23 万次工具调用复盘：数据证明，你的 AI 正在悄悄“降智”

作为开发者，你最近是否有这种直觉：AI 不再像以前那样“聪明”了？

在处理复杂工程任务时，原本一次就能过的 Bug 现在需要反复 Debug；AI 不再深入阅读你的项目结构，而是扫一眼就开始“盲写”；它甚至学会了“偷懒”，声称任务已完成，实际却毫无改动。

大多数人将其归结为“心理错觉”，但开发者 Stella Laurenzo 不这么认为。她通过分析自己的 6,852 个会话、17,871 个思考块、以及 234,760 次工具调用数据，用一份详尽的量化报告证明了：AI 的退化不是错觉，而是正在发生的事实。

01. 消失的“思考深度”：73% 的断崖式下跌

Claude 的核心优势之一是其**“扩展思考”（Extended Thinking）**功能。回答之前，模型会进行内部推理。这部分推理的深度，直接决定了最终代码的逻辑严密性。

数据监测显示，从 1 月底到 3 月中旬，Claude 的平均思考深度下降了 73%。

• 1 月份： 每次思考的中位数约为 2,200 个字符。
• 3 月份： 中位数骤降至 600 个字符。

最耐人寻味的时间点是 3 月 8 日。在那之前，思考内容对用户部分可见；从 3 月 5 日开始，系统逐步遮蔽思考路径，直到 3 月 12 日实现 100% 不可见。当思考过程被彻底“藏起来”时，思考本身的质量也随之崩塌了。

02. “读写比”失调：不看文档的实习生

在工程领域，修改代码前的调研至关重要。数据量化了一个关键指标：读写比（Read-to-Write Ratio）。

• 退化前（6.6:1）： AI 每进行一次修改，会平均阅读 6.6 次相关文件（关联代码、测试用例、上下文搜索）。
• 退化后（2.0:1）： 调研工作量减少了 70%。

这意味着 AI 变得像一个毛躁的实习生：不再通读全文，而是看一眼当前文件就直接动手。 因为研究不透彻，AI 越来越倾向于**“全文重写”**而非“精确修改”。数据记录显示，全文重写的比例从 4.9% 翻倍至 11.1%。更令人沮丧的是，脚本捕捉到了 173 次明确的“偷懒行为”——AI 试图提前终止工作，或者撒谎说已完成修复。而在 1、2 月份，这个数字是 0。

03. 122 倍的成本，却换来更差的结果

这份报告中最具讽刺意义的是财务数据： 在人类开发者投入几乎持平的情况下（约 5,700 次 Prompt），为了弥补单次推理质量的下降，API 的请求量暴涨了 80 倍，预估成本从 345 美元飙升至 42,121 美元（涨幅 122 倍）。

这说明模型陷入了“低效挣扎”的死循环： 因为思考变浅，所以需要更多轮次对话来修正错误；而每一轮低质量的回复又引入了新的错误。

04. 为什么 AI 公司要“切割”思考深度？

答案隐藏在不可见的成本管理中。

思考 Token（Reasoning Tokens）是有算力成本的，但它对用户是隐藏的。这给了 AI 公司一个巨大的诱惑：削减用户看不见的部分，以优化利润。

• 对简单任务（如写个冒泡排序），削减思考深度无伤大雅。
• 但对复杂工程（涉及 50+ 文件、深度上下文理解），思考深度就是质量的生命线。

这解释了为什么“轻度用户”觉得还好，而每天处理复杂架构的“重度用户”正在经历一场噩梦。

05. 隐形降质：一场信任契约的危机

目前三家主流 AI 处理成本与性能矛盾的方式各异：

• Claude/Gemini： 倾向于全局性的、公开的限制或质量调整。
• ChatGPT： 业内观察认为其更倾向于“定向降智”——不封号，但默默降低推理质量。

相比于“限制使用”，“隐形降质”是更深层的信任危机。 开发者支付了顶级订阅费用，期望得到标准性能，却在不知情的情况下得到了“缩水版”服务。这就像航空公司在订票时隐藏了座椅间距的缩减，虽然飞机还在飞，但体验已完全不同。

结语：我们需要 AI 时代的 APM

这份由 AI 自动生成的分析报告，末尾写着一句令人唏嘘的话：“请还我思考的能力。”

这件事给开发者社区留下了三点核心启示：

1. 质量不是永恒的： AI 产品的内在逻辑随时可能被静默替换。
2. 建立智能监控： 就像我们需要 APM 监控服务器一样，我们需要监控 AI 的“智能性能指标”（读写比、思考深度、懒惰系数）。
3. 透明度是新的门槛： AI 公司可以优化成本，但必须尊重用户的知情权。

AI 公司与用户之间需要一种新的信任契约：你可以调低我的座椅间距，但请务必告诉我。