AI 代写代码盛行，程序员还需苦学吗？

他坦言入行三载，借助 Cursor、Copilot 等 AI 利器已逾一年。如今编码神速，功能交付效率更是往昔双倍。

然而某次程序突发诡异故障，AI 连出七策，竟无一奏效。

他呆坐屏前，一时竟束手无策。

他感慨道："那一刻我方惊觉，这三年来 AI 代劳过多，我竟不知那些代码背后究竟发生了什么。甚至连从何寻解都茫然无知。"

此般经历，着实值得深究一番。

我并非要全盘否定 AI 工具之效。

借助 AI 编程，新手须在须臾间，便能构建出模样的成果。

往昔或许需磕绊摸索数月、历经无数陷阱，方得勉强运行之版本。如今何如？只需向 AI 阐明诉求，它便帮你搭建框架、梳理逻辑、填充代码，经你审阅，即刻运行。

论及效率，确是飞速提升。

Google 工程负责人 Addy Osmani 曾引数据指出，获 AI 加持，初学者完成任务前 70% 的速度令人咋舌。

但隐患恰在那剩余 30%。

Addy Osmani 所言那 30%，正是 AI 束手无策的边界特例。

若遇 AI 无法作答之难题，你当如何？

昔日程序员逢此境况，必逛论坛、查文档、甚至被逼通读全书。待问题解决，成就感爆棚，顺便将相关知识串联贯通。此皆成长之助推剂。

此即"事上练人"，亦即王阳明所倡之事上磨练。

可如今呢？AI 揽去大半活计。新手身处一线，径直略过那些促人成长之环节。

代码由 AI 撰写。错误由 AI 修正。你看似全程参与，实则仿佛未曾真正经历。

此非虚言，数据亦能佐证。

2025 年一项关于 AI 编程的调研显示，愈多初级程序员在面对真正复杂难题时，会陷入所谓"边际收益递减"困境——前路越顺，越不知后坎如何跨越。

Karpathy，那位曾提"Vibe Coding"，后又直言"不能仅靠 Vibe"之人。

OpenAI 创始科学家，特斯拉前 AI 总监，现任职于 Anthropic。

2025 年，他在 YC AI 创业学校发表演讲，阐述其对 AI 编程之见解。

他言：自然语言现已成为新编程语言。英语即是代码。你与 AI 对话，便是在编写程序。

但他同时提及的另一句话，我以为更为关键：

"若欲投身此行业，掌握三种范式皆为上策——传统代码、神经网络、Prompt，因三者各有优劣。你必须能在此三种模式间流畅切换。"

他亲述其 AI 编程之道："我总采用小步增量，确保一切可控。"

非放手任 AI 狂奔，而是始终洞悉 происходящее。

此乃其与新手之异，亦是我辈当学之处。

并非主张"少用 AI、多手写"，那太过迂腐。

我想强调的是另一层面：会用 AI，与懂 AI 所为，实乃两码事。

犹如学生解题，公式可套，但若只会生搬硬套，一旦题型稍变似是而非，便只能挠头："公式本如此写，毫无道理啊。"

原理未明，工具再熟，逢公式失效之时，便彻底卡壳。

编程亦是同理。

AI 可助你生成代码，然生成之代码正确否？契合场景否？有无安全隐患？可否维护？

诸般问题，皆需你来裁定。

而裁定之前提，在于你须懂行。

往昔无 AI，你在工作中踩坑，被迫而学。

如今有了 AI，工作中鲜有坑陷（大多时候），但你可主动造坑。

此即我认为 AI 时代学习方式之最大变革：场景由被动转为主动。

你可让 AI 撰写一段代码，随即追问：此段代码逻辑何如？运用了何种设计思路？若我想改动某处，将波及何方？

你可故意写错一段代码，令 AI 协助排查，而后自猜答案，再行对照。

你可要求 AI 用最简练语言，向完全不懂之人解释某一概念——此即费曼学习法，以解释倒逼真知。

AI 乃是随叫随到之陪练，但练与否、如何练，全由你定夺。

有句话，置于此处甚为贴切："无论何时代，学习绝不能止步于校园，社会才是更锻炼人之所。"

只不过，"社会"二字，在 2026 年需重新诠释。

往昔社会教你的，是真实的挫败与磨难。

如今你需主动为自己营造此般环境。

AI 之出现，非令学习变得无足轻重，而是让那些"通晓原理"者，与"只会操作"者间的鸿沟，变得较以往更深、更显。

行得快者，乃是那些知晓"为何"之人。

而非仅知"如何"之辈。

共勉之。