文章介绍“二阶思维”这一心智模型，用于审视日常使用 AI 的长期影响。一阶思维只问结果好坏，二阶思维追问“然后会怎样”。文章引用 MIT Media Lab、微软研究院、卡内基梅隆、哈佛等研究，指出 AI 使用对技能、判断力、习惯、数据和学习的五个方面的二阶效应：如认知卸载导致批判性思维下降、过度信任削弱核查习惯、隐私分享链接的长期风险，以及结构化使用（如 AI 导师逐步引导）反而能加倍学习效果。核心结论是：效应取决于使用方式而非工具本身，刻意、结构化的使用能积累能力，而无引导的依赖则会侵蚀思考力。
文章从《经济学人》报道的一项针对26811名中国中学生的研究切入：使用生成式AI后作业成绩提升18%、用时缩短30%，但六个月后闭卷考试成绩下降约20%。作者结合自身经历——从不会写代码到借助AI开发出上架App Store的应用——提出“句号型AI”与“冒号型AI”的区分。AI既可以替人完成任务让思考终止，也可以成为进入陌生领域的门票，引发持续追问。作者认为能力外包与能力扩张可以同时发生，真正危险的是认知地图停止生长，关键在于我们如何使用AI。
文章探讨了软件开发中的“认知投降”概念，即工程师无脑接受 AI 输出而不进行独立思考。这与有益的“认知卸载”形成对比。作者引用实验指出，73% 的人会盲目接受错误的 AI 答案。这种现象会导致代码质量下降、技术债累积以及对系统理解的缺失。文章建议工程师应通过建立预期等启发式方法，在利用 AI 效率的同时保持独立判断，避免陷入理解赤字。
