一位开发者在Reddit晒出学习记录：2个月前遇到问题就搜教程、抄AI答案，现在敢对着文档死磕3小时。这种转变在AI编程工具普及的2024年，显得有点反直觉。
第一阶段：把AI当拐杖，越用越瘸
他坦承最初的状态很典型——「如果找不到完全匹配问题的教程，我就卡住了」。遇到报错第一反应不是读错误信息，而是把提示词扔进ChatGPT，复制粘贴生成的代码，能跑就行。
这种路径依赖的后果是：项目能交付，但换个场景就懵。他形容自己「在复制模式，而不是理解模式」。JavaScript学了半年，闭包、原型链这些核心概念仍是一团浆糊。
更隐蔽的伤害在决策层面。他提到「对技术决策缺乏信心」，本质上是不理解代码背后的权衡。AI生成的方案为什么用reduce而不是map？不知道。性能瓶颈在哪？不清楚。系统一旦出故障，排查全靠运气。
这种状态像用导航开车——能到目的地，但关掉屏幕就迷路。
转折点：被迫慢下来，反而快了
改变始于一个具体动作：开始读官方文档。不是扫一眼API列表，而是逐行理解设计 rationale（基本原理）、看示例背后的假设条件。
他描述这个过程「更难，有时更慢」。以前30分钟能糊完的功能，现在可能要拆成2小时——先画流程图、查3份资料、手写伪代码，最后才敲实现。
但反馈来得很快。两个月后，他在JavaScript上的成长「肉眼可见」，更重要的是「解决问题的独立性」回来了。遇到陌生库不再慌，能顺着文档目录结构自己摸清楚；看到报错信息会分层定位，而不是全盘扔给AI。
他的总结很直白：「真正的成长始于慢下来、问为什么、逼自己批判性思考。」
AI时代的「反效率」策略
这个案例戳中了一个行业焦虑：AI编程工具越强大，开发者越担心「被替代」。但他的经历暗示了另一种可能——工具普及反而放大了「理解力」的稀缺性。
能复制粘贴的代码正在贬值。GitHub Copilot（代码补全工具）用户平均有35%的代码由AI生成，但Stack Overflow 2024年调研显示，「调试AI生成的代码」已成为开发者第三大痛点。换句话说，生成代码的门槛消失了，判断代码好坏的门槛抬高了。
他的学习方法本质上是在重建「元能力」：把AI从「答案供应商」降级为「草稿生成器」，自己保留终审权。这需要刻意练习——比如先自己写一版再对比AI方案，或者要求AI解释每一行代码的设计理由。
一个细节值得注意：他提到「把问题拆解后再写代码」。这是资深工程师的本能，但新手往往跳过这一步直接上手。AI的便利恰恰强化了这种跳过，形成「越用越不会思考」的负循环。
打破循环没有捷径，只有故意给自己制造「不舒适区」。
从个人到系统：这种转变能复制吗
他的故事在开发者社区引发共鸣，但也有人质疑：个人毅力能否对抗系统性压力？
现实是，多数工作场景奖励「快」而不是「深」。产品经理要排期，客户要demo，老板要周报——慢下来学习的机会成本很高。他能在2个月完成转变，前提是有相对自主的时间安排。
另一个变量是反馈机制。他的「成长感」来自能独立解决问题，这种正反馈又强化了新习惯。但如果所在团队代码 review（审查）流于形式、技术债务无人清理，个人努力很容易被系统稀释。
有评论者分享类似经历：「我花了6个月戒掉复制粘贴，现在看之前写的代码像看陌生人。」也有人仍在挣扎：「知道该读文档，但 deadline 就在眼前，AI 太香了。」
这引出一个开放问题：当AI把「写代码」变成廉价操作时，行业评价体系会如何重构？面试考算法题还有意义吗？「能独立排查复杂故障」会不会成为新的溢价能力？
他的帖子最后没有给出答案，只留了一句：「不容易，但值得。」
热门跟贴