最近跟几个同学聊天，发现一个挺有意思的现象：大家都在说 AI 要取代程序员了，但真正在用 AI 写代码的人反而没那么焦虑。焦虑的反而是那些还没怎么用过的人。
为什么？因为用过之后你会发现一个很现实的问题——AI 不会替你提问。
举个例子。你做一个项目，需要处理高并发的实时数据，如果你脑子里压根不知道 Redis 这东西的存在，你会怎么问 AI？你大概只会说"我的数据库太慢了怎么办"，然后 AI 给你一堆索引优化建议，你照做了，还是慢。不是 AI 不行，是你问错了方向。
但如果你知道有 Redis、有消息队列、有 CDN 缓存这些东西，哪怕你完全不会用，你只需要问一句"这个场景用 Redis 合适吗"，AI 就能帮你把整套方案写出来，从安装到配置到业务代码全包了。
这就是我最近越来越强烈的一个感受：在 AI 时代，知识面比知识深度更值钱。
以前的学习模式是"少而精"——深入一个方向，成为专家。这在没有 AI 辅助的年代是对的，因为所有东西都得你自己写，不深入就写不出来。但现在不一样了，AI 可以帮你处理几乎所有实现层面的细节。你不需要记住 Redis 的每个命令参数，你只需要知道"有这么个东西，大概做什么用的"。
深度的活 AI 能干，广度的活只有你自己能干。
我自己写 TraeProxy 的时候就有很深的体会。Go 语言我之前没怎么写过，Wails 框架更是第一次用，证书签发、MITM 代理这些东西也是现学现卖。但因为我之前折腾过足够多杂七杂八的项目，脑子里有一张模糊但够大的地图——知道代理的原理、知道证书信任链是怎么回事、知道环境变量注入这个思路。有了这张地图，具体实现全程靠 AI 辅助就够了。六天从零到发布，如果没有 AI 我可能得写一个月，但如果没有那张地图，给我再强的 AI 我也不知道该往哪走。
所以我现在的学习方式变了。不再追求"学会"某个技术，而是追求"知道"尽可能多的技术。看到一个新概念，花十分钟了解它是干什么的、解决什么问题的，然后就够了。等真正需要用的时候，AI 来补剩下的 90%。
这也是为什么我觉得计算机专业的课程体系反而在 AI 时代更重要了，而不是更不重要了。操作系统、计算机网络、数据库原理、编译原理——这些课不是教你写代码的，是给你装那张地图的。你知道虚拟内存是怎么回事，将来遇到内存问题的时候就知道该往哪个方向想。你知道 TCP 三次握手，将来做网络编程的时候就不会在最基础的地方卡住。
核心知识需要深度理解，这没变。你不可能让 AI 帮你理解为什么 Transformer 是这样设计的。但除了那些真正核心的东西之外，广度就是你的护城河。
知道得越多，能问的问题就越好，AI 给你的答案就越有用。
这是一个正循环。
留言板
加载中...