AI 编程会阻碍专业能力的形成

AI 编程工具正在开发者群体中制造一种奇特的悖论：那些被设计来降低编程门槛的工具，反而需要使用者具备相当的专业经验才能被有效驾驭。资深开发者因此获益最多，而初级开发者却陷入「需要专家级技能才能用好工具」的尴尬局面。

经验悖论：AI 时代的能力鸿沟

OpenAI 首席执行官 Sam Altman 曾描绘过一种未来：「我们将看到智能像水电一样成为公用事业，人们按用量购买，随意使用」。在这一愿景逐步落地的过程中，编程领域出现了被作者称为「技能协调者悖论」的现象——管理 AI 编程代理所需的能力，恰恰是长期依赖这些代理之后最容易被削弱的。

一个不争的事实是：当前从 AI 编程工具中获益最多的，几乎都是在 AI 工具出现之前就已经积累了数年乃至数十年经验的开发者。行业老兵们一致认同，真正的判断力来自亲自动手实践中的反复打磨。而近年才进入行业的初级开发者，并不具备这种时间沉淀带来的优势，却被要求（甚至被强制）使用需要深厚经验才能驾驭的编码助手，由此形成了显著的代际能力差。

JetBrains 研究：「能力幻觉」与「负面专业知识」

开发者工具领域的知名厂商 JetBrains 曾针对初级与新手开发者开展过一项专项研究，通过观察他们在实时编程会话中的行为，并测试其在不同程度 AI 辅助下的学习效果，得出了颇为反直觉的结论。研究人员原本预期参与者会像拥有「私人导师」一样使用 GenAI 工具，但数据呈现的结果恰好相反。

研究的关键发现：

• 重度依赖 AI 的参与者：「常常跳过关键的规划阶段，因为他们没有自己推理到这个阶段，Copilot 已经替他们做了」，最终收获的是「能力幻觉」而非真正的理解。
• 克制使用 AI 的参与者：成功得益于发展出了「负面专业知识」——即「忽略不正确或无益的 GenAI 建议的能力」——从而能够专注于编写自己本就想写的代码。
• 表现最佳的新手：恰恰是大幅减少甚至完全忽略 AI 编码辅助的那批人；他们绕过了 LLM 带来的「学习捷径」，保住了真正的解题能力。

研究中最具警示意义的案例之一：一位原本具备良好规划习惯的参与者，突然「跳过了关键的解题规划阶段，直接进入编码，被 Copilot 诱惑快速产出代码」，结果引入了错误，最终又不得不依赖 LLM 来修复 LLM 自己造成的错误。

「反向学习」陷阱

文章总结出 LLM 时代特有的「反向学习」模式：由于 LLM 高度自我导向，使用者经验越丰富，越能从中获益——他们可以准确引导、审计和验证模型输出；而知识越少的人，反而越容易被误导。在探索全新领域时，初级开发者往往不知道自己不知道什么，而 LLM 灵活顺从的特性会让人产生一种「懂得比实际更多」的错觉。

这种机制被作者形容为「一个永远指向北方的罗盘，无论你把北方指在哪里」。LLM 对提示的形状极其敏感，当你不熟悉某个领域时，往往连该问什么问题都不知道，自然也就无法引导模型给出最优答案。

自相矛盾的行业信号

文章还指出，业界当前正同时向开发者发出两条相互冲突的信号。一方面反复强调「不使用 AI 工具就会被同行甩开」，「AI 不会取代你，但用 AI 的人会」之类的口号自 2023 年起便不断重复；另一方面又强调，要从模型中获得「最佳结果」就必须具备高阶思维，需要写好规范、设计稳健的架构、严格审查输出，避免发布自己都不理解的代码。

而完成这一切所需的能力——良好的品味、对细节的敏感——恰恰只能通过长期经历的摩擦与挑战来培养。当工具既要求专业能力、又绕开了培养这种能力所需的摩擦时，初学者通往专家的道路就被堵住了。这正是当下初级开发者群体所处的真实困境：工具在加速他们的产出，却可能永远不让他们成为真正的专家。