北京
智能工具正在改变技能形成的路径
OpenAI首席执行官Sam Altman曾描述过一种未来：智能会像电或水一样成为按表计费的公用事业，人们按需购买并使用。这个判断放在编程领域，正在引发一个更具体的问题：当代码生成变得足够便捷，长期技能形成所必需的持续摩擦会不会被一并取消。
此前一篇讨论“智能体编码是陷阱”的文章提出过“熟练编排者悖论”：管理AI编码智能体所需的能力，恰恰可能因为持续使用这些智能体而被削弱。经验本身是最大的分水岭，开发者资历越深，技能萎缩的可能性越低，因为多年积累的知识已经有机会固化下来。
当前从这些模型中获益最多的人群，几乎都是在AI工具出现之前就拥有多年甚至数十年经验的从业者。行业老兵会给出同一个判断：这些知识的根基来自亲手做事。
新手被要求用专家级能力驾驭工具
在大语言模型兴起前后入行的开发者，没有长期积累的优势，却被引导、有时甚至被要求借助编码助手加速产出。而这些工具要真正用得有效、用得负责，本身就需要一段专业经验的支撑。
这个群体因此被放在一个尴尬的位置：新手需要专家级技能，才能驾驭工具并跟上行业节奏。行业里同时传递着互相矛盾的信号。一方面反复强调，不用AI工具就会被使用AI工具的同行甩在后面，“AI不会取代你，使用AI的人会取代你”这句话从2023年起不断被重复。
另一方面又说，想从这些模型中获得最佳结果，必须运用更高阶的思维。“氛围编程”走不通，要“向上移动栈层”，写出稳健的规格说明，用良好的设计模式做架构，并且始终认真审查输出，绝不交付自己不理解的东西。
工具要求专业判断，却又绕开培养专业判断的过程
这些能力来自长期经历摩擦和挑战后形成的“良好品味”。于是出现另一个情境悖论：如果工具要求专业能力，而工具本身又会主动绕开培养专业能力所需的摩擦，那么一个人要成为专家、从而有效使用这些工具，路径究竟在哪里。
一种期待是，这些模型用于代码生成后会加速学习。初级开发者可以借助“个人AI导师”，带着与行业老兵同等的沉稳和自信工作。语法知识的重要性持续下降，任何知识或理解上的空白都由AI工具填补。代码更深层的运行机制被抽象隐藏，因为模型替开发者处理了这些部分。
当信心不再来自对代码机制的理解，而来自工具随时补位的能力，专业判断的根基就可能被悄悄抽空。资深者与新手之间的分化，不会因为工具普及而自动缩小，反而可能在“会用”与“真懂”之间越拉越大。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
