4.4 注意力经济

注意力是最稀缺的资源#

注意力稀缺〔理论〕（Simon, 1971）：「信息的丰富导致注意力的贫乏。」在人机协作系统里，AI 生成信息的成本几乎为零，人处理信息的成本却没有下降。如果不加约束，AI 的产出会自然增长到耗尽人的注意力（H8）。

AI 的隐性开销#

（Becker 等, 2025）的随机对照试验给出了一个清醒的数字：资深开发者在允许使用 AI 时，完成任务的时间增加了 19%；他们事前预期快 24%，事后仍然认为快了 20%。研究者分析的时间开销来自写提示、等待生成、审查和修正 AI 的产出。

这说明两件事：

AI 协作有真实的注意力开销，并且可能超过它省下的；
人对这份开销的感知不可靠，所以不能靠用户的感觉来判断「AI 有没有帮上忙」。

何时介入：混合主动#

混合主动交互〔理论〕C（Horvitz, 1999）提出：系统是否主动介入，取决于介入的期望收益是否超过打扰的成本；不确定用户意图时，先问或先等，而不是直接做。（Amershi 等, 2019）的人机交互指南把这一点细化为一组可检验的准则，例如「按情境决定时机」「支持高效的忽略」「支持高效的纠正」。

打扰的成本不只是被打断的那几秒：被打断后人需要时间恢复（Altmann & Trafton, 2002），注意力会残留在被打断的任务上（Leroy, 2009），被打断时人会做得更快但压力更大（Mark, Gudith & Klocke, 2008）。

注意力预算#

v3 把这些研究落成一个机制：注意力预算（P21）。〔本文提议〕

计量单位：人要花的分钟数。每个提问、决策请求、待确认事项、需要阅读的 AI 产出，都估算一个分钟数。
预算：每天有上限，可以随本人状态调整（状态差时自动降低，与已有的降级规则一致）。
超出预算：低优先级的事项排队，或者由 AI 在授权内自行处理，或者合并到复盘时批量处理。
核算：周复盘看一次「AI 消耗的分钟数」和「AI 省下的分钟数」的估算。如果消耗长期大于节省，说明协作方式有问题。

产品已有的「每天主动问本人不超过 2 个问题」〔产品，M8 §4.1〕和「在手指令 ≤3」〔产品，M5〕是这个机制的两个特例。〔建议修改〕把它们统一为注意力预算，见 S8。

设计准则#

短：AI 给人的输出，第一屏只放人需要决定或知道的内容，细节折叠。产品的「开头三行日常用语、四段收进详情」〔产品，E3〕已经在这样做。
批：能合并的确认合并处理（例如信念准入在周复盘批量处理）。
默认：给出推荐选项，人只需确认或修改。
沉默：没有值得说的事时，不说。