上午十点，你打开 IDE，Claude Code 已经在侧边栏等着了。需求很清楚：给用户表加个软删除逻辑，联动的缓存策略也得改。你敲了一行注释描述意图，按下 Tab，AI 吐出三十行代码。看起来没问题，跑一下测试——绿了。十分钟搞定，commit，push，开始摸下一张任务卡。下午，CI 报警，生产环境一个边缘 case 触发了死锁。你盯着堆栈看了五分钟，突然意识到自己根本不知道那段自动生成的代码里到底发生了什么。那个曾经能徒手拆解并发问题的你，好像已经走远了。
这不是虚构场景。2026 年 6 月 18 日，Nature 发表综述文章《Is AI ruining our skills? Early results are in — and they’re not good》，汇总了两项近期实验研究，指向同一个结论：AI 辅助正在导致受训专业人士的核心技能出现可测量的退化。效果不只是一条微弱的趋势线——p 值显著，效应量中等偏上，这些都是统计事实。这个话题随后在 Lobsters 社区引发上百条讨论，lcamtuf 等资深用户指出了更深层的结构性隐忧。
笔者将以探索者视角梳理这些实验数据，同时呈现支持 AI 提升效率的一方证据。这个问题远没到能下结论的阶段，但现有实验结果已足以让每个日常依赖 AI 的知识工作者停下来想一想。
医生：三个月，检出率下降六个百分点
第一项研究来自波兰 Silesian 学院与挪威奥斯陆大学的合作团队，发表在《The Lancet Gastroenterology and Hepatology》。研究对象是 19 名经验丰富的内镜医师，每人职业生涯至少完成 2,000 例结肠镜检查。团队为他们引入了一套 AI 辅助系统，能实时分析结肠镜影像并标记可疑腺瘤（癌前肠道病变）。AI 工具在某些工作日可用，某些不可用。
研究对比了两个时间窗口：引入 AI 前三个月（795 例）和引入后三个月内关闭 AI 时的表现（648 例）。AI 引入前，腺瘤检出率为 28.4%；引入后无 AI 辅助时降至 22.4%，下降 6 个百分点，统计学显著。研究作者的解释是：持续接触 AI 辅助可能导致临床医生在失去 AI 支撑时”动机下降、注意力减弱、决策责任感降低”。
这里有一个方法论细节值得注意。Lobsters 用户 hyperpape 指出，该研究引入 AI 后结肠镜检查总量翻倍，且置信区间较宽。这意味着不能简单将检出率下降完全归因于 AI 依赖——工作负荷变化本身就可能稀释注意力资源。论文合著者 Yuichi Mori 也坦言”还需要更多研究确认”，并坦率表示”目前没有针对技能退化的既有解决方案”。
不过，一个事实已足够清晰：当 AI 被间歇性地嵌入高技能工作流后，人类在失去工具时的独立表现确实变差了。在工程上，这指向一个判断：如果把 AI 当作”拐杖”而非”训练辅助”，人类操作者的独立能力可能在数周内就开始衰减。 对于医疗、航空、核电等不允许 AI 宕机的高风险领域，这种衰减曲线值得严肃对待。
开发者：随机对照试验，AI 组低了两档成绩
第二项研究来自 Anthropic 研究团队（arXiv: 2601.20245），被 Nature 综述作为计算机科学领域技能退化的核心证据。这是一项随机对照试验，也是目前方法论最严格的研究之一。
实验招募了 52 名软件工程师（大多为初级），所有人至少有一年以上 Python 经验，且均不熟悉 Trio（一种异步编程 Python 库）。参与者被随机分为两组：一组可以使用侧边栏 AI 助手（能访问代码并随时生成正确答案），另一组只能通过网络搜索和文档完成任务。任务包括理解 Trio 核心概念、编写两个功能特性，所有人被告知任务后将测验，但被鼓励”尽可能快完成”。
测验评估了四个维度：调试、代码阅读、代码编写和概念理解，前三项被重点考察——因为研究团队认为这些是”在 AI 生成代码占比不断上升的未来，人类仍需保留的核心能力”。
结果：AI 组测验平均分 50%，手工编码组 67%，差距相当于接近两个字母等级（Cohen’s d = 0.738, p = 0.01）。差异最大的维度是调试能力——也就是”判断代码哪里出了问题以及为什么出错”的能力——恰好是人类监督 AI 代码时最需要的元技能。任务完成速度方面，AI 组平均快约两分钟，未达统计显著性。
这个反直觉的结果值得拆解：AI 让开发者稍微快了一点，但未显著提速；却显著削弱了他们几分钟前刚接触的概念的理解深度。 而且削弱精准打在了”调试能力”这个关键点上——恰恰是人类在 AI 时代的代码生产中最不可替代的技能。
交互模式比”用不用”更重要
Anthropic 这篇论文最有启发性的部分，是质性分析中对 AI 使用模式的细分。研究团队通过标注屏幕录像，将 AI 组参与者按交互方式分为六类：
低分模式组（平均测验分不到 40%）：
- AI 全权代劳（n=4）：完全让 AI 写代码，自己只做复制粘贴。任务最快，但测验最差。
- 渐进式 AI 依赖（n=4）：开始只问一两个问题，后来全委托给 AI，第二个任务的概念根本没掌握。
- 迭代式 AI 调试（n=4）：让 AI 帮忙调试，依赖 AI 解决问题而非澄清自己的理解，不仅测验差，完成速度也慢。
高分模式组（平均测验分超过 65%）：
- 生成后追问理解（n=2）：先用 AI 生成代码，然后追问概念性问题加深理解。
- 混合式代码+解释（n=3）：同时要求 AI 生成代码并解释逻辑，花更多时间但收获更扎实。
- 纯概念提问（n=7）：只问概念性问题，基于理解自行编码。高分模式中平均最快，仅次于全权代劳。
关键洞察很朴素：把 LLM 当作”答案机器”的人，技能在退化；把它当作”对话导师”的人，技能在成长。差别在于获得答案之后是否愿意多花两分钟追问”为什么”。但这个发现也暗示了一个结构性问题：在真实职场中，组织激励天然倾向”快速交付”而非”深度学习”。初级开发者面对 deadline 选择 AI 全权代劳几乎是理性行为。Anthropic 论文也指出：“考虑到时间约束和组织压力，初级开发者可能会以牺牲技能发展为代价，尽可能快地用 AI 完成任务——而这恰恰削弱了他们出问题时调试的能力。“
另一面的证据：AI 确实能提效，但前提是你已经会了
公允地说，现有文献并非一边倒。Anthropic 在同一篇论文中引用了对 Claude.ai 用户的观察性研究，发现 AI 可将某些工作任务的完成时间缩短 80%。研究团队的解释是：AI 加速的是”已掌握技能”的执行效率，但阻碍的是”新技能”的学习过程。 这两个结论不矛盾——它们回答的是不同问题。让有经验的 React 开发者用 AI 写表单组件，省掉了样板代码的敲击时间；但让他学习新框架时让 AI 代写，反而削弱了建立心智模型的机会。
另外，METR 在 2025 年 7 月的一项 RCT 提供了耐人寻味的数据：16 名资深开源开发者（维护着平均 22,000+ 星的项目），使用早期 2025 版 AI 工具后任务速度慢了 19%。方向与 Anthropic 结论一致——AI 未给经验丰富的开发者带来效率提升，但 METR 侧重生产力而非技能退化。
综合来看：AI 对熟练任务有正面效率证据，但对新技能学习的阻碍也有 RCT 级别的证据支持。两边都非决定性，但已足以让人认真对待”使用方式决定 AI 是工具还是陷阱”的判断。
三层隐忧：责任、本质与同质化
回到 Lobsters 讨论区。lcamtuf（知名安全研究者）的长评获得 34 票支持，他指出了三个超越实验数据的结构性问题：
第一，责任归属的断裂。现代社会对专业人员的法律和职业责任体系，建立在”你理解并拥有你的工作成果”这一前提之上。如果 LLM 让诊断能力持续退化，但医疗事故的法律责任标准不变，你得到的就是最坏的局面——判断力下降，但责任还钉在你身上。这个逻辑适用于所有签字负责的专业：工程师、会计师、律师。
第二，人类本质技能的外包。“我们正在讨论的技能是创造艺术、表达想法、做复杂决策、表达情感、教导他人——这些几乎是人类存在的精华。“lcamtuf 的问题比”AI 能不能做”更深一层：如果这些人类活动最终都被外包给 LLM，“那还有什么值得为自己是人类而骄傲？“这个问题目前没有好答案，但正因没有好答案，才值得被不断追问。
第三，AI 作为”同质化放大器”。lcamtuf 在自己的博客中展开了一个观点：AI 确实可以放大个体能力，但它同时也是一个惊人的”一致性放大器”——“这些工具给你竞争优势的同时，也剥夺了你的所有个性。当你的输出与另外 n 亿个可以写 prompt 的人完全可替代时，你靠什么竞争？”
这三点隐忧为解读实验数据提供了框架：技能退化的实验证据是”what”，而责任归属、本质外包和同质化是”so what”。
工具问题，还是结构问题？
这个话题为什么让人不安？人类在使用 GPS 后方向感退化了，在使用搜索引擎后记忆力变差了，我们都坦然接受了。为什么 AI 不一样？
Lobsters 用户 emk 的比喻提供了部分答案：摄影术取代了绘画技巧，但没有取代画家的眼睛和大脑——构图、光影、主题选择仍然是人类的。LLM 不同，它侵入的是判断过程——调试能力、设计直觉、概念理解。当一个工具开始替代你的决策而非执行步骤，它的性质就从”工具”转向了”代理”。代理用得越久，独立判断的肌肉就越萎缩。
笔者并不反对使用 AI——写作本文时就大量依赖了 AI 整理和翻译材料。底线在于使用方式：把 AI 当作对话对象而非答案输出机，把追问”为什么”变成工作流的内置步骤。但即便个体能做到这一点，结构性问题依然存在。当绩效体系奖励交付速度而非代码质量，当管理层把”AI 辅助”等同于”可以减员”，再坚持”先理解再提交”的个体也会被系统性压力碾过。
没有确定性结论。现有实验证据的方向基本一致——AI 辅助在短期内对技能学习有显著负面影响，效应量不低。但样本量偏小（52 人和 19 人），实验环境与真实工作流有距离，长期效应完全没有数据。这篇文章能做的，是把已摆上桌面的实验证据和工程直觉放在一起，邀请你带着这些信息审视自己的使用习惯。
（本文基于 Nature 综述文章及相关原始研究的公开信息撰写，所有数据和引用均已标注来源。笔者使用 AI 工具辅助了材料的整理和翻译过程，文章的判断和结构由人工完成。本文不构成任何形式的专业建议，也不代表对 AI 技术的整体否定态度。）