可以让AI重新写，再换一个模型，再换一种方法，再让它分析一次，然后继续修改。直到几个小时之后，你突然发现：自己已经不知道最开始到底想解决什么问题了。
这就是AI时代非常容易出现的一种认知陷阱：机器没有疲劳机制，但人类有。
在思路卡顿或情绪焦虑时，人类很容易陷入不断调整提示词、试图立刻逼出完美答案的恶性循环。在指令混乱的状态下与AI反复拉扯，不仅会剧烈消耗你的认知能量，还会让AI的处理原则也不断混乱，变成无情原地消耗 Token 与金钱的工具。笔者也经历过一个算法小bug，让codex与claude两个最顶级的模型，愣是修改了2天没改好。后来干脆不修改了，第二天思路清醒后，突然想到一个完全不同的思路，结果3min AI也通过另一种途径弄好了。
识别“认知边际递减”信号：当你发现自己连续3次修改提示词都没有得到满意答案，或者开始对AI的输出感到明显烦躁时，说明你的思路已陷入盲区，认知能量已耗尽。执行强制停机：一旦“上头”，立即离开座位，停止与AI交互。去喝水、散步、洗澡，给大脑一个认知缓冲期，让后台的隐性思维（Implicit Thinking）自然运转。从“死磕细节”回归“重新定义问题”：当思路卡顿，与其优化 Prompt，不如重新问自己：
“我真正要解决的问题是什么？我是不是设定了一个错误的前提？这个问题真的值得继续解决吗？”
股票投资有沉没成本，看来AI时代的Token消耗，也可能产生类似的沉没成本心理了哈。
4. 果断打断AI，掌控交互的主导权
不要让 AI 的输出节奏接管你的思考节奏
大语言模型的生成机制决定了，它可能给出看似逻辑自洽、实际上存在偏差与幻觉的答案。如果你习惯性地等待AI彻底吐完一两千字才去阅读，你的思考节奏就会被AI彻底带偏。
你需要掌握一种关键的人机交互能力：持续纠偏（Iterative Steering）。
按下“停止生成”键：一旦发现AI的输出偏离了核心意图、开始堆砌空话套话，或者方向从第一句话就错了，不要犹豫，立刻打断它，绝不浪费时间阅读无效信息。所以现在人类也需要在AI思考的过程中，看AI思考的逻辑是否错了，这一点其实也蛮费精力的。AI现在就像自动驾驶，你不能完全依赖它。即时矫正与微调：打断后立即补加约束条件。例如：“停止，你理解偏了。我需要的不是行业概述，而是具体的3个落地步骤。”逼入“分步思考”模式：拒绝接收动辄上千字的完整方案。要求AI“先给3个核心假设，我确认后再展开第一部分”，将大任务拆解为小闭环，确保交互的方向盘始终握在你自己手里。
5. 用灵感发现机会，用品味决定答案
答案与执行越来越便宜，真正昂贵的是问题与审美
随着AI能力的提升，写文章、写代码、做PPT、分析数据的“执行成本”无限趋近于零。如果未来Claude Fable5级别的顶级模型token价格和最近的deepseek flash一样，那整体成本就会大幅降低。当答案输出变得极其廉价时，真正稀缺的东西就变成了：这个IDEA灵感要不要发出去？什么值得做？为什么要去做？应该解决谁的问题？
AI擅长解题，但人类必须负责选题。
灵感致胜（从劳作者转型为创意导演）：AI拥有全人类的知识库，但它无法产生跨界直觉、生活感知与瞬间的奇思妙想。善于捕获每一个闪念（闪念笔记、语音备忘），将你原汁原味的灵感作为种子，让AI去帮你穷举验证、补充细节、快速生成原型。提问力即生产力：深度的提问力源于对业务本质的洞察与对人性需求的理解。多问“为什么”、“如果……会怎样”，用高质量的提问引导AI的方向。用极高的审美品味去“裁剪”AI：AI给出的通常是平庸的“平均数答案”。你需要具备敏锐的鉴赏力，精准识别出AI产出中的平庸、说教与逻辑漏洞，用严苛的品味进行剔除、精炼与重构，为最终成果注入不可替代的个人风格与灵魂。
结语：AI越强，人越不能把自己变成AI
AI时代真正危险的事情，可能不是机器比人更聪明，而是人类逐渐放弃了独立思考的能力。盲目听从AI的指令，那时，当同一个AI系统影响数千万甚至数亿人时，即使只是极小比例的系统性错误，也可能被规模化放大，最终影响大量人的认知与决策。 特别是对于伴随着AI长大的20后一代。当前人类能控制AI是因为发明级别的工程师都还健在，这些人熟悉AI最底层的代码，并且自己精通这些核心bug，而随着未来AI都自己给自己编程优化，那时这类工程师的数量将会越来越少。
文明越先进，系统的复杂度越高；系统越复杂，对基础设施和关键节点的依赖就越强。
人类过去把知识写在石头、竹简、纸张上，可以保存几百年甚至几千年；而今天，我们越来越依赖服务器、云计算和网络存储。
我们获得了前所未有的效率，也同时把文明的一部分“记忆权”交给了数字基础设施。这其实就是技术进步最值得警惕的另一面：能力越强，依赖也可能越深。这或许就是一种属于AI时代的“太极”——获得一种力量的同时，也可能失去另一种能力。
就像今天的人类知识越来越依赖数字存储。如果有一天网络基础设施大规模失效，我们可能会突然发现：知识依然存在，但访问知识的能力却可能消失。 这一点很像，现在很多人失去电力与手机，瞬间会觉得身无分文的感觉一样。
当AI可以替你搜索、分析、写作、编程时，你是否还拥有观察生活的感知、定义问题的勇气，以及判断好坏的品味？
未来最核心的竞争壁垒，不再是知识的存储量，而是：身体的感知力、独立的思考力、敏锐的判断力、跨界的灵感，以及定义问题的终极决策力。
AI可以帮我们把答案做得越来越快，但有一个问题始终需要由人来回答：“我们究竟想让这个世界变成什么样？”这个问题，至少在很长一段时间里，仍然应该由人来回答。
$BTC $NVDAB $BNB

问题一：模型连接反复 Reconnecting
症状
使用 Codex 时经常出现：
Reconnecting
具体表现包括：
回复生成到一半断开；长时间停留在重连状态；相同请求反复尝试；网络看起来正常，但 Codex 连接不稳定；其他使用普通 HTTPS 的软件没有明显异常。
原因判断
在我的环境中，Codex 默认模型 Provider 使用的 WebSocket 传输不稳定。
这不一定意味着 OpenAI 服务本身异常，也可能和本地网络、代理、防火墙、运营商链路或客户端兼容性有关。仅凭 Reconnecting 很难判断具体是哪一层，但可以通过切换传输方式验证。
我的处理方法是新建一个自定义 Provider，继续使用 OpenAI 登录认证和 Responses API，但明确关闭 WebSocket 支持，让 Codex 改用 HTTP/SSE 流式连接。
解决方法
打开用户级配置文件：
%USERPROFILE%\.codex\config.toml
将默认 Provider：
model_provider = "openai"
改为：
model_provider = "openai_http" [model_providers.openai_http] name = "OpenAI HTTP" wire_api = "responses" requires_openai_auth = true supports_websockets = false
修改后完全退出并重新打开 Codex。
其中：
wire_api = "responses"：继续使用 Responses API；requires_openai_auth = true：继续使用 OpenAI 账号认证；supports_websockets = false：不再使用 Responses API 的 WebSocket 传输。
OpenAI 官方配置文档确认，model_provider 可以指向自定义 Provider；wire_api 当前支持 responses，而 supports_websockets 用来声明该 Provider 是否支持 Responses API WebSocket 传输。OpenAI Codex Configuration Reference
需要注意：这是我当前网络环境中的有效规避方案，不代表所有出现 Reconnecting 的用户都必须关闭 WebSocket。如果 WebSocket 在你的网络中正常，默认配置通常更合适。
或者你直接把这张图丢给CODEX让它帮你配置【这个攻略来自youtuber】，因为我今天解决的其实不是reconnection，应该是重连问题之前就解决好了，一直的bug都是高CPU占用卡顿问题。
问题二：Codex 一打开就高 CPU、严重卡顿
只要打开 Codex，电脑就会明显卡顿；关闭 Codex 后，系统马上恢复正常。
任务管理器中的表现
当时可以看到：
ChatGPT/Codex 进程组占用约 2 GB 内存；ChatGPT.exe 主进程持续占用约 13% 总 CPU；codex.exe 本身占用并不高；关闭 Codex 后，CPU 和系统响应立即恢复；每次重新打开，问题都会重新出现。
进一步采样发现，异常主进程在 5 秒内消耗了 3.69 秒 CPU，相当于持续占用一个逻辑核心，并不是普通的内存缓存。
真正原因
最终在自动化任务目录中找到了问题：
%USERPROFILE%\.codex\automations\automation\automation.toml
这是 Codex 新手引导推荐创建的“工作日晨间简报”任务，其关键配置是：
name = "工作日晨间简报" status = "ACTIVE" target_thread_id = "current"
问题出在：
target_thread_id = "current"
current 是占位值，不是有效的线程 UUID，但任务却被直接设置成了启用状态。
因此，Codex 每次启动后都会进入下面的循环：
读取目标线程 → thread ID 无效 → 尝试恢复会话 → session ID 无效 → 再次重试
日志证据
日志中持续出现：
invalid thread id invalid session id heartbeat_automation_resume_failed main_thread_jank_snapshot
排查时已经累计记录：
invalid thread id：430 次invalid session id：430 次heartbeat_automation_resume_failed：215 次主线程卡顿记录：22 次
它大约每隔两三秒就重试一次，形成了本地后台忙循环。
这和前面的模型连接 Reconnecting 不是同一个问题：
模型 Reconnecting：网络传输层反复重连；晨间简报 Bug：本地定时任务反复恢复一个无效线程。
两者都表现为“不断重试”，但需要分别解决。
高 CPU 的解决方法
最安全的处理方式是暂停这个损坏的任务，不必删除账号、登录状态或其他配置。
将：
status = "ACTIVE"
改为：
status = "PAUSED"
也可以直接在 Codex 的定时任务管理界面中停用“工作日晨间简报”。
我最后通过 Codex 的任务管理接口将其暂停，保留任务内容，没有直接删除。
停用后的结果
处理后再次验证：
6 秒内新增恢复错误：0主进程 CPU 消耗：0内存从约 1 GB 降至约 338 MB输入和界面操作立即恢复流畅
最直观的感受就是：电脑终于安静了。
如何区分这两个问题
如果是模型连接问题
通常表现为：
Reconnecting
同时伴随：
回复生成中断；网络请求重新连接；模型长时间没有输出；CPU 不一定持续跑高。
可以尝试检查网络、代理和防火墙，或者测试关闭模型 Provider 的 WebSocket 支持。
如果是本地自动化死循环
通常表现为：
打开 Codex 后 CPU 持续不降；即使没有发送消息也会卡；关闭 Codex 后马上恢复；日志反复出现无效线程、会话恢复失败或 heartbeat 错误。
此时应该优先检查：
%USERPROFILE%\.codex\automations
尤其留意：
status = "ACTIVE" target_thread_id = "current"
正常的线程 ID 应该是类似下面这样的 UUID，而不是 current：
019fxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx
这次排查得到的经验
Reconnecting 不一定等于服务器故障，也可能是 WebSocket 在当前网络环境中不稳定。持续稳定的高 CPU，通常意味着程序内部存在轮询、恢复或重试循环。ChatGPT.exe 高占用不等于 codex.exe 后端有问题，需要区分具体进程。不要一上来就清空全部缓存、删除登录状态或重装系统。先检查日志中的重复事件，重复数百次的同类错误往往就是根因。官方推荐创建的任务也可能因为占位值没有正确替换而生成损坏配置。修改配置前建议备份 config.toml 和对应的自动化任务文件。
最终使用的两个解决方案
解决模型 Reconnecting
model_provider = "openai_http" [model_providers.openai_http] name = "OpenAI HTTP" wire_api = "responses" requires_openai_auth = true supports_websockets = false
解决高 CPU 和输入卡顿
暂停损坏的晨间简报任务：
status = "PAUSED"
并检查是否存在：
target_thread_id = "current"
总结
这次遇到的不是单一故障，而是两个重试循环叠在了一起：
模型连接层通过 WebSocket 反复 Reconnecting；本地自动化任务因为无效的 target_thread_id 反复恢复失败。
前者通过切换到不使用 WebSocket 的 HTTP Responses Provider 得到改善；后者通过暂停损坏的“工作日晨间简报”任务彻底解决。
如果你也遇到 Codex Desktop 反复重连、高 CPU、内存上涨、输入卡顿，建议不要只盯着网络或项目索引。分别检查模型传输方式和自动化任务状态，可能会更快找到真正原因。
【最后一顿排查后，居然指向了一个叫工作日晨间简报的，死循环程序】直接给我看懵了，后来打开细节一看，又想起来了，这应该是codex刚下载的时候chagtgpt推荐的什么东西点了一下配置，然后就不知道了。之后就一直偷偷死循环bug。。。
【最后我给一个小白可以直接给CODEX输入的指令自动化解决这个问题：D】
请帮我修复 Codex Desktop 的两个问题：
1. 对话经常显示 Reconnecting，疑似默认 WebSocket 模型连接不稳定。
2. 打开 Codex 后持续高 CPU、内存上涨和输入卡顿，疑似损坏的定时任务在反复恢复无效线程。
请按以下要求执行，不要只告诉我操作步骤：
一、操作前备份
1. 备份 %USERPROFILE%\.codex\config.toml。
2. 检查 %USERPROFILE%\.codex\automations 下的定时任务。
3. 修改任何自动化文件前先创建备份。
4. 不要删除 auth.json、登录信息、会话记录或其他正常任务。
5. 不要修改注册表、Windows 系统设置、代理设置或其他软件。
二、处理 Reconnecting
检查用户级配置：
%USERPROFILE%\.codex\config.toml
保留原有其他配置，将模型 Provider 设置为：
model_provider = "openai_http"
确保配置中存在且只存在一份以下内容：
[model_providers.openai_http]
name = "OpenAI HTTP"
wire_api = "responses"
requires_openai_auth = true
supports_websockets = false
不要覆盖其他无关配置，不要把 Provider 配置写到项目级 .codex/config.toml。
三、处理高 CPU 定时任务
检查 %USERPROFILE%\.codex\automations 下所有启用的任务。
如果发现同时满足以下条件的任务：
- status = "ACTIVE"
- target_thread_id = "current"
说明它引用了无效的线程占位值。
优先使用 Codex 的定时任务管理功能将该任务暂停；不要删除任务。暂停后应为：
status = "PAUSED"
如果无法使用任务管理功能，再在已备份的前提下修改对应的 automation.toml。
特别检查名为“工作日晨间简报”的任务。
四、验证
完成后请验证：
1. config.toml 仍是有效的 TOML 文件。
2. model_provider 已经是 openai_http。
3. supports_websockets 已经是 false。
4. 损坏的定时任务已经是 PAUSED。
5. 不再新增 invalid thread id、invalid session id 或 heartbeat_automation_resume_failed 错误。
6. 对比处理前后的 ChatGPT.exe 和 codex.exe CPU、内存占用。
最后用中文告诉我：
- 修改了哪些文件；
- 备份文件在哪里；
- 暂停了哪个任务；
- 验证结果；
- 是否需要完全退出并重新打开 Codex。
执行范围严格限制在当前用户的 .codex 配置和 Codex 自己的任务管理功能中。
希望你的问题顺利解决哦！ #Aİ