当AI替我们写代码时,我们正在失去什么?——从Anthropic研究看编程技能形成的隐忧与出路

近日，AI研究机构Anthropic发布了一项发人深省的研究《How AI assistance impacts the formation of coding skills》（AI辅助如何影响编程技能的形成），通过严谨的随机对照试验，揭示了一个令人警醒的事实：过度依赖AI生成代码，可能正在削弱开发者，尤其是初级工程师，对核心技术能力的掌握。

研究团队招募了52名软件工程师，绝大多数为初级开发者，任务是学习一个他们此前不熟悉的Python异步编程库——Trio，并完成相关编码任务。参与者被随机分为两组：

● AI辅助组：可随时调用AI（如Claude）生成代码；

● 手动组：必须完全依靠自己编写代码，不得使用AI。

在完成任务后，所有参与者参加了一项全面的能力测验，涵盖调试、代码阅读、代码编写与概念理解四个维度。结果令人震惊：

使用AI的开发者平均成绩比手动组低约17%，相当于近两级字母成绩的差距（如从B+降至C-）。 尤其在调试能力和对编程概念的深层理解上，差距最为显著。

这意味着，尽管AI帮助他们“写出”了代码，但他们对代码“为何如此工作”却知之甚少。

人们普遍相信，AI能大幅提升开发效率。然而，这项研究却发现，AI组虽然任务完成速度略快，但差异并未达到统计学显著水平。换句话说，所谓的“提效”，可能只是表面的、局部的，甚至是以牺牲长期能力为代价的“伪效率”。

更值得警惕的是，AI并未真正减轻认知负担，反而可能转移了认知焦点——开发者不再思考“如何解决问题”，而是思考“如何向AI描述问题”。这种“认知卸载”（cognitive offloading）正在悄然侵蚀程序员最核心的能力：对系统逻辑的掌控力与对错误根源的追溯力。

真正的学习，发生在“与AI对话”之中

研究并非全盘否定AI的价值。相反，它指出了一个关键变量：人与AI的互动方式，决定了学习的成败。

数据显示，那些在AI生成代码后，主动要求解释、追问实现原理、提出概念性问题的开发者，成绩显著高于被动接受输出的同行。他们不是把AI当作“代写工具”，而是作为“学习伙伴”——通过提问、验证、反思，将AI的输出转化为自己的知识。

这说明：AI本身不决定学习效果，使用AI的方式才决定。

警钟为谁而鸣？——对个人、企业与AI设计者的三重启示

这项研究的深层意义，早已超越一次实验结果，而指向一个关乎未来技术生态的根本问题：当AI越来越多地承担“写代码”的职责，人类工程师是否还能胜任“理解代码”“审查系统”“应对复杂故障”的责任？

对初级开发者而言：不要让AI成为你的“思维拐杖”。短期看，它帮你跳过难点；长期看，它可能让你永远停留在“会用不会懂”的层面。真正的成长，来自挣扎、试错与顿悟的过程。 请把AI当作“助教”，而非“代课老师”。

对企业与技术管理者而言：在推动AI工具大规模落地时，必须同步思考“人才成长机制”。若一味追求交付速度，放任新人依赖AI生成代码，终将导致团队整体技术深度空心化。建议：

● 设立“无AI学习期”或“核心模块手写要求”；

● 鼓励代码评审中追问“为什么这样写”，而非仅关注“是否能运行”；

● 将“概念理解”纳入技术考核指标。

对AI工具设计者而言：未来的AI编程助手，不应只追求“生成准确率”和“响应速度”，更应嵌入教育性设计（educational scaffolding）：

● 主动提示关键概念与常见误区；

● 在生成代码时提供可选的解释层级；

● 鼓励用户先尝试再辅助，而非直接给出答案；

● 支持“解释请求”“追问模式”等促进深度互动的功能。

结语：AI不是技能的替代品，而是技能的放大器

Anthropic的这项研究，不是要我们拒绝AI，而是提醒我们：工具的进化，不能代替人的成长。 真正的编程能力，不在于你能让AI写出多少行代码，而在于你是否理解每一行背后的逻辑，是否能在AI出错时发现它，是否能在没有AI时依然独立构建系统。

AI的价值，不在于替我们思考，而在于拓展我们思考的边界。当我们从“使用者”变为“共思者”，从“索取答案”转为“追问原理”，AI才能真正成为技能形成的加速器，而非拦路石。

在代码的字里行间，藏着的不只是逻辑与算法，更是思维的锤炼与心智的成长。愿我们使用AI，但永不被AI取代——因为真正珍贵的，从来不是写出的代码，而是那个在思考中不断变强的自己。

论文原文：https://arxiv.org/abs/2601.20245v1推荐阅读，保持清醒，在智能时代，做一名有思想的工程师。