AI 都能写代码了，还要不要学技术
AI 会写代码了，还要不要学技术。
这个问题这两年被问了无数遍，大部分答案不是"要"就是"不要"，吵来吵去。我觉得它们都没说到点子上，因为这个问题根本没有统一答案。
要回答它，得先回答另一个问题：你想成为什么样的工程师。
先说清楚，这篇我只聊计算机相关专业、或者真打算靠写软件吃饭的人。别的行业怎么用 AI 是另一回事，不在这篇里。
先承认对面那半句是对的
我不打算上来就反驳"不用学了"。因为这句话里有一半是真的，装看不见就成了自欺。
语法、API、某个语言的特性，这些东西确实在贬值。以前一个工程师的硬通货里，有很大一块是"我记得这个函数怎么调、这个坑怎么绕"。现在你不记得也没关系，AI 比你记得清楚。背 API、查文档、写样板代码这类活，AI 干得又快又稳。
所以如果你对"学技术"的理解，停留在"把语言学熟、把框架背下来、能照着需求把代码敲出来"，那这套东西确实在快速掉价。这部分焦虑是真的，不是错觉。
但我想说的是，这只是技术里最表层、也最容易被替代的那一层。把这一层和"技术"画等号，才是真正的误会。
真正在消失的，是初级工程师的成长缓冲
斯坦福今年的 AI Index 里有个数字：22 到 25 岁的软件开发者，就业率从 ChatGPT 出来到现在，掉了将近 20%。
这个数字底下藏着的，不是"程序员不需要了"，是另一件更具体的事。
过去一个人怎么成长为靠谱的工程师。他先去干那些最基础的活，写增删改查、改小 bug、调接口、补测试。这些活本身没多大技术含量，但它们是缓冲带，是一个新人用两三年时间，把书上的东西慢慢长到手上的过程。公司花钱养着你犯错、养着你慢慢懂事，默认你头两年产出抵不上工资。
现在这些活，恰恰是 AI 最先接管的那批。
于是缓冲带被抽掉了。初级工程师能练手的活越来越少，留给你慢慢长本事的时间窗口，也在急剧收窄。这才是那 20% 背后真实的东西。它不是说不需要人了，是说那个"从不会到会"的爬坡过程，没人再有耐心陪你慢慢走了。
有意思的是另一组数字。同一份报告里，30 岁以上、同样高 AI 暴露的领域，就业不降反增，涨了 6% 到 12%。AI 没有消灭软件工程这个职业，它消灭的是进入这个职业的那几级台阶。
我个人的判断是，这是这一波冲击里对想入行的人最不友好的一点。不是终点被堵死，是入口处那段本来就难走的路，缓冲没了。
那学习的重心，得往上挪
缓冲带没了，意味着你得跳过那段慢慢长的过程，直接去够更高的地方。
具体说，学习的重心，从过去初级工程师那套，往高级工程师和架构师该掌握的东西上移。中间件怎么用、为什么这么设计，分布式系统里那些绕不开的权衡，并发控制里那些一不小心就出事的地方。这些东西 AI 答得出概念，但要在一个真实系统里把它们用对、用稳，靠的是你脑子里有没有那张图。
还有大型系统的设计，特定场景下的取舍。一个系统怎么拆、边界划在哪、哪里该一致哪里能容忍延迟，这种问题没有标准答案，AI 给你的永远是一个看起来合理的方案，对不对得你自己判断。这部分一直是难点，AI 没让它变简单，反而让"能不能判断"变得更值钱。
然后是另一项从前不怎么提、现在变成刚需的能力：读懂并审查 AI 写的代码。过去是资深工程师 review 新人代码，现在是人 review AI 代码。AI 能生成看起来很对的代码，但里面常埋着逻辑错误、安全漏洞、架构红旗，大部分 AI 输出没人审就进了生产，这正在造成真实的问题。能看出这些问题的人，是现在每个团队都缺的。
有意思的是另一头。算法和数据结构，我反而觉得它的地位没降，还是根本。
很多人把"语法贬值了"顺手推成"基础也不重要了"，这是混为一谈。语法是技术的皮，算法和数据结构是骨头。AI 能帮你把皮写得很漂亮，但一个方案底层的数据结构选错了、复杂度算错了，它生成的代码越漂亮，埋的雷越深。骨头这层东西，恰恰是你判断 AI 给的方案对不对的尺子。
地位真正下降的，从来只是语法和语言特性这层皮，不是底下的骨头。
不学的代价，是你连陷阱都看不见
讲到这你可能会问，反正 AI 都能写，我看不懂细节又怎样，能跑就行。
这里有个容易被忽略的代价。
AI 给你的方案，大多数时候看起来都对，能跑、能过测试。但里面常常埋着只有懂行的人才看得出的陷阱。并发场景下的竞态条件，分布式系统里一个不成立的假设，一个在数据量小时完全正常、量一上来就崩的设计，注入漏洞，内存泄漏。这些东西不会写在它给你的代码注释里。
你要是没学过底下那层，结果就是两件事同时发生。第一，它埋的雷你看不见，等炸的时候你连哪儿出的问题都定位不了。第二，更隐蔽的，你根本不知道该怎么向它提要求。
你没法跟它说"这里要考虑幂等""这块用乐观锁会更合适""这个场景下别用强一致"，因为这些词、这些概念，压根没在你脑子里。你能描述的需求，决定了 AI 能给你的上限。你不懂的那部分，连提都提不出来，它自然也不会主动替你想到。
这就是为什么我说，不学的代价不是"写得慢一点"，是"你和 AI 之间，隔着一层你自己看不见的墙"。
但普通人，确实没必要往死里学
话说回来，校准这件事得两头都校。前面说的全是针对想吃这碗饭的人。如果你不是。
如果你只是想用 AI 帮自己做点小东西，一个自动化脚本、一个小工具、一个简单的网站，那真没必要把中间件、分布式、并发控制这套往脑子里塞。那是另一个世界的入场券，你用不到。
这里的分界线，个人的理解是看一件事：你要构建的东西，复不复杂，需不需要拆成跨多个领域的系统。
如果不需要，AI 加一点基本常识，足够你把想做的东西做出来了，深的那层学了也是浪费。如果需要，那对不起，前面说的那些一样都少不了，而且 AI 来了之后，要求只会越来越高。
别让那些"人人都要学架构"的焦虑贩卖绑架你。要不要往深里走，取决于你想做的东西有多复杂，不取决于别人喊得有多响。
古法编程那点功夫，决定你能 vibe 出多高的东西
宝玉大佬有个说法我挺认同，大意是，你用古法编程时对技术的理解和掌握，决定了你现在能 vibe 出来的东西，有多高、多复杂。
我越想越觉得这话说到根上了。
vibe coding 看着像是把门槛抹平了，谁都能对着 AI 描述两句做出东西。但那只是起步线被抹平了。真到了要做复杂东西的时候，天花板在哪，还是由你古法编程攒下的那点功夫决定的。你懂得越深，能跟 AI 配合着够到的地方就越高。你只会描述表面需求，做出来的也就只能停在表面。
所以回到最开始那个问题。AI 时代还要不要学技术。
要学。但别再把"学技术"理解成把语法背熟、把框架学会。那层皮 AI 替你包了。真正要学的，是底下那套让你能判断、能设计、能看穿陷阱的东西。而这些判断力和品味，不是看视频课能学会的，得在真实项目里一次次试错、一次次权衡才长出来。它没有因为 AI 变得不重要，恰恰相反，它从过去那个"慢慢练就会有"的东西，变成了一道你得主动去够、而且越来越难够的门槛。
至于够不够得着，先回到那个问题：你想成为什么样的工程师。
Hi，我是 爱学习的Niko。17 年程序员老兵，现在每天用 AI 写代码。这里分享学习和使用 AI 的经验、技术思考、踩过的坑、实用工具和 SKILL。关注我，一起学习。
