编程界的「西西弗斯神话」正在被改写。隔壁山上的人开始用起重机——准头堪忧，偶尔砸到观众，但确实快得多。Lobsters社区用户 tmcb 用这个比喻精准概括了当下最激烈的技术争论：AI编程工具到底是解放了程序员，还是毁灭了他们不知不觉学习的能力？
这场争论的导火索是一篇名为「On AI」的博文，由程序员 Joshua Stein 发表在 jcs.org 上。文章讲述了作者从观看 SerenityOS 操作系统作者 Andreas Kling 的直播编程，到自己用 8MHz 的经典 Macintosh 电脑编程的亲身经历，反思了一个核心问题：当 AI替你写下所有代码，你还剩下什么？
由于 jcs.org 目前宕机无法直接访问，但这丝毫不影响讨论的热度。在 Lobsters 社区，该帖获得了86个投票和超过40条评论，并被标记为「vibecoding」标签——这个标签通常只用于那些触及AI编程本质的热门话题。
图片来源：Unsplash。现代编程环境中AI工具已成为常态，但学习的代价正在被忽略。
丧失「顺便学习」的能力
Lobsters用户 duck_tape 的评论一针见血：「LLM替我们写代码后，我们失去了『顺便学习』的机会——那些在实现功能时无意间习得的知识，现在被魔术般地抹掉了。」
「顺便学习」（incidental learning）是一个心理学概念，指人们在完成主要任务的过程中，意外地、无意识地学到了其他知识。这在编程领域表现尤为突出：一个程序员要写一个排序算法，动手查资料、理解不同排序的时空复杂度、调试边界条件、最终跑通。在这个过程中，他不仅完成了任务，还理解了算法背后的原理、编程语言的特性、甚至调试工具的使用技巧。
笔者的亲身经历可以佐证：十年前第一次写Web应用时，为了让一个表单正确提交，花了两天时间折腾HTTP请求和响应。痛苦，但从此对HTTP状态码的理解刻进了骨头。
AI编程助手改变了一切。你在终端里输入「帮我写一个用户登录功能」，Claude Code 或 Cursor 在几秒内生成几十行代码。登录功能能用了，测试通过了，部署上线了——但你学到了什么？什么也没学到。你对HTTP、Session、Token、加密的理解仍然停留在你输入prompt之前的状态。
这正是 Joshua Stein 在其博文中表达的困境。他写道，Andreas Kling 在直播中写 SerenityOS 时，虽然用了带自动补全的 Qt Creator，但每一个决策、每一次调试都是在公开思考中完成的。而当他给自己设下规则——只用经典Macintosh编程——他被迫面对系统的每一个细节，因为没有任何AI可以帮助他。
效率与学习的零和博弈
这是不是一个「AI写不好代码」的问题。恰恰相反，AI写得又快又好——至少在大多数常见场景下如此。问题在于：当AI替你跳过了整个「踩坑」过程，你也就跳过了成长的必经阶段。
计算器是最经典的类比。一个小学生用计算器可以瞬间算出 372×489 的答案，但他失去了什么？失去了心算过程中对数字关系的感知、对乘法分配律的理解、对进位借位的操作直觉。一个只会按计算器的孩子，无法发现「我按错了数字」——他对结果是否合理没有判断力。
编程也是一样的道理。Anthropic 在2026年1月发布的一项随机对照实验研究证实了这一点。研究让程序员在有和没有AI辅助的情况下学习一个新的Python库，结果发现使用AI辅助的组在后续测试中的掌握度显著低于对照组——学习效果下降了约17%。AI让完成任务的速度提升了，但深度理解被打了折扣。
图片来源：Unsplash。IDE中的AI代码补全让写代码更快，但开发者对代码的理解可能同时变浅。
持效派的声音：工具从来都是这样演进的
并非所有人都认同「AI毁灭编程能力」的叙事。支持AI编程的一派认为，每一次技术革命都伴随着「那不是真正的学习/工作」的指控。
曾在汇编时代写程序的老程序员，看C语言也是「太高级了，程序员不再理解底层」；C++被批评为「隐藏了内存管理的细节」；Python被嘲笑为「可执行伪代码」。每一层抽象都在某种程度上「消灭」了上一代程序员赖以生存的「顺便学习」机会，但软件开发行业的整体能力并没有因此衰退，反而因为抽象层次的提高而得以建造更复杂的系统。
支持者认为，AI编程工具带来的学习内容变了。当AI可以处理样板代码和常规实现时，程序员可以花更多精力在系统架构、需求分析、用户体验等高层次问题上。一个使用AI的程序员，是在重新分配注意力。
知识债务：不会自己消失的隐患
但问题在于，高层次的理解真的能脱离底层知识而存在吗？
arXiv上刚刚发表的一篇论文「Agents That Teach: Towards Designing Incidental Learning Back into AI-Assisted Software Development」（2607.06101）提出了一个有力的概念框架。该论文将在2026年10月的国际自动化学术会议（ASE ‘26）上发布，系统性地分析了AI编程代理对学习过程的影响，并首次提出了「知识债务」（Knowledge Debt）的概念。
「知识债务」是开发者层面的「技术债务」。当AI代理执行了那些开发者不能完全理解的代码变更时，这些理解缺口会随着时间的推移而累积。今天AI帮你解决了一个你不理解的bug，明天它又生成了一段你不理解的优化。一年后，你拥有一个跑得很好的系统，但你无法真正维护它。你无法为它添加新功能，因为你不知道它在怎么工作。
论文提出了六个设计原则，试图在不破坏AI效率的前提下，将学习机会重新嵌入到开发者与AI代理的交互中。他们构建了一个名为SHIELD的多代理系统，利用AI编程代理自身的推理过程，在适当的时机向开发者呈现上下文相关的学习素材。
知识鸿沟正在扩大
Lobsters社区的争论本质上是关于一个更深层次的问题：如果学习不再是一个「顺便」发生的过程，而是需要有意为之，有多少人会坚持学习？
用起重机运巨石的人确实比西西弗斯快得多。但如果有一天起重机坏了，或者需要搬运一块特殊形状的巨石，而操纵起重机的人从未亲手搬过石头——他能意识到问题的存在吗？他能判断起重机的操作是否正确吗？
ACM在2026年4月发布的「Vibe Coding」技术简报中也提到了类似的担忧：AI生成的代码可能包含不易察觉的逻辑错误，而缺乏深厚编程功底的开发者很难发现这些问题。代码能跑，不代表代码正确；测试通过了，不代表没有安全隐患。
这是整个行业供应链的风险。当越来越多开发者依赖AI生成核心业务逻辑，而对这些逻辑的理解停留在「它说这样写是对的」层面，软件质量的地基正在被悄悄掏空。
图片来源：Unsplash。程序员的视角正在从「如何写」转向「如何向AI描述」，这改变了学习的方式。
没有简单答案
这场争论显然不是非黑即白的。AI编程工具确实显著提升了开发效率，让小型团队有能力完成以前需要数十人才能实现的功能。它降低了编程的入门门槛，让非专业人士也能通过自然语言描述来构建简单的应用。
但效率的代价是深度的流失。当一个工具让你跳过过程直接拿到结果时，你失去的正是那个充满挫败感、但也充满顿悟的过程。
对于个体开发者来说，问题是：你是在用AI加速自己的学习，还是在用AI替代自己的学习？对于行业来说，问题是：如何在拥抱AI带来的效率提升的同时，不被「知识债务」压垮？
Joshua Stein 的答案——至少在个人层面上——是回到8MHz的Macintosh，在没有AI的旧世界里重新学习编程的本真。但对于整个行业来说，这条路显然不可行。论文作者们的答案是重新设计AI编程系统，让它们不仅能替你写代码，还能教你怎么写。
但这些都还是方向，不是解决方案。真正的问题也许更简单：当一个工具好用得让人不再思考，我们还有勇气放下它吗？
参考链接：
- Lobsters 讨论: On AI (86 △)
- jcs.org: On AI
- arXiv: Agents That Teach (2607.06101)
- Anthropic: How AI Assistance Impacts Coding Skills
- ACM TechBrief: Vibe Coding (April 2026)
