AI教得越顺手,新手编程能力可能越练不出来

独立科技博主Lars Faye在2026年7月22日发的一篇长文里,提出一个具体问题。编程助手能给出答案,但看懂答案靠的是经验。新人还没攒够经验,就先把判断的活儿交给AI,以后这份经验从哪儿长出来?

他引用了两组不完全同源的研究。一组是JetBrains对初级开发者的实机编程观察,一组是宾夕法尼亚大学2025年一项约1000人的学习实验。核心判断很简单:问题不是"用不用AI",是AI被当成"代写工具"还是"追问工具"。这条界线,决定了新人的能力管线是被绕开,还是被换一种方式重新搭起来。

发生了什么:两份研究,证据不在同一个赛道上

JetBrains这项研究盯的是编程现场,不靠问卷,靠逐帧记录初级和新手开发者的真实操作。结果和参与者自己的感受完全相反——大部分人觉得AI像"专属家教",但行为数据显示,重度依赖AI建议的人跳过了规划步骤:解法是Copilot想出来的,不是他们自己推出来的。任务最后跑通了,很多人却没真搞懂发生了什么,研究者管这个叫"能力幻觉"。

宾夕法尼亚大学那份研究,跟踪的是约1000名学生用AI学数学,不是写代码。放开使用AI、没有引导限制的学生组,练习阶段正确率比只用教材、完全不碰AI的对照组低17%,他们自己却觉得学得比对照组好。

换成"先追问再自己解题"的AI导师模式,同一批学生练习阶段正确率比教材组高127%。但脱离AI单独测试时,成绩和教材组基本持平——练习环节的顺手,没能换成脱离AI后的真本事。

两份研究领域不同,结论方向却一致:新手一旦接触到"直接给答案"的AI,容易把练习时的顺畅感,当成自己已经学会了。

为什么重要:老手会审查AI,新手容易被AI代替判断

资深开发者用AI收益更大,靠的是已有经验去筛查、纠偏、把错误建议丢掉。新手没这套判断力,容易直接接受AI给的答案。遇到AI自己引入的bug,还得继续问AI来修——捅锅的和补锅的是同一个工具。

反过来,主动压低AI使用、甚至刻意忍住不看某些建议的参与者,发展出研究者称为"负专业知识"的能力:识别并拒绝不靠谱建议的判断力。这批人表现最好,原因很朴素——他们仍然在自己写解法,AI只是加速,不是替代。

Anthropic在2026年一份研究里的措辞更直接:对初级从业者来说,认知上的努力,甚至"卡住的痛苦",很可能是形成专业能力不可省略的一步。

这里有个限制要说清楚。JetBrains盯的是实机编程,宾大跟踪的是数学学习,受试群体和任务都很具体。这些研究至少说明,生成式使用AI可能制造能力幻觉,但不能直接推广成"所有生产环境里所有AI编程工具都会让人变笨"。资深开发者在生产代码里用AI是另一回事——他们有存量经验做审计,新手没有。

限制在哪,该怎么用:两类人的现实动作

Lars Faye给的建议不复杂:少让AI直接生成大段可交付代码,多把它当成互动文档、提问式练习的工具——先自己想清楚要解决什么问题,再用AI核对思路。这个用法也有边界,AI给出的解释一样可能出错,不能替代查官方文档这一步。

对正在用AI编程工具的新人和管培训、招聘、代码质量的技术负责人,现实的动作可以落到两条:

摩擦省下的是干活的时间,省不下学本事的时间。