你是否也遇到过这样的情况：让AI 生成一段代码，运行完美，目标实现，但是你却对这段代码并不清楚。
你是否担心，长此以往，编程能力会悄悄退化？
这个问题的答案，可能和你想的不一样。
Anthropic 在今年1月出了一份报告 "How AI assistance impacts the formation of coding skills"，给出了指引：用AI的方式不同，效果天差地别。
简要来说，让AI 生成代码来提高工作效率时，如果你想学习新技术、提高自己，就需要多做一些：
- 还要看懂、理解代码和技术，这些都可以询问AI，让AI 老师帮助你。
- 遇到代码报错时，先自己查看调试、再问AI。
AI辅助编程 v.s. 无AI辅助编程
下面我们来具体看看这份报告。其中做的实验主要考察两个方面：
一、在要用到新技能的编码任务中，是否使用AI辅助能让程序员更快地完成工作？
二、这种AI辅助是否会影响程序员对新技能的掌握？
这个实验招募了52名程序员，他们都有至少一年的Python开发经验，熟练使用Python。实验中，要求他们使用一个以前没有用过的Python库Trio来完成指定的编码任务。每个任务都包括一段问题描述、起始代码和Python库Trio的知识点（这是模拟程序员根据自学教程，"做中学"某个知识点的过程）。这些程序员们分成了两组，一组在编写代码时使用AI辅助，另一组没有AI辅助。
完成编码任务之后，马上测试这两组程序员对于新学知识的掌握程度。一般从四个方面来测试编程技能：调试代码 ( Debugging )、读代码 ( Code Reading )、写代码 ( Code Writing )和概念 ( Conceptual )。研究人员没有测试写代码这一项，一是可能代码出错会影响判断。更重要的是，现在AI 可以写一些基础的函数和代码，人类主要负责代码架构设计。因此，写代码的能力似乎不那么重要了，而阅读和调试AI生成的代码是必备技能，还要掌握概念、知识点。
实验结果显示，AI辅助编程组完成编码任务的平均时间比无AI辅助编程组快约两分钟，没有明显的差异。分析原因是AI辅助组的一些程序员花了很多时间思考和编写合适的提示词。需要注意的是，这个实验是模拟应用新技术、新知识到编码工作中的情况，需要边学边用。如果是已经掌握的技术，估计AI 辅助编程能够极大提高效率，相比无AI辅助组的优势会大得多。
但是，测试中AI辅助编程组的表现是50%，无AI辅助编程组的表现是67%。AI辅助编程组低了17%。
怎么会出现这么大的差异？
研究人员进行了深入分析。有AI辅助的那一组直接采用AI生成的代码，完成编码任务的过程中遇到的错误很少。而无AI辅助的组，遇到了更多错误。他们在调试时，深入理解代码，从而加深了对新库的理解。
看来，在掌握新技术上，遇到并调试代码错误很重要。
六种使用AI辅助编程的方式
那么，有AI辅助编程是否就一定意味着学习能力降低呢？ 毕竟用AI辅助编程是大势所趋。
不一定。如何使用AI会影响后续测试的表现，也就是会影响他们获得这个技能的程度。
研究人员梳理出使用AI辅助的六种方式，如下图所示：
这张图中，横轴是编码任务的完成时间，越往右表示完成时间越长。纵轴是测试得分，越往上表示得分越高，对新技术的掌握程度越高。
可以看到，其中有三种AI使用方式的测试得分低，分别是39%、35%、24%（均低于40%），完成时间分别为19.5分钟、22分钟、31分钟；另外三种AI使用方式的测试得分高，分别是65%、68%、86%（均不低于65%），完成时间分别为22分钟、24分钟、24分钟。
这里有一个重要的发现：编码任务完成时间长，学习效果并不一定好。 例如图中右下角的 Iterative AI Debugging组，耗时最长（31分钟），测试得分反而最低（24%）。反过来说，学习效果好也可以花费时间并不多，例如图中最上方的Generation-Then-Comprehension组，耗时中等（24分钟），测试得分最高，达到86%。
也就是说，编码任务完成时间并不是学习效果的可靠指标，那么，这其中起作用的是什么呢？接下来就来分析一下这两类AI使用方式：
学习效果差的三种AI使用方式
测试得分低的三种使用AI的方式分别是：
-
AI Delegation （AI委派）：这个组的程序员完全依赖AI来编写代码。这个组完成编码任务的速度最快，在编码过程中也极少甚至没有遇到错误。
-
Progressive AI Reliance （渐进式AI依赖）：这个组的程序员一开始会问AI 一两个问题，但很快就把所有的代码编写工作都交给AI。
-
Iterative AI Debugging （反复依赖AI调试）：这个组的程序员依赖 AI 来调试或验证所写代码。这个组与 AI 对话次数更多，所以完成编码任务也花费时间更多。但是，程序员依赖 AI 来解决问题，而不是让自己的理解更清楚，因此测试表现差。
这三组的共同点就是完全依赖AI，基本上拿到任务或遇到问题就全盘交给AI了。 他们在使用AI的同时，也让AI替代了自己的思考，并没有在这个过程中形成自己的理解。因此，在测试时就暴露出没有掌握好这个新技术。
学习效果好的三种AI使用方式
测试得分高的三种使用AI的方式分别是：
-
Generation-Then-Comprehension （先AI生成代码、然后理解）：这个组的程序员先用AI生成代码，然后问AI一些问题，帮助理解。这组程序员完成编码任务并不快，但是在测试中展现了对新知识点的高水平理解。值得注意的是，这种使用方式看上去与AI Delegation（AI委派）组几乎一样，不同的是，这组还用AI来帮助自己理解。
-
Hybrid Code-Explanation （生成代码+解释代码）：这个组的程序员既用AI生成代码，也要AI解释所生成的代码。阅读和理解这些解释花费了一定时间，但也让他们很好地掌握新技术。
-
Conceptual Inquiry （查询概念）：这组程序员只是问AI 一些概念问题来弄明白知识点。理解了新技术之后，（从描述来看）他们自己编写代码，没有使用AI 生成代码。这组程序员遇到的代码错误更多，但是他们自己解决这些错误。这个模式完成编码任务速度快。
这三组程序员不仅用AI生成代码，还会让AI来讲解代码帮助自己理解，或者主动问AI概念、知识点的问题。 因此，他们对于新技术的理解更加深入。
看来，完全可以用AI来生成代码，但必须理解代码背后的逻辑。
更多发现
实验中还有一个有趣的发现，对于AI生成的代码，手动输入和直接复制粘贴的掌握效果几乎没有差别，并不会因为打字“抄写”一遍就理解吸收，反而还会拖慢任务完成速度。这也和我们学习编程时的体会相似，照着样例代码敲一遍，并不会留下印象，而应该是不看示例，自己独立写一遍才有效。
此外，实验中并非所有AI辅助组的程序员都使用了AI生成代码，只有约三分之二的人这么做。其中那些完全依赖AI、不追问理解的程序员，学习效果普遍较差。比如测试得分最低的8个人中，有3个就属于 AI Delegation 组（AI委派组）。可以想见，如果使用AI 辅助的程序员都是这样仅使用AI生成代码，虽然完成任务会更快，但是与无AI辅助组在测试中的差距恐怕也会更大。
总结
所以，AI会让你的编程能力进步还是退步呢？
答案并不取决于工具本身，而是取决于你如何使用它：
-
完全依赖AI，不做思考→ 能力停滞甚至退化；
-
让AI解释代码和概念，独立调试代码→ 效率与能力兼得；
OpenAI 研究员Gabriel Petersson 的做法就是“高分使用方式”的典型：他在学习新技术时，先让AI介绍知识点，再让AI生成代码，然后他看代码，不断追问AI，直到完全弄懂。（详细内容欢迎阅读这篇文章： OpenAI 研究员如何用AI高效学习？）
你在使用AI 编程时，有哪些‘避坑’经验或高效技巧？欢迎在评论区分享，让我们一起探讨，如何在AI时代成为更好的程序员。
参考：
