当 AI 帮你绕过了所有坑——痛感消失之后，判断力从哪儿来？

当 AI 帮你绕过了所有坑——痛感消失之后，判断力从哪儿来？

去年十一月，我让 Claude Code 写一段处理并发请求的逻辑。

它直接给我上了 Mutex，加了超时控制，还写了优雅降级的 fallback。代码跑起来一切正常，测试全过，我扫了一遍 diff，合并了。

后来跟一个朋友聊到并发控制，他问我：“你那个场景为什么不用读写锁？Mutex 在读多写少的情况下会有性能问题。“我愣了一下。他说的对。我的场景确实是读多写少。但 AI 给了我 Mutex，我没有想过还有别的选项，因为它给的方案能跑。

更让我不舒服的是：我从来没有经历过”不上锁会怎样”。没见过竞态条件把数据搞乱的现场，没有凌晨被告警叫醒去查日志的记忆。我知道”并发要加锁”这个结论，但我不知道这个结论的重量。

AI 帮我绕过了一个坑。但那个坑本来可以教会我一些东西。

---

痛是怎么变成经验的

回想一下你职业生涯里学到最深刻的东西，大概率跟一次事故有关。

我问过七八个工程师朋友同一个问题：“你印象最深的一次技术教训是什么？“没有一个人提到看书或者上课。答案全是事故：上线把数据库锁了、配置改错导致全站宕机、SQL 注入被人刷了接口、忘记处理时区导致财务报表算错了一个月的数据。

每一次事故都很疼。疼完你记住了。下次遇到类似场景，身体里会有一个信号跳出来：“等一下，这个地方我踩过。”

这个信号就是直觉。直觉不是天赋，是被疼过之后长出来的条件反射。

学习的过程说白了就是这样：你做了一个决定，结果出了问题，你复盘为什么出了问题，下次遇到类似场景你的判断会更准。中间那个”出了问题”是整条链的关键环节。没有它，后面的复盘和判断力提升就不会发生。

医学教育里有个老话：“See one, do one, teach one.” 看一遍，做一遍，教一遍。但最重要的不是看也不是教，是”做一遍”里面那些搞砸的部分。实习医生第一次缝合缝歪了，指导医生指出来，他下次就知道力道该怎么调。如果一台机器替他缝了，缝得完美，他全程在旁边看，他的手指学到了什么？

AI 正在把坑填平

AI 写代码的强大之处在于：它见过太多代码，知道大部分场景的”正确做法”。你让它写一段逻辑，它会直接给你一个成熟的、包含了常见错误处理的方案。它不会忘记加锁，不会忘记处理 null 值，不会忘记边界检查。

这些”不会忘记”的东西，以前恰恰是你犯过错之后才记住的。

你第一次忘记处理 null，程序崩了，你记住了。第一次忘记边界检查，数据溢出了，你记住了。第一次忘记关数据库连接，连接池耗尽了，线上告警了，凌晨被电话叫醒，你记住了。

AI 在生成代码的那一刻就把这些坑全绕过了。你的代码库里不会出现忘记处理 null 的低级错误，你的测试不会因为边界条件没覆盖而失败。表面上看，一切都更好了。

但你没有经历过那个”忘记了，出事了，记住了”的循环。结论到手了，得出结论的过程被跳过了。

之前有篇文章我写过一句话：“AI 对待每一个问题的态度是一样的——自信。“这里我想补一个推论：AI 给你的每一个方案，也是一样的——干净。 你不会看到它犹豫、尝试、犯错、修正的过程。你只看到最终输出。

而那个”犹豫、尝试、犯错、修正”的过程，就是人类学习的全部。

---

学徒没有搬砖活了

这个问题对新人来说尤其严重。

传统的软件工程师成长路径很朴素：你刚入行，写增删改查、修小 bug、做数据迁移。这些活看起来没技术含量，但它们是训练场。你在写 CRUD 的时候搞错了外键关系，在修 bug 的时候第一次读懂了别人写的代码，在做数据迁移的时候学会了”先备份再动手”这条铁律。

每一件”搬砖活”都在教你东西，只是当时你不觉得。

现在这些活正在被 AI 接管。增删改查？Claude Code 两分钟搞定。小 bug？把报错贴进去，AI 直接给你修好。数据迁移？AI 帮你生成脚本，你跑一下就完事了。

效率高了。但学徒期正在被压缩到近乎消失。

一个 2024 年入行的初级工程师和一个 2020 年入行的，虽然都叫”初级”，但他们经历过的训练密度完全不同。2020 年那个人花了两年自己写代码、自己踩坑、自己修，积累了大量犯错的记忆。2024 年这个人从第一天就在用 AI，他的产出量可能更大，但他的经验厚度更薄。

有个类比你一定有体感：学开车。以前你得自己摸方向盘、踩离合器、熄火、被教练骂、重新来。搞砸过足够多次之后，手感就有了。现在假设有人给你一辆自动驾驶的车，你坐在驾驶座上”监督”它开。你看着它完美地完成每一次变道、每一次泊车。但如果有一天系统出了问题需要你接管，你的手感在哪？

招聘市场已经在反映这个变化。根据 SignalFire 的统计，美国前 15 大科技公司的应届生招聘量在过去几年下降了 55%。同时，资深工程师的需求在上升。市场在告诉你：它愿意为判断力付费。但这个判断力，本来需要在学徒期里慢慢攒出来。

学徒期被跳过了，市场对判断力的要求没有降低。中间这个缺口，目前没有人知道怎么填。

老手的直觉也在退化

如果你觉得这只是新人的问题，我说说自己的感受。

用 AI 写代码一年多之后，我发现自己在某些场景下的”第一反应”变弱了。

以前看到一段涉及并发的代码，脑子里会自动跳出几个检查项：锁的粒度对不对？有没有死锁风险？超时怎么处理？这些检查项不是刻意去想的，是多年踩坑之后形成的自动反应，跟你过马路会看两边一样。

现在我看到 AI 写的并发代码，第一反应变成了”看起来没问题”。不是因为我仔细检查过了，是因为 AI 写的代码太干净了——格式规范、逻辑流畅、看上去没有任何破绽。那些自动跳出来的检查项，出现的频率在降低。

新人的问题是”从来没长出过这块肌肉”。老手的问题不同：肌肉是有的，但在萎缩。而萎缩比从未拥有更危险，因为你会误以为自己还行。你以为那个检查清单还在脑子里自动运转，其实它已经好几个月没被触发过了。你扫一遍 diff 觉得”没问题”，但你分不清这个判断是真正的审查结论，还是因为你的警觉阈值已经悄悄抬高了。

之前我在另一篇文章里引用过一个读者的留言：“那种看 AI 代码时’感觉不对但说不出为什么’的直觉，其实不是代码审查能力，是身体在替你的元认知报警。”

这个报警系统需要持续被喂养。喂养它的材料，就是你亲手犯过的错、亲手修过的 bug、亲手做过的决定。当这些来源减少，报警的声音就会越来越小，小到你不再注意它。

---

主动制造痛感

说到这里你可能会问：那怎么办，不用 AI 吗？

当然不是。AI 是好工具。关键在于你有没有意识到工具替你跳过了什么。

我在过去几个月里摸索出了几个对自己有效的做法。不是什么系统性方法，就是一些帮我保持手感的小习惯。

最有用的一个：每周给自己留一段”裸写”时间。不用 AI，不用补全，从空白文件开始自己写。不需要很长，半小时到一小时。目的不是产出，是保持手感。就像钢琴家每天弹音阶一样——那个练习本身没有演出价值，但它让你的手指记住键盘的距离。

上个月我用”裸写”时间自己写了一段 WebSocket 心跳检测逻辑。写到一半发现自己忘了处理断线重连。如果是 AI 来写，它会直接把重连逻辑加上，我甚至不会意识到这是一个需要被考虑的场景。但因为是自己写的，我经历了那个”忘了，发现，补上”的过程。下次再碰到 WebSocket 相关的代码，我脑子里会多一个检查项。

另一个习惯更简单：AI 给我方案之后，在接受之前问自己一句——“如果不用 AI，我会怎么写？“不需要真的写出来，在脑子里过一遍就够。如果你发现自己完全想不出另一种方案，那说明你对这个问题的理解还不够深，可能需要先自己想十分钟再看 AI 的输出。

还有一个我加在复盘环节里的问题：“这次如果没有 AI，我会在哪一步犯错？“这个问题帮你看见 AI 替你绕过了哪些坑。看见了，你可以有意识地去补那块认知。看不见，那块空白就会一直留在那里，直到某天它变成一个你处理不了的线上事故。

这些做法的本质是一样的：主动给自己制造学习的机会。 速度会慢一点。但你换回来的，是对代码的掌控感，和一个持续在工作的报警系统。

你最近一次从零开始、不借助 AI 写一段完整的代码，是什么时候？