新智元報(bào)道

編輯：peter東

【新智元導(dǎo)讀】在A(yíng)I編程時(shí)代，效率飆升卻隱藏危機(jī)：Anthropic最新研究揭示，使用AI助手雖能快速生成代碼，但開(kāi)發(fā)者在概念理解、代碼閱讀和調(diào)試能力上顯著落后。獨(dú)立解決問(wèn)題才是技能之鑰，AI若不當(dāng)用，將成「懶惰陷阱」。

2026年初，Anthropic研究揭開(kāi)了AI輔助編程對(duì)技能學(xué)習(xí)的潛在風(fēng)險(xiǎn)，使用AI助手完成編程任務(wù)的開(kāi)發(fā)者，在概念理解、代碼閱讀和調(diào)試能力上顯著落后于獨(dú)立解決問(wèn)題的同行。

技能退化

AI編程讓人難以鍛煉調(diào)試能力

在A(yíng)I編程助手日益普及的今天，軟件工程領(lǐng)域生產(chǎn)力顯著提升。然而，代價(jià)是什么？

假設(shè)你是一個(gè)程序員，現(xiàn)在要用一個(gè)新的庫(kù)來(lái)進(jìn)行開(kāi)發(fā)。

之前你遇到問(wèn)題，只能接入網(wǎng)絡(luò)搜索引擎和文檔；現(xiàn)在能訪(fǎng)問(wèn)基于GPT-4o的AI編程助手。你會(huì)覺(jué)得哪一種更有利于你掌握這個(gè)庫(kù)？

在這項(xiàng)研究中，被試者需要學(xué)會(huì)一個(gè)小眾的Python異步編程庫(kù)Trio，每個(gè)受試者都是初次使用該庫(kù)進(jìn)行編程。

被試者被隨機(jī)分為兩組。一組只用搜索學(xué)習(xí)，一組只通過(guò)大模型問(wèn)答學(xué)習(xí)。

圖1：實(shí)驗(yàn)設(shè)計(jì)方案

任務(wù)完成后，被試者接受了一項(xiàng)精心設(shè)計(jì)的技能評(píng)估測(cè)驗(yàn)，涵蓋概念理解、代碼閱讀和調(diào)試能力三個(gè)方面，以衡量他們對(duì)Trio庫(kù)的掌握程度。

與普遍認(rèn)知相反，AI輔助并未顯著縮短任務(wù)完成時(shí)間（圖2左邊）。盡管AI助手能夠直接生成完整正確的代碼解決方案，但實(shí)驗(yàn)組的平均完成時(shí)間并未顯著優(yōu)于對(duì)照組。

圖2：人們使用AI與否與編程速度和技能評(píng)估得分

為何會(huì)這樣？細(xì)分后發(fā)現(xiàn)，這源于參與者使用AI方式的巨大差異：

• 一部分參與者完全委托AI生成代碼，確實(shí)大幅提高了效率；

• 另一部分參與者花費(fèi)大量時(shí)間與AI交互，甚至有人單次查詢(xún)就耗時(shí)6分鐘，抵消了效率優(yōu)勢(shì)。

更值得關(guān)注的是技能評(píng)估結(jié)果：AI使用組在測(cè)驗(yàn)中的表現(xiàn)明顯較差，得分平均低4.15分，而滿(mǎn)分為27分。

AI使用組的調(diào)試能力與不使用AI組的差距最為明顯，代碼閱讀能力的差距相對(duì)較小。這表明，獨(dú)立解決問(wèn)題的過(guò)程中遇到的錯(cuò)誤和調(diào)試經(jīng)歷，對(duì)技能形成至關(guān)重要。

為何調(diào)試能力差距最大？那是因?yàn)闆](méi)有使用AI的參與者平均遇到3個(gè)錯(cuò)誤，而使用AI的平均僅遇到1個(gè)錯(cuò)誤。

這些錯(cuò)誤，尤其是與Trio庫(kù)直接相關(guān)的錯(cuò)誤，迫使開(kāi)發(fā)者深入理解庫(kù)的工作原理，從而促進(jìn)了學(xué)習(xí)。

三種學(xué)習(xí)路徑：

用了AI仍保有高技能

通過(guò)對(duì)使用AI組的行為進(jìn)行細(xì)致分析，從中識(shí)別出六種不同的AI交互模式，宛如六條截然不同的學(xué)習(xí)路徑。

其中三條路徑通向技能退化，而另外三條則成功保持了技能形成水平。

四名參與者將任務(wù)一股腦地委托給AI，他們完成任務(wù)最快，但技能得分最低。就像把整個(gè)學(xué)習(xí)過(guò)程外包給了機(jī)器，自己成了旁觀(guān)者。

另外四名參與者開(kāi)始時(shí)還算謹(jǐn)慎，只問(wèn)一兩個(gè)問(wèn)題，但很快陷入了漸進(jìn)式依賴(lài)的陷阱。隨著任務(wù)難度增加，他們最終完全放棄了獨(dú)立思考，將所有代碼生成交給AI。

最令人惋惜的是那些迭代式調(diào)試者。他們頻繁向AI求助，每次遇到問(wèn)題就粘貼錯(cuò)誤信息，依賴(lài)AI提供解決方案。表面上看起來(lái)很努力，實(shí)際上卻錯(cuò)過(guò)了最重要的學(xué)習(xí)機(jī)會(huì)——獨(dú)立解決問(wèn)題的過(guò)程。

圖3：不同類(lèi)型的AI使用方式

然而，故事還有另一面。研究人員發(fā)現(xiàn)了三種成功的交互模式，這些參與者在A(yíng)I輔助下不僅完成了任務(wù)，還真正掌握了新技能。

兩名稱(chēng)為「生成后理解型」的參與者先讓AI生成代碼，但不會(huì)簡(jiǎn)單復(fù)制粘貼。相反，他們會(huì)停下來(lái)，通過(guò)AI詢(xún)問(wèn)代碼的工作原理，就像有個(gè)私人導(dǎo)師在旁解釋。

三名「混合代碼解釋型」參與者更加聰明。他們?cè)谡?qǐng)求代碼生成的同時(shí)，主動(dòng)要求AI提供解釋?！刚?qǐng)生成代碼，并解釋為什么這樣實(shí)現(xiàn)」，這樣的提問(wèn)方式讓他們?cè)讷@得解決方案的同時(shí)，也理解了背后的邏輯。

最成功的是七名「概念查詢(xún)型」參與者。他們只向AI詢(xún)問(wèn)概念性問(wèn)題，然后依靠自己的理解編寫(xiě)代碼。這種方法雖然會(huì)遇到更多錯(cuò)誤，但正是這些錯(cuò)誤成為了最好的老師。

圖4：6種不同類(lèi)型使用AI的方式的完成時(shí)間和技能得分

高技能形成模式的共同特點(diǎn)是參與者保持了認(rèn)知參與度，而不是將思維過(guò)程完全外包給AI。概念查詢(xún)型參與者尤其成功，他們平均成績(jī)達(dá)到86%，同時(shí)完成任務(wù)的速度也較快。

而對(duì)照組參與者由于沒(méi)有AI輔助，在任務(wù)過(guò)程中遇到了更多錯(cuò)誤，包括與Trio庫(kù)核心概念直接相關(guān)的錯(cuò)誤。解決這些錯(cuò)誤的過(guò)程迫使開(kāi)發(fā)者深入理解庫(kù)的工作原理。而學(xué)習(xí)中遇到的困難尤其是錯(cuò)誤，對(duì)技能形成具有不可替代的價(jià)值。

相比之下，AI組參與者往往一鍵修復(fù)錯(cuò)誤，錯(cuò)過(guò)了從錯(cuò)誤中學(xué)習(xí)的機(jī)會(huì)。一位參與者在反饋中坦言：「使用AI助手讓我變得懶惰，沒(méi)有像平時(shí)那樣仔細(xì)閱讀Trio庫(kù)的介紹和代碼示例?！?/p>

用好AI

AI是解釋工具而非代碼生成器

隨著企業(yè)和開(kāi)發(fā)者越來(lái)越多地采用AI代碼生成與人工監(jiān)督相結(jié)合的工作流程，確保人類(lèi)監(jiān)督者具備必要的技能來(lái)驗(yàn)證和調(diào)試AI編寫(xiě)的代碼至關(guān)重要。開(kāi)發(fā)者必須尋找維持深度學(xué)習(xí)與技能精進(jìn)的平衡點(diǎn)，避免陷入“快而不精”的職業(yè)陷阱。

使用AI后，編程技能下降最大的是調(diào)試能力，這意味著如果開(kāi)發(fā)者最初使用AI時(shí)技能形成受到抑制，他們可能缺乏驗(yàn)證和調(diào)試AI編寫(xiě)代碼的必要技能。這里是只測(cè)試了一個(gè)庫(kù)的學(xué)習(xí)，如果是對(duì)于那些從學(xué)編程開(kāi)始，就只是依賴(lài)AI而不自我鍛煉能力的，不當(dāng)使用AI帶來(lái)的影響只會(huì)更加深遠(yuǎn)。

在時(shí)間約束和組織壓力下，初級(jí)開(kāi)發(fā)者可能會(huì)過(guò)度依賴(lài)AI以最快速度完成任務(wù)，犧牲真實(shí)的技能發(fā)展。這種趨勢(shì)從長(zhǎng)期來(lái)看可能削弱行業(yè)的技術(shù)能力。

然而，研究也指出了解決方案。有三種與AI的交互模式能促進(jìn)技能形成，這意味著AI可以成為學(xué)習(xí)的有力輔助工具，關(guān)鍵在于如何使用。保持認(rèn)知參與度，將AI視為解釋工具而非代碼生成器，可以兼顧效率和學(xué)習(xí)效果。

而這不僅需要個(gè)人主動(dòng)更改自己的習(xí)慣，還需要專(zhuān)門(mén)設(shè)計(jì)用于教育的AI進(jìn)行系統(tǒng)提示詞，讓使用者不只是復(fù)制AI生成的代碼。

而除了編程能力，像寫(xiě)作、數(shù)值分析、估算等實(shí)用技能，是不是也會(huì)因?yàn)槭褂昧薃I，導(dǎo)致缺少?gòu)姆稿e(cuò)中學(xué)習(xí)的經(jīng)歷，而難以培養(yǎng)起對(duì)應(yīng)能力了，這是一個(gè)更值得研究與關(guān)注的問(wèn)題。

參考資料：

https://arxiv.org/abs/2601.20245

https://www.anthropic.com/research/AI-assistance-coding-skills