2024年Stack Overflow开发者调查发布那天，一个数据让硅谷的会议室陷入沉默——44%的开发者正在用人工智能工具学习编程。不是写代码，是学编程。这个数字背后，是一套运转了二十年的新人培养系统正在崩塌。
被误解的"新人问题"
资深工程师的抱怨清单很长：新人不懂底层原理、过度依赖人工智能、问基础问题、不会排查线上故障。这些批评在Slack频道和Twitter上反复出现，几乎成了一种行业共识。
但这份共识漏掉了一个关键事实——发出抱怨的同一批人，所属的公司刚刚裁掉了内部导师项目，取消了代码审查的固定时段，把新人的直属上级换成了同时带六个项目的"共享领导"。
行业一边拆除培养新人的基础设施，一边指责新人质量下滑。这不是诊断，是因果倒置。
1999年，哈佛商学院教授艾米·埃德蒙森（Amy Edmondson）发表了一项针对51个工作团队的研究。她发现，心理安全感（psychological safety）与学习行为高度相关。这项研究后来被引用超过两万次，却在工程团队的日常实践中被大量忽视。
埃德蒙森的研究揭示了一个简单机制：新人通过承担小的人际风险来学习——问一个可能显得无知的问题、承认自己的代码有缺陷、请求解释一段不理解的逻辑。如果这种提问被惩罚，新人就会停止提问。然后资深工程师会说新人"安静、被动、不好奇"。这是惩罚公开学习的团队必然会得到的结果。
被压缩的"系统冗余"
培养合格的新人需要系统中的冗余。必须有人有时间教学。
这需要时间。而公司最先削减的，就是这部分时间。
2010年代的科技扩张期，一套默认的培养机制曾经存在：新人入职后有固定的导师配对，每周有代码审查的专门时段，技术分享是计入工时的正式活动。这些设计不是为了温情，是为了降低知识传递的交易成本。
2022年后的收缩期改变了计算方式。导师制被认定为"非核心人力成本"，技术分享变成"自愿参加的业余活动"，代码审查被压缩到异步的GitHub评论里。当资深工程师自己的绩效取决于交付速度时，停下来解释一段架构决策就变成了个人损失。
新人没有消失，但培养新人的系统消失了。
GitHub 2025年Octoverse报告显示，近80%的新开发者在注册第一周内就使用了Copilot。这个数据常被解读为人工智能的普及度，但另一个解读更尖锐：新人在找不到人类帮助时，转向了唯一可用的对话界面。
Stack Overflow的同一项调查揭示了使用场景——44%的开发者用人工智能工具"学习编程技术或新语言"。不是生成代码，是学习。这不是替代资深工程师，是填补资深工程师留下的空白。
被美化的"过去的学习方式"
一种叙事在资深工程师群体中流传：老一辈开发者通过深入的第一性原理学习成长，而新人只会向人工智能要答案。这种叙事选择性地遗忘了历史。
上一代开发者使用的学习工具包括：复制粘贴Stack Overflow代码、在IRC频道里等待陌生人回复、阅读可能已经过时的官方文档、反复试错直到程序运行。有些人通过这些捷径建立了深度理解，有些人只是形成了 cargo cult（货物崇拜）式的机械复制。
人工智能时代的新人面临同样的分野。关键问题不是"是否使用了外部帮助"，而是"是否建立了理解"。
但区分这两者的责任，落在了已经不存在的人身上。
资深工程师如果希望新人成长，需要改变审查方式：不只是看最终的代码差异（diff），而是审查思考过程——新人问了什么问题、尝试了哪些路径、从人工智能的回应中提取了什么。这种审查需要面对面的对话，需要被计入工作时间，需要组织层面的认可。
这些条件在大多数团队已经不具备。
被重新定义的"初级开发者"
一个根本性的概念混淆加剧了问题：许多公司把初级开发者当作"打折的资深开发者"来使用。这是一种类别错误。
初级开发者的定义性特征是：具备潜力、基础能力正在形成、生产环境经验有限、需要反馈。这些是可习得的技能，不是人格特质。如果公司不教授这些技能，就不应该惊讶于新人从人工智能、YouTube、旧文档、Stack Overflow、Discord、Reddit和反复试错中学习。
这不是堕落，是理性选择。当组织提供的知识传递渠道失效时，个人会寻找替代方案。人工智能只是最新、最可用的替代品。
2025年的行业现状是：新人数量没有减少，但新人成长为合格工程师的路径被大幅延长。延长的成本没有被消除，只是被转移——转移到了新人自己的业余时间里，转移到了人工智能工具的订阅费用上，转移到了未来某个时刻的线上故障排查中。
资深工程师的抱怨在这个意义上是准确的：新人的确在基础能力上表现不足。但抱怨的对象错了。不是新人变了，是培养新人的系统被主动拆解了。拆解者正是发出抱怨的同一批组织。
一个健康的工程文化会承认：新人的质量是组织设计的输出，不是市场供给的输入。当这个等式被颠倒时，所有的"人才短缺"讨论都变成了对系统性失败的误认。
热门跟贴