AI写代码阻碍专业养成？新手过度依赖表现最差

一篇主張用 AI 寫程式會阻礙專業養成的長文，本週引起了很大爭議。作者 Lars Faye 的論點是，用好 AI 需要資深工程師的判斷力，而 AI 正好繞過了培養開發者的判斷力。

（前情提要：史丹佛研究：AI 沒有讓整體就業崩盤，但新鮮人就業變更難）

（背景補充：Lovable 8 個月估值翻倍衝 133 億美元，是三巨頭估值倍數中最貴的一個）

重點摘要 Lars Faye 長文在 HN 拿 558 分、542 則留言，論點是 AI 順手拿走了養成專業所需的摩擦 ICER 2024 研究：最放心用 AI 的新手表現最差，表現最好的是節制使用的那群 Faye 開的處方是把 LLM 當家教而不是當工人，並附上一份五題的自我檢查清單 一篇標題「AI 寫程式會阻止專業養成」的長文，本週在 Hacker News 爆紅，讓開發者社群吵得不可開交。作者 Lars Faye 是一位有數十年資歷的工程師，他自己每天也在用 AI 工具。他的論點不是要大家別用 AI，而是提醒一件容易被忽略的事，AI 幫你把程式寫完的同時，也順手拿走了你變強所需要的那些「痛苦摩擦」。

他把這篇文章的副標寫成「長期技能養成需要持續的摩擦」。整篇要處理的問題只有專家該怎麼培養？

Faye 在文章裡用了一個自創詞「熟練協調者悖論」，意思是把 AI agent 用好，你得寫得出規格、看得懂架構、一眼認出輸出哪裡不對。這些是有年資的工程師才長得出來的判斷力。但持續讓 AI 代勞，正好會讓這些判斷力停止成長。

他觀察到的現象是，現在從這些模型身上獲益最多的，是那些在 AI 工具出現之前就累積了十幾二十年經驗的人。任何一個資深工程師都會告訴你同一件事，那些底子是依照時間磨出來的。

新手需要專家的判斷力，才用得上專家的工具 Faye 把卡在中間的這群人叫做專家級新手，在 LLM 風行之後，入行的開發者沒有年資紅利，卻被要求（或規定）用 AI 工具加速產出。

目前公司的立場會很矛盾，一邊說不用 AI 就會被你的同事甩開，2023 年那句「AI 不會取代你，但用 AI 的人會」講到現在。另一邊又說 vibe coding 是死路，要往資深軟工走、要寫得出好規格、每一行輸出都要看懂才能推出去。

問題就在這裡，現在的 AI 工具要求你「已經是專家」，這個工具卻不會讓你變成專家。

Faye 用煮菜來說明這件事，如果他想學做菜，他可以站在旁邊看大廚工作，然後一直問、一直問。一個月後他能把完美的三分熟肋眼講得頭頭是道，卻從來沒有真的煎過一塊牛排，如果真的動手幾乎一定會煎過頭。

寫程式也是一樣，那些沒有日誌可查的錯誤、某個寫法在量大時才會浮現的效能差異、寫到一半發現架構撐不住只好整段重寫，這些事情本身就是訓練。他說德文裡有個很好的字可以描述這種東西，Fingerspitzengefühl，指尖感。就是那種看一眼就覺得「這個大概會出事」的肌肉記憶。避開了前期痛苦掙扎的過程，這種直覺就長不出來。

指南針永遠指北 Faye 認為用 LLM 學新東西，學習關係是倒過來的。傳統上是老師領著學生走，換成 LLM 之後變成學生先出手，模型回應，學生再修正方向，他把這種反過來的關係叫做倒轉學習。

這個模式很脆弱，因為 LLM 對提示詞的形狀極度敏感。當你踏進不熟悉的領域，你不知道自己不知道什麼，也就問不出那個真正該問的問題。他的比喻是，像是永遠指向北方的指南針，不管你站在哪裡它都讓你知道北方在哪裡，但你不知道自己在哪裡。

Faye 的判斷是，模型缺的不是知識，是判斷力、同理心與教學意圖。它給的解法不是從理解長出來的，是從訓練資料的模式裡內插出來的。這台無限答案機很誘人，一旦你陷進生成好的解法，你就只能繼續靠它把事情做完，而那段本來會讓你長出心智模型的摩擦就消失了。他還補充，資深工程師也會被「污染」。

最放心用 AI 的新手，表現反而最差 Faye 引用的是 2024 年 ACM 計算教育研究會議（ICER）的論文《The Widening Gap》，James Prather 等九位研究者逐一分析新手實際寫程式時的行為，JetBrains 最近又把這份研究拿出來引用。

結論跟受試者的自我感覺完全相反。他們以為自己多了一個私人家教，數據顯示他們並沒有那樣用，甚至是相反的用法。

重度依賴 AI 的那組經常跳過規劃階段，因為推理過程是 Copilot 做的。做完之後帶著研究者說的「能力的錯覺」，而不是真的理解。最放得開、最有自信的那幾個新手，跳過了解題流程裡的關鍵步驟，然後就迷路了。

節制使用的那組則長出了研究者稱為「負向專業」的能力，也就是有辦法忽略 AI 給的錯誤或沒用的建議。他們拿 AI 加速的，是自己本來就打算寫的東西。整份研究裡表現最好的新手，是大幅節制或乾脆不用 AI 的那群人。

賓州大學另一份研究追蹤了 1,000 名用 LLM 學數學的學生，結果是把 AI 當拐杖的那組，最後比只有課本的學生差了 17%。

Stack Overflow 2025 年開發者調查則給了產業端的數字。訪了 48,945 人，其中 26,004 位是專業開發者，84% 的人正在用或打算用 AI 工具，比 2024 年的 76% 再往上跳。但對輸出準確度「高度信任」的只有 3.1%，「高度不信任」的有 19.6%。

拆開年資看，還在學寫程式的人高度信任比例 6.1%，是所有族群裡最高；十年以上的資深開發者只有 2.5%，高度不信任的比例則是 20.7%，兩項都是極端值。越沒有能力驗證輸出的人，越願意相信它。

「把AI當作家教」

這篇文章真正的重點在後半，Faye 沒有叫任何人戒掉 AI，他給的建議是換一種用法。

想在程式上變強的人，應該大幅忽略這些模型的程式碼生成能力，改用它們的另外一面。把 LLM 當成互動式的文件、可以隨時追問的教材、蘇格拉底式的陪練對手，而不是答案產生器。

這個建議有實驗支撐，同樣是賓州大學那份研究，他們另外測了一個「家教版」的 GPT，學生遇到困難時它不直接給答案，而是引導學生自己走完...