停止学Python!AI正在把“编程能力”变成人人皆有的“说话能力”

以前我觉得编程有门槛。会写代码的人才能编程，不会的人只能提个设想。所以一个东西做出来，通常是业务的人说“我想要什么”，程序员负责做。这个是专业壁垒导致的行业划分。

AI 出来以后，这个门槛低了。不是说写代码没用了，是我们不再被编程语言卡住。

真正的卡点，变成能不能把一件事讲清楚。能不能把一个模糊的念头，拆成输入、规则、异常、输出。能不能把脑子里“看一眼就知道”的经验，翻译成 AI 能照着做的步骤。

之前做折旧测算工具和 Excel 核对系统的时候，这种感觉很明显。

两个工具背后真正有推动作用的，其实不是代码语法，是把业务逻辑表达清楚这件事本身：哪些数据从哪里来，写到哪里去，什么地方必须保留链接，什么情况不能自动匹配要记录下来给人复核。

这些逻辑如果说不清楚，AI 再会写代码也没用，它会写出一个看起来像系统的东西，但没办法真正的应用于工作。

我想这跟真正开发程序写需求文档也未必一样。毕竟业务人员写需求，是写给程序员看的，即便目标表达不清晰，也有专业人员在需求和技术之间进行翻译调和。

但和 AI 协作的时候，模糊会直接变成结果偏差。

AI 的文本读取解析能力很强大，所以不怕说得细，反而怕表述不清晰、表达很宽泛。

我有一个想法，告诉 AI 帮我“做一个报表核对系统”，这是宽泛的表述。

但说清楚要读取哪两份文件，按什么映射规则把数据写到哪个位置，保留什么样的链接公式，再生成什么差异，这就是可执行的。

过去说一个人表达能力好，往往指他说话清楚、写文章有逻辑，可是这个评价标准本身就很模糊。

AI 时代的表达能力的评价很清晰：能不能把工作拆成机器能理解的结构。

这个结构通常包括输入是什么，规则是什么，异常怎么处理，输出长什么样，结果怎么验证，边界在哪里。

这几件事说清楚了，AI 才能发挥能力，否则它会在执行模糊需求的同时，不断犯错，而我们则要不断试错。

这也让我重新理解了“不会写代码也能做工具”这句话。

它不等于什么都不用学，也不等于一句话就能生成软件。

它真正的意思是，不一定要掌握传统编程语言，但要学会另一种表达，把业务经验、判断标准和操作流程翻译成明确规则。

这种能力对非技术人特别重要，因为最懂工作细节的人，往往就在业务现场。

例如审计里的折旧测算、报表核对、底稿整理，这些需求如果完全交给一个不了解现场的人，很难完整清晰的表述，这都是做过的人才知道。

AI 给了一个机会，不必等别人理解你，可以直接把自己的工作经验变成工具，但前提是，得先理解自己的工作。

这也是第一次用 AI 写代码以后最大的感受。

代码不是一行行写出来的，但需求是自己写的，规则是自己定的，错误是自己发现的，边界是自己划的。

AI 负责把这些东西翻译成代码，而真正发生变化的，不是突然学会了编程，是开始用一种更清楚、更结构化的方式表达工作。

所以 AI 时代的编程，越来越像表达能力。

它不是让每个人都去背语法，是让更多人开始想一件事：能不能把自己正在做的事，说到足够清楚，清楚到另一个人能照着做，清楚到 AI 能照着执行，清楚到结果错了以后还能追溯是哪里出了问题。