文章摘要
文章指出，AI编程工具虽能提升效率，但可能削弱开发者的专业技能。资深开发者因多年经验积累，受技能退化影响较小；而新入行者在缺乏长期实践的情况下依赖AI，难以形成扎实的专业基础，导致专家能力难以培养。
文章总结
中文重述：AI编程将阻碍专业技能的培养
核心观点： 过度依赖AI编程工具，尤其是对新手而言，会阻碍其专业技能的培养，形成“专家新手”悖论——即使用工具所需的专家级技能，恰恰因依赖工具而无法获得。
关键细节：
“专家新手”悖论：当前行业传递矛盾信号——既强调不用AI会被淘汰，又指出只有具备高阶思维（如架构设计、严格审查输出）才能用好AI。然而，这些高阶思维恰恰来自长期实践中的“摩擦”与挑战。新手陷入困境：工具要求专家技能，但工具本身又绕过了培养专家技能的必经之路。
“自信而无理解”现象：JetBrains研究显示，重度依赖AI的新手开发者：
- 跳过关键规划阶段，直接让AI生成代码；
- 产生“能力幻觉”，实则缺乏真正理解；
- 一旦深入AI生成的解决方案，便受制于AI，无法独立解决问题。 相反，限制或忽略AI辅助的新手表现更好，因为他们培养了“负面专长”——识别并忽略AI错误建议的能力。
“倒置学习”模式：LLM的自我导向特性导致经验越丰富，收益越大；知识越少，越易被误导。新手在探索陌生领域时，甚至不知道应提出哪些正确问题，导致AI像“永远指向北方的指南针”，无论你建议北方在哪。即使准备充分的学生，也可能被AI诱入歧途，最终依赖AI修复其自身引入的错误。
“摩擦即功能”：专业技能源于反复试错、解决模糊错误、重写不可扩展方案等“应用摩擦”。这种摩擦构建了“开发者直觉”（Fingerspitzengefühl）。宾夕法尼亚大学研究发现，使用AI辅助学习数学的学生，成绩比仅用课本的学生差17%，且自认为表现优异。而将AI用作“苏格拉底式对话伙伴”（而非答案生成器）时，学习效果显著提升（练习阶段提升127%）。
“管道崩溃”风险：若持续优先代码生成而非深度理解，将无法培养下一代专家来维护当前创建的代码。AI模型本质是模式插值器，而软件工程是适应与创新性解决问题，无法通过插值应对完全独特的系统故障。
作者建议：
- “摩擦优先”原则：新手应基本忽略AI的纯代码生成功能，转而将其用于交互式文档、动态教程生成和苏格拉底式练习。
- 自我检查清单：使用AI前自问——没有AI能否完成任务？是在加深理解还是加速获取答案？能否解释生成的输出？是否已通过官方文档、同行、试错验证AI输出？
- 区分“认知债务”与“认知卸载”：前者是放弃判断与决策，后者是委托机械或繁琐任务。刻意选择更慢、更审慎的路径，是培养专长的最佳方式。
结论： 若行业持续聚焦代码行数与令牌消耗，而让专长管道干涸，萨姆·奥尔特曼“按表出售智能”的愿景可能成真。领域知识将变得稀缺，没有AI订阅便无法进行开发工作。智能不是商品，技能发展离不开主动参与和“必要摩擦”。
评论总结
根据评论内容，总结如下：
主要观点一：AI导致工程师技能萎缩与认知摩擦缺失 - 多位评论者（如ryandvm、aledevv、TonyAlicea10）认为，过度依赖AI生成代码会削弱工程师的逻辑推理和问题解决能力，如同肌肉萎缩。aledevv指出：“if you stop training the 'muscle' of logic and reasoning, it gradually atrophies”（如果你停止训练逻辑和推理的“肌肉”，它会逐渐萎缩）。TonyAlicea10强调：“LLMs are not going to become a 'new compiler'”（LLM不会成为“新编译器”），并创建了“do-i-understand”技能来对抗技能退化。
主要观点二：AI对初级工程师冲击更大，高级工程师仍可受益 - xyzelement认为，AI主要打击“低层级工程师”，即那些缺乏真正好奇心和投入的人：“What I think will be hit much harder by AI is the low tier engineer”（我认为AI对低层级工程师的打击更大）。jp57则指出，高级工程师虽能受益，但长远来看，这种技能可能像马术和航海一样被淘汰：“Horsemanship and sailing were both specialized skills of high value to society, and now they're not”（马术和航海曾是高价值技能，现在已不是）。
主要观点三：代码质量下降与“氛围编码”风险 - kodoman警告，AI生成代码会导致“bloated ad-hoc, poorly thought-out”（臃肿、临时拼凑、考虑不周）的程序，虽然能运行但缺乏正确性。foldr指出，在专业领域使用AI编码时，代码变得“effectively impossible to review”（实际上无法审查），用户只关心输出结果。
主要观点四：AI是工具演进，工程师角色需转变 - notthefda认为，编写代码从来不是核心工作：“Writing code was never the job”（编写代码从来不是工作），真正的工程在于需求、架构和验证。0xbadcafebee指出，技能退化并非新现象，工程师的新工作是使用AI工具：“Your new job is to use the AI tools to make products”（你的新工作是使用AI工具来制作产品）。efficax强调，工程原则依然适用：“you still have to apply engineering principles”（你仍然需要应用工程原则）。
平衡观点：AI的积极面与历史类比 - 部分评论者（如chris_money202）认为，AI可能改善算法和系统设计能力，而非完全萎缩。jp57和0xbadcafebee用历史类比（马术、航海、织布机）说明，技能转移是常态，新工具会催生新专家。dingaling911提出实用方法：将AI视为初级工程师，通过要求其编写伪代码和参考文档来保持知识传递。