這個「反人類」AI插件，專門讓你體驗DeepSeek宕機的感覺｜附安裝地址

昨晚開始 DeepSeek 崩了， 工程師奮戰(zhàn)12 小時后早上終于修復。

這次宕機引發(fā)網(wǎng)友一片哀嚎，因為對很多人來說，「生活已經(jīng)不能沒有 AI 了。」

這句話，越來越多的人說出口時，語氣已經(jīng)不像抱怨，更像陳述一個事實。寫作業(yè)問 AI，理思路問 AI，不知道吃什么也問 AI。

順滑、即時、永遠在線，我們已經(jīng)默認 AI 就應該如此。但從來如此，便對嗎？

官方宣傳語：你是否隱隱擔憂，自己或身邊的人正在：參與一場席卷所有人的技能大退化？遭受 LLM 誘發(fā)的 認知扭曲？把思考和情感，一并外包給 AI 自動補全？現(xiàn)在就把 SLOW LLM 裝進你的電腦，或者你在乎的人的電腦吧！ https://slowllm.lav.io/

一個名為 Sam Lavigne 的大學教授，最近發(fā)布并開源了一款名為「Slow LLM」的 AI 工具。

顧名思義，它做的事情十分「缺德」且專一：讓 Claude、ChatGPT、Grok 甚至 Gemini 的響應速度，變得極其、極其緩慢。

而整個過程里，AI 其實一直在正常工作。

一段被「劫持的代碼

Slow LLM 的原理，其實并不復雜。

瀏覽器每次從服務器拉取數(shù)據(jù)，都要經(jīng)過一個叫 Fetch 的 JavaScript 函數(shù)。你問 ChatGPT 一個問題，它的回答從 OpenAI 服務器出發(fā)、抵達你的頁面，中間就是靠這個函數(shù)完成傳輸?shù)摹?/p>

正常情況下，這個過程會很快。

Slow LLM 做的事情，是在你訪問 AI 聊天網(wǎng)站的時候，悄悄把這個函數(shù)替換掉。換成一個長得一樣、但會故意拖延的版本。數(shù)據(jù)其實已經(jīng)到了，只是被一點一點、極其緩慢地釋放給頁面。

這真不是一張靜止圖

所以你得到的那段漫長的等待，是真實的體驗，背后其實沒有任何技術(shù)故障。OpenAI 的服務器正常運轉(zhuǎn)，Claude 的推理沒有卡住，網(wǎng)絡也沒有問題。整件事只是 Lavigne 的幾行代碼在中間「掐著水管」。

考慮到易用性，Slow LLM 提供了兩種部署方式。第一種是安裝 Chrome 插件，只影響你自己的設備，隨時可以關(guān)掉。

APPSO 也實測過，裝上之后效果確實相當明顯，對話框里的文字一個字一個字往外蹦，有種等待網(wǎng)頁加載的那種煎熬。

第二種是走「企業(yè)版」路線，把家里路由器的 DNS 服務器改成 Lavigne 提供的自定義地址，整個網(wǎng)絡上的所有設備同時受影響，覆蓋 Claude、ChatGPT，DNS 版本還能順帶拖慢 Grok 和 Gemini。

Lavigne 已經(jīng)在 Github 上把代碼全部開源，自建 DNS 對有一點技術(shù)基礎的人來說并不困難。他自己還沒在「毫不知情的人」身上測試過，但說他在考慮。

「也許他們會憤怒地退出 LLM。」

Github 地址： https://github.com/antiboredom/slow-llm

看到這里，你一定滿頭問號： Lavigne 圖什么？要理解 Lavigne 的腦回路，先得知道他是什么人。

公開資料顯示，他目前是德克薩斯大學奧斯汀分校設計系的助理教授，此前在紐約大學和帕森斯設計學院都待過。他的研究和創(chuàng)作長期圍繞著互聯(lián)網(wǎng)數(shù)據(jù)、自動化與算法正義打轉(zhuǎn)。

Sam Lavigne

換句話說，他不是隨手搞了個惡作劇的黑客，他花了很多年在嚴肅地思考，計算系統(tǒng)是如何悄悄重塑人類行為的。

想要理解他的邏輯，我們還需要先搞懂硅谷產(chǎn)品經(jīng)理們最痛恨的一個詞：摩擦（Friction）。

在互聯(lián)網(wǎng)的語境里，「摩擦」是原罪。

一個多余的跳轉(zhuǎn)按鈕是摩擦，支付時需要輸入密碼是摩擦，甚至 AI 回復慢了兩秒，也是不可饒恕的摩擦。過去這十幾年，產(chǎn)品經(jīng)理的核心邏輯就是消除一切「摩擦」，提高轉(zhuǎn)化率高，提高體驗的絲滑度。

Lavigne 認為，LLM 把這個邏輯推到了一個讓人不安的極端。任何讓你感到困難或不適的認知勞動，現(xiàn)在都可以外包。寫郵件太費腦子？外包。不知道該不該道歉？外包。今天情緒低落找不到原因？也可以外包。

AI 正在把自己變成一個什么都能接的垃圾桶，接管一切你不想自己做的思考。這聽起來像是一件好事。效率提高了，煩惱變少了，輸出變多了。但人類最寶貴的獨立思考步驟卻在這個過程里悄悄消失了。

學鋼琴之所以值得，是因為它很難。一道卡住你三個小時的數(shù)學題之所以留下印象，是因為你在上面真實地掙扎過。

寫一封措辭困難的郵件，逼著你想清楚自己到底想說什么、對方會怎么理解——這個過程本身就是一種訓練，哪怕結(jié)果不完美。

Lavigne 觀察到，他的學生和朋友們已經(jīng)開始用 AI 處理那些本來可以靠自己完成的基本任務。寫郵件、整理思路、做簡單的決定。時間長了，他們開始忘記那些曾經(jīng)學會的東西。

「人們越依賴 LLM，這種去技能化就會越極端。」

于是他選擇了一個很樸素的對策：如果 AI 讓一切變得太順滑，那就把阻力還回去，哪怕只是讓你多等幾分鐘，讓你有機會想一想「這件事我能不能自己來」。

一個關(guān)于自我矛盾的誠實

如果你翻過 Lavigne 的履歷，就會發(fā)現(xiàn)他酷愛折騰互聯(lián)網(wǎng)那些理所當然的規(guī)則。

在 2021 年居家辦公的高峰期，無數(shù)人被無休止的視頻會議折磨得痛不欲生。當時，Lavigne 開發(fā)了一款神作——「Zoom Escaper」。

這個工具可以在你的 Zoom 音頻流里制造逼真的嬰兒哭聲、狂吠的狗、電鉆聲甚至糟糕的網(wǎng)絡回音。只要你開啟它，你的存在就會變得讓所有參會者難以忍受，從而名正言順地逃離會議。

https://zoomescaper.com/

他和他的搭檔甚至還做過一個叫「Slop Avoider 」的瀏覽器插件，功能是屏蔽掉 2022 年 11 月（ChatGPT 發(fā)布）之后的所有搜索結(jié)果，以此來躲避如今互聯(lián)網(wǎng)上泛濫的 AI 垃圾內(nèi)容。

但相比于此前這些項目，Slow LLM 還有一個有趣的細節(jié)。Lavigne 在開發(fā)這個項目的時候，用的是 Claude。寫了一部分代碼之后，他把 Slow LLM 部署上去，Claude 開始變得極其緩慢，他才被迫靠自己把項目做完。

是的，一個批評 AI 依賴的人，在做這件事的時候，自己也依賴了 AI。

這種處境其實很普遍，只是大多數(shù)人不會主動說出來。你可能會在刷完半小時短視頻之后發(fā)一條「短視頻真的上癮」，也可能會邊點外賣邊轉(zhuǎn)發(fā)「外賣毀了廚藝」的長文。

人對自己正在批判的東西產(chǎn)生依賴，幾乎是一種很難繞開的處境。因為你沒有辦法從一個完全外部的位置批判一個已經(jīng)滲透進日常的技術(shù)。

Lavigne 沒有試圖扮演一個清醒的局外人。

他坦白了自己用了 AI，然后被自己的工具逼著，獨立完成了項目的事實。這個過程本身，就是 Slow LLM 想制造的體驗：停下來，自己做，然后發(fā)現(xiàn)其實做得到。

不是徹底不用 AI，而是用之前，先等一等，想一想。片刻的停頓，才是 Slow LLM 真正的價值。

回顧歷史，每隔幾年，總會有一種新工具引發(fā)「人類正在變笨」的恐慌。

計算器讓人不會心算，GPS 讓人失去方向感，搜索引擎讓人記憶力退化。然后呢？天并沒有塌下來，人類活得好好的，只是把那部分腦力騰出來去處理別的事情了。

或許是由于「人類總會適應」，這句話被驗證了太多次，以至于每次有人提出類似擔憂，都會被當作杞人憂天。只是，面對大語言模型，這套屢試不爽的樂觀主義說辭，可能真的要打上一個大大的問號了。

哲學家 Andy Clark 和 David Chalmers 提出過「擴展心智理論」：人類的認知從來就不只在顱骨里，紙筆、日歷、手機導航，這些工具在功能上早已成為大腦的延伸。計算器和搜索引擎完美嵌入這個框架，因為它們是被動的——你問，它答，框定問題的人始終是你。

大語言模型的邏輯完全不同。它是主動的，給你的不只是一個答案，而是一套完整的、看起來無懈可擊的解題路徑。在你真正開始思考之前，AI 已經(jīng)完成了篩選、歸納和重構(gòu)，把一個打磨過的結(jié)論直接推到你眼前。

這套機制，恰好繞過了獨立思考得以發(fā)生的那個關(guān)鍵環(huán)節(jié)。長期處在這種模式里，人的獨立推理能力很難說不會因此退化。

這種判斷并非沒有數(shù)據(jù)支撐。

2025 年一項覆蓋 600 余名參與者的研究顯示，高頻 AI 使用者的批判性思維能力出現(xiàn)了顯著下滑，且呈自我強化態(tài)勢：用得越多，越依賴，越難獨立。年輕群體中，這一趨勢尤為突出。

更麻煩的是，這種侵蝕沒有明確的發(fā)生時刻。你不會在某一天突然意識到「我不會思考了」，只是不知從什么時候開始，遇到問題的第一反應從「讓我想想」變成了「問一下 AI」。

Slow LLM 改變不了什么。

Lavigne 自己心里也清楚，但它就像一顆硌腳的石子，突兀、刻意，同時也用一種近乎「沒事找事」的卡頓，把一個老生常談的問題重新擺到桌面上：

每一次把思考「外包」給 AI，我們是否正在被溫水煮青蛙般地，丟掉人類最寶貴、卻也最難被替代的思考能力？

當然，現(xiàn)實情況是，對于絕大多數(shù)人來說，我們永遠不會去思考這個問題。

因為 AI 實在太好用了，好用到質(zhì)疑它本身就顯得矯情。那些隱隱的不安還沒浮出水面，就已經(jīng)被 AI 下一個滿意的輸出結(jié)果淹沒了。

文｜已讀不回

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關(guān)鏈接）