“氛围编程(Vibe Coding)”没有杀死开源,但它会先一步杀死程序员的学习能力.

前几天聊到 Vibe Coding 正在掏空开源社区（氛围编程“杀死”开源）。

有人不服，觉得这是危言耸听：

代码反正是 AI 写的，效率高就行了。

就在刚刚，Anthropic 最新发布的研究给这句话补上了残酷的后半句：

AI 用得越顺，开发者对技术的理解反而越浅，甚至产生幻觉：代码能跑＝我学会了。

这份研究的主题为“How AI assistance impacts the formation of coding skills”，旨在深入评估 AI 编程工具（例如 Claude）对开发者技能形成的影响。研究利用随机对照试验，对比了使用 AI 与手动编码两类开发者在学习新技术时的表现差异。

此次研究邀请了 52 名软件工程师（大部分是初级），要求他们学习一个 Python 异步库（Trio），并完成编码任务。参与者被随机分配到：

• AI 辅助组：可随时调用 AI 生成代码。
• 手动组：只能自己编写代码。

之后所有人参加一份覆盖调试、代码阅读、代码编写与概念理解的测验。

研究主要发现如下：

• 技能掌握显著下降。使用 AI 的开发者平均测验成绩比手动编码者低约 17%（近两级字母成绩差），尤其是在调试和概念理解部分差距最大。

• AI 编程工具的效率提升有限。虽然 AI 组完成任务略快，但并未达到统计学上的显著效率提升。

• AI 互动方式影响学习成果。与单纯让 AI 写代码相比，那些在生成后请求解释、主动提问概念的开发者成绩更高，说明“与 AI 合作的方式”决定了是否能真正学习。

简而言之，主动要求 AI 解释代码、反复追问原理的人，成绩明显更好；把 AI 当“外包程序员”的人，学得最差。

研究最后对 AI 辅助编程的普及提出了重要反思：AI 并非自动等同于技能提升。

研究指出：

• 认知卸载（cognitive offloading）是核心问题 —— 当开发者依赖 AI 自动生成代码时，会减少自身对错误原因、代码结构和概念逻辑的思考。

• 即便 AI 能减少重复劳动，但在学习新工具和构建深入理解方面可能适得其反。

Anthropic 认为，随着企业逐渐增加 AI 生成代码的比例，初级开发者可能面临技能发育不良的风险，进而失去审查和验证 AI 代码的能力；建议管理者应审慎规划大规模部署 AI 工具，并考虑如何通过系统或有意为之的制度设计，确保工程师在工作中持续学习，从而能够对他们构建的系统进行有效的监督。

Anthropic 强调，此研究并非否定 AI 的价值，而是提示业界需关注人机协作中的长期人才培养问题，未来的 AI 工具设计也应更多考量如何兼顾效率与教育功能。

论文：https://arxiv.org/abs/2601.20245v1