AI 写得比你好,那你还学个屁?
作者：微信文章—— 一个程序员在 Copilot 面前的认知崩塌与自我修正
标题可能有点哗众取宠，说明我正在变成我最讨厌的那种人：标题党。但这确实是我最近越来越真切体会到的问题。从写代码、写文档，到写邮件、做架构，AI 甚至写得比我还快、还好。那我还有必要学吗？
生成式 AI 的疯狂进化
过去一两年，生成式 AI 以惊人的速度发展。从 ChatGPT 到 DeepSeek，从 Midjourney、Stable Diffusion 这种文生图的模型到 Sora 这种生成视频的模型，从机械的文本转语音到能模拟语气情绪的神经网络语音合成，从以前替换人脸图片到直接替换视频中人脸，甚至让郭德纲讲英语还能对口型，数字人加上声纹复制，以后视频新闻都不一定能相信了。我们亲眼见证了 AI 如何从科幻电影中走进了每个人的日常工作和生活中，AI 已经不再是一个未来主义的科技幻想，变成一个能干活、能说话、能写字、能画图的“超级工具”。
AI 越来越强，我们越来越懒？
作为一个 IT 从业者，经常看到各种媒体渲染的一些耸人听闻的标题，比如“AI 将取代程序员”等等，我一开始是嗤之以鼻的。确实 AI 带来了巨大的变革，但就在这种令人兴奋的变革背后，随着我对 AI 的不断了解和学习，我也会思考一个问题：当 AI 替我们完成越来越多任务时，我们是否也正在失去学习的动力、思考的习惯，甚至逐渐丧失了某些能力？
AI 的历史可以追溯到上世纪了。AI 的发展经历了很多波折，之前往往以“机器学习”、“深度学习”等名词出现，但真正让 AI 走进大众视野的，还是近两年生成式 AI 的爆发。其实在这波 AI 热潮之前，我也学习过一些 AI 相关的知识，比如微软 Azure 很多年前就有 Cognitive Services，提供了图像识别、语音识别等 API，也属于 AI 的一部分。记得当时我还在一个 meetup 上演示过如何用 Azure 的图像识别 API 来识别狗狗的分类，算是最基本的AI 应用。微软之前还有一个专门用于聊天机器人开发的 Bot Framework，有一个用来识别意图的 LUIS 服务，能识别用户输入的意图和实体。但那时候我感觉最大的问题是 LUIS 这种服务的能力很有限，需要自己手动添加意图和实体，以及训练语料，训练模型的过程也比较繁琐。还有一个很大的问题是 LUIS 无法处理复杂的上下文，无法理解多轮对话的语境，这限制了它的应用场景。当时也就是只能做一些简单的问答机器人。但当 ChatGPT 出现后，这一切都发生了质的变化。我最大的感受就是，ChatGPT 可以记住上下文了！这让它可以处理多轮对话，而且对话的输出也更加自然和流畅，看起来真的是更智能了。
最初使用 ChatGPT 时，我们会尝试各种提示词技巧：如何设置角色、如何限制风格、如何让输出更符合预期。还因此专门诞生了一个名词“提示词工程”（Prompt Engineering），很多人开始研究如何写出更好的提示词来引导 AI 生成更符合预期的内容，因此还产生了很多提示词模板和技巧分享。微软也推出了一个很成功的 AI 应用 GitHub Copilot，最早用 Copilot 写代码，主要是完成一些代码补全或生成简单函数，用户仍然要自己判断、组合、执行。那时候我还是认为 AI 只是一个辅助工具，说能代替程序员的工作还为时尚早。
但 AI 大模型本身的能力和周边应用的发展非常快，GitHub Copilot 除了基本的 Ask Mode 之外，推出了 Edit Mode，可以直接编辑代码文件。最近更是推出了更强大的 Agent Mode，它已经能读取整个代码库，理解上下文，执行 CLI 命令，修改文件、生成测试，甚至自动更新 README。你只需给出目标，它就能像一位高效的开发搭档，自动帮你完成大部分开发流程。这已经不是“帮你做”，而是“替你做”了。
自从 GitHub Copilot 发布后，我就一直在用它。最近为了验证所谓的 Vibe Coding，也就是“凭感觉写代码”，我开始使用 Agent Mode，只对话，不写代码，随着使用的深入，体验非常震撼。前几天我想做一个包括前后端和 Azure 部署的 CI/CD pipeline，以前这种工作我可能要反复查文档、踩坑、测试、修改，起码需要几天。而现在我只用描述目标，Copilot 就能生成基本的 YAML 配置、脚本、说明文档，充分考虑了 CI/CD 的最佳实践，整个过程只花了几个小时。中间错误还是有的，比如有些 Azure 资源的权限配置不对，导致部署失败，但 Copilot 能根据错误日志自动尝试修复。整个过程真的很流畅。包括整个项目的需求开发，基本上我没有写一行代码，程序就能跑起来了。
这不是辅助，这是“碾压”。当然这只是一个小的 demo 项目，真正复杂的项目可能还需要更多的调整和优化，特别是涉及到云环境各种配置和权限管理等，AI 未必能在缺少上下文和相关权限的情况下完全自动化，但这已经足以证明 AI 在软件开发领域的巨大潜力。
那我们还学个啥？
正因为这种效率极高、质量尚可的输出，我们很容易掉进另一个陷阱：既然 AI 做得比我好，那我还有必要学吗？
Git 命令记不住？问 AI； 文档写不好？让 AI 润色； 邮件写完不放心？让 AI 检查语法和格式； 我连代码都不想自己写了，直接让 AI 来生成； 我甚至发现，AI 写出来的需求说明、架构草图，往往也比我写得更清晰、更专业。
用得越多，越觉得：不是不想学，而是觉得学了也没啥用。反正学得再好，也比不过 AI。AI 总能比我做的更快、更标准。
三体里也有类似的情节，三体人用智子封锁了人类的科技发展，让人类再也无法突破。现在的 AI 就有点像这个智子，既然我无论怎么努力都写不过它，那还有学习的动力吗？直接用 AI 干完活就行了。比如一个工作做到最好是 100 分，可能 AI 可以轻易达到 80 分，而自己努力学习可能也就只能达到 70分，那大部分人可能会直接选择 AI 来完成工作，这样平均工作水平可能是提高了，但大部分人的能力就被封死了，因为可能已经丧失了继续努力的意愿。
群体退化：最可怕的不是被替代，是不想进步了
这种现象并不只发生在开发者身上。据说现在越来越多学生（对我就是那个学生）用 AI 写作文做作业，初看是提高效率，但长期下去，写作能力反而越来越差；越来越多内容创作者用 AI 写稿，但输出的内容却越来越同质化、空洞、没有个性。我相信大家都看到过那些 AI 生成的文章，一股浓浓的 ChatGPT 味道，味同嚼蜡，更别说有些 AI 内容甚至是七拼八凑的低质量信息。有些人搞什么矩阵，就是注册一堆账户，然后用 AI 生成一大堆垃圾内容分发到各个平台上以赚取流量，真是让人感到恶心。现在连知乎这种平台上都会因为某些内容包含 AI 生成的成分而被折叠或删除。可见 AI 已经开始影响到内容创作的质量。你说它不好吧，它写的东西还能过得去；你说它好吧，确实有些内容 AI 味太浓，缺乏人类的思考和情感，没有让人看下去的欲望。
不知道大家有没有用过 Cherry Studio，这是一个可以对接各种 AI 模型的壳，里面也附带了一些现成的提示词。看一个比较典型的：
再看一个：
这些“爆款提示词”看似很有效，实则让内容日趋模板化、无脑化、傻X化。AI 生成的内容越来越像工业流水线，而非人类真实的情感表达。
如果 AI 开始替我们思考，这才是危险所在。当大多数人把任务交给 AI 后再不愿意深入思考，人类整体的创新力会退化；当全世界都用 AI 写文章、写代码、写报告，那高质量的、真正由人思考后产出的内容将变得稀缺。
而讽刺的是，这些 AI 模型本身是基于人类过去几十年积累的优质内容训练而来的。但随着 AI 生成的内容越来越多，以后连训练素材都是 AI 生成的，那AI 的能力也将停滞甚至倒退。看看现在互联网上的内容，有些东西真是不堪入目，各种缩写、网络用语、甚至是一些虚假信息和谣言，AI 模型如果依赖这些内容进行训练，那只能是垃圾进垃圾出，未来 AI 生成的内容质量只会越来越差。
你不用 AI，你落后；你用 AI，你退化？
这是最让人纠结的地方。
在职场上，如果不用 AI，提高不了效率和产出，可能被认为“效率低”； 但如果完全依赖 AI，未来可能将陷入“无能”的困境，AI 可以轻易替代失去思考能力的人。
一个很常见的 AI 应用场景就是，对于一般的跟自己关系不太大的会议，没参会的用户可能都不会直接去看会议录像了，因为 AI 可以自动生成会议纪要。这也不能说不好，但这样一来，何必再花时间看会议录像呢？邮件也是，写邮件用 AI 来润色，回邮件也用 AI 来生成回复，你用 AI 扩写，我用 AI 总结，全是 AI 对 AI，属于魔法对轰了，人类反而成了摆设。
尤其是对我们这种非英语母语用户，AI 翻译、润色、改写已经变成日常操作。但用久了，你会发现自己越来越依赖它，我自己就是，目前好像越来越不会写，也越来越不敢自己写了，写了也得先让 AI 润色下，这挺可怕的其实。除非是有意识的去比较 AI 的输出和自己的写作，否则很容易就会陷入一种“反正我写的都不如 AI 好”的误区，我觉得大部分人可能不太会仔细去研究 AI 的用词，都是直接复制粘贴。那么既可以说 AI 放大了我们的能力，也可以说 AI 封锁了我们的成长路径，关键取决于我们如何使用它。
另一个方面，对于母语者来说，其实是可以很容易分辨出 AI 生成的内容和人类写的内容的。我自己也用 AI 来写 LinkedIn 帖子，但我作为非英语母语者都能发现一股 AI 味。现在我就只用来校对一些语法和拼写错误，或者润色一下表达方式。我还是想让文字保留一些自己的风格和个性。但说归说，其实这个度也不太好把握。
这就有点纠结了，不用吧，效率低；用吧，又会变懒，甚至退化。我觉得我永远也学不会 bash 了，因为我已经习惯直接让 AI 来写脚本了。
怎么用 AI，又不被废掉？
我们必须接受一个现实：AI 是不可逆的，它不会慢下来，也不会停止。有些人可能对 AI 有抵抗情绪，我周围真的有听到 AI 就会 panic attack 的。但这个已经是大势所趋，技术的发展不可能因为个人的意志而停止。作为普通搬砖工，我们能做的，是主动适应，而不是拒绝或被动依赖。
以后职业的发展，可能不会看单纯看“你能做什么”，而是变成看“你能用 AI 做什么”。有一拨绝顶聪明的人去研究 AI 的原理、算法和模型架构，中间一拨人使用 AI 来完成各种任务，而不会用 AI 的人……就继续不用呗。我倒不觉得不用 AI 就会被淘汰，反正很多工作像水电工这种是不需要 AI 的。医生、律师等行业可能会用 AI 来辅助，但核心的专业判断和人际沟通仍然需要人来完成。谁敢只用 AI 来诊断病人？
能够用 AI 完成的某些工作，可能会被 AI 代替，比如初级的代码编写、文档撰写、数据分析等。但这并不意味着我们就不需要学习了。拿 software engineering 来说，纯代码编写只是其中很小的一部分，那我们就得考虑我们的技能是否太单一，如果作为程序员，只会编写简单的代码模块，那就很有可能被取代。因此还是得继续学习，拓宽技能面，不仅要会写代码，还要会一些软性技能，比如跟客户沟通（扯皮）、跟团队协作（扯皮）、需求分析（扯皮）、架构设计（扯皮）等。至于写代码，那就可以扔给 AI 来完成了。
但对于新人来讲，其实这是一个非常好的机会。只要想学，AI 可以很耐心的帮助任何人学习，从基础知识到高级技能。这其实相当于把起跑线拉平了，学东西不需要再去上大学，AI 甚至教的比大学老师还好。最早我们学编程靠看书，互联网普及后有各种在线教程、博客和视频，现在有了 AI，不止是学编程，学任何东西都可以获得几乎无限的资源，AI 还可以根据用户的需求和水平提供个性化的学习计划和指导。只要你有学习的意愿和好奇心，AI 可以成为你最好的学习伙伴。
相对于 AI 能够完成的任务来说，以后我们可能更需要一些 AI 无法轻易替代的能力，比如：
创造力：AI 可以生成内容，但真正的创造力来自于人类的独特视角和经验。我觉得以后就是拼创意的时代了，因为 AI 只能基于已有的知识和模式进行组合，而真正的创新往往需要打破常规、跨界思考。 批判性思维：AI 可以提供信息，但人类需要具备分析和评估信息的能力。AI 有时候会胡说八道，我们需要有能力判断哪些是可信的，哪些是需要进一步验证的。 人际交往能力：AI 目前还无法真正理解人类的情感，也无法代替人类去建立人际关系，而这些在许多职业中很重要。AI 当个机器人客服还行，但如果是需要同理心、情感交流的工作，AI 还是不行的。比如心理咨询师、社工等职业，AI 可能只能作为辅助工具，而不能完全替代人类。
具体到我的职业 —— 用 AI 写程序来说，以下是我目前的实践经验：
先讨论，定计划：先提出我的需求和想法，让 AI 整理完善，形成一个大概的计划。 大需求分解成小任务：让 AI 根据计划把需求分解成一个个的 user story，或者小任务。 先解释，再生成：让 AI 解释要实现的细节和方法，帮助我更好的理解它的思路。 听我指示：等待我确认后，再让 AI 生成代码以及相关的测试。 保持反馈，利用错误学习：如果有错误，也不用担心，直接把错误信息反馈给 AI，它就会自己尝试修复错误。这个过程可能需要多次迭代，但一定要确保一个 feature 或 task 完成后，确保没有问题再继续下一个任务。如果时间充足的话，最好看下它是怎么修复的，理解修复原理，这也是一个学习的过程。 更新文档：每次完成一个任务后，让 AI 更新相关的文档，包括需求文档、README 文档等。 增强能力：可以安装 MCP Server 来增强 Copilot 的能力，比如 Microsoft Learn 刚发布的 MCP Server，可以让 Copilot 搜索微软文档来获取更准确的信息。 定期刻意练习：哪怕 AI 能写，也要定期自己动手写代码、写文档、写邮件，保持技能的活性。
最后一条其实我自己都不太能做到。毕竟 AI 的效率实在是太高了！
特别要强调的是，AI 生成的内容还是需要大概把握一下，不要一次生成太多内容。可以这样想，一个小任务 AI 完成的正确率可能有 90%, 但如果一次生成太多小任务，错误就会累积，可能最后质量反而会下降，AI 可能会陷入自我修复的循环，导致问题越来越多，这时候不管是修复还是重新生成，都需要花费更多时间和 token。把每次生成的范围限制在一个比较小的程度，可以更容易的控制生成的质量，如果有问题，也更容易定位和修复，大不了就回滚一下，重新生成。
真正稀缺的，是“慢能力”
AI 的发展是科技的礼物，也是对人类意志的一次考验。如果我们主动掌控、积极配合，它能成为每个人的能力放大器；但如果我们一味依赖、放弃思考，它也可能封死我们的成长路径。
在人人都有 AI 的时代，真正稀缺的价值，可能不是你能用 AI 做什么，而是：
谁还能有独立思考的能力？ 谁还能在纷繁的信息中保持清晰的判断？ 谁还能用自己的语言表达复杂的情感和思想？
我们更需要保留那些慢能力：好奇、专注、思考、选择、成长。如果 AI 是放大器，那我们首先要具备一定的能力和思考，才能让 AI 的放大效果发挥到极致；如果 AI 是封锁器，那我们就要有意识地去打破这种封锁，保持学习的热情和动力。
最后，我感到很羞愧，因为这篇文章很大部分也是 AI 写的。但思路和结构还是我自己的，说明我在用 AI 的同时，还没有被完全废掉……
我们还愿意学习吗？这可能是 AI 时代，每一个使用者都该认真回答的问题。
最后说回新西兰 IT 就业市场，最近感觉市场有所回升，你看，某厂都开始招会 AI 的 intern 了：
> 往期文章回顾 <
扒一扒 CITANZ 这个神秘的新西兰华人组织
新西兰 IT 毕业生求职有多难？
加入CITA，共创美好华人IT社区！
新西兰华人IT协会新会员报名开始啦！技术交流、工作内推，你想要的帮助这里都有！
https://mmbiz.qpic.cn/mmbiz_jpg/ahAATVIdckSugVAuKwMvH7ibDWzYXzP4UPNia0kkXb95HSt8GFwObUhmZ1c4oOibLtvC62uCGQ5iaCEMgOibiaDODmoA/640?wx_fmt=other&wxfrom=5&wx_lazy=1&wx_co=1&tp=webp
https://mmbiz.qpic.cn/mmbiz_jpg/ahAATVIdckRjwCicQictHicK9Ebav2YbXIiblyZ45Q7n50Jv20xzXsj94fueJ8SQcL1ZQibEZLKs1p55kzQiaBFyMDBQ/640?wx_fmt=other&wxfrom=5&wx_lazy=1&wx_co=1&tp=webp
行行好吧
我是做 .NET 的
👇👇👇
页:
[1]