别再把代码跑通就当成自己搞懂了,这其实是个思维陷阱
很多人觉得 AI 让我们变懒了,但我实测下来发现,问题根本不在于 AI,而在于我们把 AI 当成了逃避思考的借口。这种现象在开发圈太普遍了,在 PR 评审或者 Slack 沟通里经常能看到有人说「AI 说这么写就行」,然后对话就戛然而止了。这其实很危险,因为你跳过了最核心的认知构建过程。
写代码只是软件开发的一小部分,决定「什么样的代码应该存在」才是最高价值的部分。如果你习惯了
下一篇
用笔记本强跑本地大模型其实就是一场内存与功耗的极限拉扯 →
我分享一个自己的真实踩坑经历。前阵子我在写一个 Node.js 的后端接口,有个字段偶尔会莫名其妙返回 null。如果是在一年前,我可能会花一个小时去死磕:反复读代码、追踪请求链路、尝试各种断点、把东西搞崩溃再修好。在这个过程中,我对整个异步流的理解会深得惊人。
但这次我直接把现象丢给了 AI,它秒回我:你这里少写了一个 await。我照着改了,Bug 没了,接口通了。但诡异的是,当我试图向同事解释为什么这里会产生竞态条件时,我竟然卡壳了。代码跑通了,但我的大脑里留下了一个认知空洞。
对比一下两种开发流,大家可以对照自查:
传统的认知路径:遇到问题 → 困惑 → 调研 → 建立假设 → 实验 → 失败 → 理解本质 → 最终方案
现在的快捷路径:遇到问题 → 写 Prompt → 复制答案 → 运行成功 → 完事
第二种路径快得惊人,但这正是陷阱所在。学习其实就发生在「困惑」和「失败」这两个环节中。如果答案来得太快,我们甚至还没来得及形成一个高质量的问题,就已经接受了结果。
最可怕的其实不是 AI 给你错答案,因为错了你会去查,反而能学到东西。最可怕的是它给了你一个正确答案,你直接信任并采纳,然后悄悄地停止了思考。
对于开发者来说,真正的「思考」不是盯着空白编辑器发呆,而是具体的工程能力:
- 将复杂问题拆解成可验证的小块
- 在测试前先预测系统应该如何行为
- 权衡方案的 Trade-off,而不是只看运行结果
- 在修复之前先问「为什么这个逻辑会存在」
写代码只是软件开发的一小部分,决定「什么样的代码应该存在」才是最高价值的部分。如果你习惯了
Problem → Solution 的直线模式,你其实是在把自己的工程直觉外包给模型。