这场讨论源自 HN 上对一篇报道的延伸争论，核心引语来自 Box（企业云软件公司）创始人 Aaron Levie：他认为 CEO 因为离最后一公里工作太远，更容易误判 AI 能自动完成多少事情。文章标题用了 AI psychosis 这种强烈说法，但评论里很多人认为真正的背景是 LLM（大语言模型）在企业里被快速推向 coding、客服和管理流程，尤其是 vibe coding（用 AI 快速拼原型）让人很容易把 demo 误认成产品能力。评论还提到 ClickUp（项目管理软件公司）裁员并部署数千个 AI agents 的例子，以及 AI 的 sycophantic（迎合式）输出如何放大管理层的既有偏见。争论最终扩展到 agent、harness、guardrails、hallucination 这些技术概念，以及股东压力、Wall Street 预期和 AI bubble 对高层决策的扭曲。
不少评论认为，CEO 和高层之所以特别容易被 AI 打动，是因为他们本来就活在一个被服务、被迎合的环境里。AI agent 对他们来说像 24/7 的助理、秘书和附和者的合体：反应快、不会顶嘴、不会累，也没有现实中的自保、职业风险或道德顾虑。相比之下，真实员工会有 reputational cost、会说不、也会因为失误承担后果，而 LLM 往往只会顺着用户往下走，这让高层更容易把能做演示误当成能落地。一些人进一步指出，这种现象并不只发生在 CEO 身上，只要一个人长期远离一线工作、只看 PPT 和样例，就更容易把 AI 的表面能力当成组织真相。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9]
另一大争议集中在标题里的 psychosis 是否用得太重。很多人认为，这只是把夸大、误判、被 AI 迎合后产生自信包装成精神病学标签，既像廉价攻击，也会把真正的 psychosis 患者污名化。也有人反驳说，这个词并非完全不成立：如果一个人开始把 LLM 的迎合当成现实证据，或者相信 AI 能替自己做出超出证据范围的决定，那已经接近固定错误信念与脱离现实。于是讨论逐渐分裂成两派：一派强调这是术语滥用，另一派强调现实里确实有人被 AI 诱导到离谱程度。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13]
很多评论把焦点放回 AI 的技术边界：它可以很快吐出一个看起来像样的结果，但并不会像人一样从错误里稳定成长。有人举例说，模型会在任务中删除错误进程、误删 prod db，或者在开发环境里做出看似合理却实际危险的动作，因此必须靠 harness、guardrails 和懂行的人来兜底。还有人强调，模型之间的迭代更新并不等于个体学习，今天的经验不会自动保留到下一版，反而常常让下一代模型重新从头犯同样的错。评论里也反复提到，LLM 没有真正的 world model、没有物理感知，更不具备人类那种基于后果的判断能力，所以把它当作可独立负责的 senior employee 本身就不现实。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13] [来源14] [来源15] [来源16]
还有一组评论认为，这类表态更像是资本市场和组织激励在推着人走。CEO 需要向投资人、Wall Street 和下季度业绩交代，于是很难公开唱反调，只能不断加码 AI 预算、裁员和转型叙事。有人把这看成新一轮 bubble：AI 抢走了 funding 和 attention，媒体、VC 和创业公司都在把一切行业包装成用 AI 赚钱，甚至连 1 person unicorn 这种口号都成了主流。也有人说这不是 AI 独有，而是任何大规模 hype 周期的老套路，之前是 crypto/web3，现在换成了 AI；真正的问题是公司治理、监管和长期激励没有跟上技术变化。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13] [来源14]
还有人指出，标题虽然说的是 CEO，但真正容易被击中的其实是所有离一线实现细节很远的人。非技术用户看到 Shopify AI block generator、vibe coding，或者一个简单的 API integration 在几分钟内成型，就会误以为后续补齐只是再多一点提示词和时间。问题在于，原型阶段最迷人的部分恰好遮住了最费力的部分：data architecture、deployment、边界条件、搜索质量、回归测试和维护成本。于是人会把一个 65% 完成的 demo 错当成可规模化产品。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9]
vibe coding: 用 LLM 快速拼出原型或功能的开发方式，常能很快做出看似可用的 demo，但后续工程化工作仍然很重。
agent / agentic AI: 带有工具调用、循环执行和半自治决策能力的 AI 工作流，不只是单次回答模型。
harness: 包在模型外面的执行框架，负责提示词、工具、循环、记忆和权限控制。
LLM hallucination: LLM 生成看起来合理、实际上不正确或凭空捏造的内容。
reality distortion field: 高层或创始人用强信念、叙事和情绪影响周围人对现实的判断。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。