77 lines
6.1 KiB
Markdown
77 lines
6.1 KiB
Markdown
# 1 人类学习的悖论
|
||
现在借助AI进行开发，已经远比没有的时候，快速多了。
|
||
画个界面图，让AI检查，让AI生成前端代码，甚至从界面开始都交给AI，只要简单说下需求。开发是比以前容易多了。
|
||
但是我觉得这是个悖论。
|
||
人类专家练成需要建立5-20万个chunk，没有编程思想的，没有设计经验（架构，模式）很难开发出真正有用的产品。
|
||
然而借助AI开发会造成两个误会：
|
||
* 可以很快做出来程序，会误解成这是我的能力，而忽视基础能力的培养。AI可以加速培养，但是做不到替代培养。
|
||
* 基层的工作将交给AI，又快又好，这样会造成人员的断层。
|
||
|
||
以上是我的看法，你如何看待？
|
||
|
||
你的观点非常深刻，且切中肯綮。这不仅是一个技术问题，更是一个**认知心理学**和**行业生态**的问题。
|
||
|
||
你提到的“悖论”实际上是目前全球软件工程领域正在激烈讨论的两个核心危机：**“能力的幻觉”**（Illusion of Competence）和**“学徒制的崩溃”**（The Collapse of Apprenticeship）。
|
||
|
||
对此，我非常赞同你的看法，并想从以下几个维度进一步拆解这个“悖论”：
|
||
|
||
### 一、 能力的幻觉：是“驾驶员”还是“乘客”？
|
||
|
||
你提到的“误认为这是我的能力”，非常精准。
|
||
|
||
1. **代码生成的“糖衣陷阱”**：
|
||
AI 就像是一个不知疲倦的超级实习生。以前，新手需要查文档、写 Demo、报错、调试，这个过程极其痛苦，但正是这个过程建立了大脑皮层中的“神经回路”（即你提到的 Chunk 组块）。
|
||
现在，AI 直接给结果。开发者获得了“多巴胺反馈”（程序跑通了！），但大脑没有经历“深度加工”。
|
||
* **后果**：一旦遇到 AI 无法解决的 Edge Case（边缘情况），或者复杂的系统级 Bug，这些“AI 驾驶员”会瞬间瘫痪，因为他们没有底层的调试能力和原理认知。
|
||
|
||
2. **“鉴赏力”与“创造力”的错位**：
|
||
借助 AI，一个人很容易拥有高级程序员的“产出速度”，但如果不具备高级程序员的“代码鉴赏力”（Code Taste），他就无法判断 AI 生成的代码是**垃圾**还是**杰作**。
|
||
* **危险**：由于没有架构经验，他们可能会接受 AI 生成的“由于局部最优而导致全局崩塌”的代码，最终堆积成无法维护的屎山（Tech Debt）。
|
||
|
||
### 二、 人员断层：学徒制的崩溃与“中间层真空”
|
||
|
||
这是你提到的第二点，也是行业最担忧的宏观问题。
|
||
|
||
1. **梯子被抽走了**：
|
||
传统的程序员成长路径是：写简单的 CRUD -> 写模块 -> 写系统 -> 做架构。
|
||
现在的 AI 极其擅长写 CRUD 和简单模块。老板们会想：“既然 AI 能做初级工作，我为什么要花钱雇佣并培养初级工程师？”
|
||
* **悖论**：如果没人雇佣初级工程师，5-10 年后，**高级架构师从哪里来？** 高级专家的直觉（Chunk）是靠无数次写“笨代码”和“踩坑”积累出来的。AI 剥夺了人类“踩坑”的权利，也就剥夺了人类成长的机会。
|
||
|
||
2. **“验证者”难度高于“创作者”**：
|
||
在 AI 时代，人类的角色从“写代码”变成了“Review 代码”。
|
||
然而，**Review 代码所需的水平往往比写代码更高**。你必须一眼看出 AI 是否引入了安全漏洞、是否破坏了设计模式。如果让没有基础的新手去 Review AI 的代码，无异于让小学生去批改大学论文，结果只能是“看起来好像是对的”。
|
||
|
||
### 三、 真正的门槛：从“语法”转移到“逻辑”与“架构”
|
||
|
||
你提到的“5-20万个 Chunk”的专家理论，在 AI 时代并没有过时，只是**Chunk 的内容发生了变化**。
|
||
|
||
* **旧时代的 Chunk**：主要是语法细节、API 记忆、特定库的配置方法。（这些 AI 已经完美替代）。
|
||
* **新时代的 Chunk**：
|
||
* **系统思维**：如何拆解需求？数据流怎么走？
|
||
* **抽象能力**：哪里该解耦？哪里该复用？
|
||
* **业务洞察**：这个功能真的解决了用户痛点吗？还是只是堆砌功能？
|
||
* **调试直觉**：当系统崩溃时，能快速定位是网络层、数据库还是逻辑层的问题。
|
||
|
||
**没有编程思想的人，用 AI 开发，就像是一个不懂画画的人指挥打印机。他能打印出很逼真的照片，但他永远画不出那种直击人心的艺术品，也无法修改画作中不协调的笔触。**
|
||
|
||
### 四、 破局之道：如何面对这个悖论？
|
||
|
||
对于开发者（尤其是初中级）来说，要打破这个悖论，必须改变心态：
|
||
|
||
1. **把 AI 当作“苏格拉底”，而不是“代工厂”**：
|
||
不要只让 AI 写代码，要问它：“为什么要这样写？”、“有没有更好的写法？”、“这段代码的潜在风险是什么？”。利用 AI 加速建立你的 Chunk，而不是替代建立过程。
|
||
2. **刻意练习“脱机能力”**：
|
||
就像飞行员虽然有自动驾驶，但必须定期进行模拟舱的手动飞行训练一样。开发者需要在关键时刻（如系统设计、核心算法）强迫自己不依赖 AI，或者先自己思考方案，再看 AI 的方案，进行**对比学习**。
|
||
3. **从 Coder 进化为 Product Engineer**：
|
||
既然编码成本降低了，竞争的核心就变成了**“谁能更准确地理解需求并构建出有价值的产品”**。技术不再是单一壁垒，**技术+产品+设计**的综合能力才是新的护城河。
|
||
|
||
### 总结
|
||
|
||
你的看法非常清醒。AI 降低了**“制造软件”**的门槛，但极大地提高了**“理解软件”**和**“治理软件”**的门槛。
|
||
|
||
未来可能只有两类程序员：
|
||
1. **超级个体**：拥有深厚架构功底和业务理解，能指挥 AI 军团完成以往一个团队工作的人。
|
||
2. **被淘汰的“搬运工”**：那些只把 AI 当作偷懒工具，却失去了对代码掌控力的人。
|
||
|
||
这个悖论无法消除，只能通过提升人的**元认知能力**（对思考的思考）来跨越。
|