夜雨聆风
“外包”思考:用AI替代思考正在悄悄废掉我们
【虾哥导读】
KoshyJohn在博客里写了一段话，看得人后背发凉。
他在跟几家科技大厂的管理层聊过之后，发现软件工程师正在分化为两类：
第一类：用AI消除枯燥、跑得更快，把时间花在真正重要的事情上——定义问题、权衡取舍、发现风险、制造清晰、产生原创洞察。
第二类：用AI替代思考。把提示词粘贴进去，把抛光过的输出拿出来，当成自己的推理结果。短期内这看起来像生产力，甚至像天赋。但这是一条死胡同。
这两类人的轨迹，从第一天就开始分叉。
SWE-bench失效：AI编程能力的信任危机
先说另一个更具体的事。
2026年4月，OpenAI发了一篇博客，承认了一件很少有人愿意承认的事：SWE-bench Verified，这个行业里最权威的AI编程能力基准，已经不能用了。
他们审计了138道模型经常做不对的题，发现59.4%存在实质性缺陷——测试用例会拒绝功能正确的解决方案。比如，一道题要求修复某个函数，测试用例却要求必须用一个只在测试代码里出现、问题描述里根本没提的函数名。你实现了正确的逻辑，对不起，不行。
另一个问题更致命：所有前沿模型在训练时都见过这些测试题。
这相当于什么？相当于期末考试的题目和答案提前发给了学生，然后你用学生的考试成绩来证明他们学会了。OpenAI自己的说法是：” improvements on SWE-bench Verified no longer reflect meaningful improvements in models’ real-world software development abilities”——SWE-bench Verified上的进步，不再反映模型在真实软件开发能力上的进步。
这意味着什么？意味着过去两年，行业里反复引用的那些”AI编程能力接近人类专家”的数字，可能有一大半是幻觉。
但这不是今天要说的全部。
“外包思考”比”外包工作”更危险
KoshyJohn提出的那个概念——outsourced thinking，外包思考——才是真正值得警惕的东西。
他说了一个很直接的观点：AI的危险不在于让人变懒，而在于让人很容易地假装有能力，而实际上没有建立能力。
把问题扔给模型，收到一个看起来合理的答案，然后把这个答案当成自己的理解复述出来。这比抄袭更糟。至少学生抄同学的答案，背后还有一个真实的人在思考。而用AI的人，可以呈现一套自己不理解、无法捍卫、离开了机器就复现不出来的”推理”。
KoshyJohn的原话是：
“Every time you substitute generated output for your own comprehension, you are skipping the exercises / reps that build judgment. You are trading long-term capability for short-term appearance.”
每次用生成结果替代自己的理解，你都在跳过那些本该建立判断力的训练。你在用长期能力换短期表象。
这不是一个道德说教。这是一个关于技能形成机制的事实判断。
早期职业工程师：被温水煮青蛙的一代
KoshyJohn特别提到了早期职业工程师的风险。
职业早期是基础技能形成的阶段。调试本能、系统直觉、精确性、品味、怀疑精神、问题分解能力、理解为什么某件事能work而不只是看起来能work——这些能力怎么来的？
通过摩擦。通过挣扎。通过把事情做错再修回来。通过追溯失败到根本原因。通过写出代码然后发现它经不起现实检验。
这个过程不是可选项。这是工程师获取和提升能力的唯一方式。
KoshyJohn用了几个类比：
在大学里抄答案，毕业后做一份需要独立思考的工作。
用计算器做所有算术题，从来不培养数感。
在学会真正开车之前就依赖自动驾驶。
“The support system may make you look functional, but it does not make you capable. And eventually raw capability is the main thing that matters.”
支持系统让你看起来能运转，但不让你真的有能力。而最终，真实能力才是唯一重要的事。
问题在于，这个损害是慢性的、隐性的。一两个季度内，你看不出一个过度依赖AI的工程师和一个真正在建立能力的工程师有什么区别。差别要到三五年后才显现。到那时候，船已经开了很远。
没有人愿意面对的真相
KoshyJohn有一段话说得很直白：
“There is no generated explanation that transfers mastery into your brain without you doing the work. There is no way to outsource reasoning for long enough that you still end up strong at reasoning.”
没有一种生成出来的解释，能在不经过你自身努力的情况下把精通转移到你的大脑里。没有一种方式可以长期外包推理，然后还指望自己最终在推理上很强。
你当然可以外包机械性的工作，加速研究，压缩日常任务。这些都应该做。
但你无法跳过技能的养成阶段，然后还指望自己拥有那些技能。
这才是AI辅助裁员最隐蔽的那一层。
表面上是公司用AI替代了程序员。实际上是程序员自己用AI替代了自己的成长。公司在短期内看到了成本下降，程序员在长期失去了护城河。
AI时代的程序员护城河，到底是什么？
KoshyJohn说了一句关键的话：
“The valuable engineer is the one who sees the hidden constraint before it causes an outage. The one who notices that the team is solving the wrong problem. The one who reduces a vague debate into crisp tradeoffs.”
有价值的工程师，是那个在隐藏约束导致故障之前就看到它的人。是那个注意到团队在解决错误问题的人。是那个把模糊的争论压缩成清晰权衡的人。
这些东西，AI可以支持，但不能拥有。
但问题来了：如果你在职业早期就习惯了用AI回答所有困难的问题，你真的能成为那样的人吗？
那些技能——系统直觉、调试本能、对模糊现实的精确感知——必须在挣扎中才能生长。而AI正在系统性地消除挣扎。
KoshyJohn的观察告诉我们一件事：那些过度依赖AI的程序员，有多少是在建立能力，又有多少是在用短期产出掩盖长期空洞。
欢迎在评论区聊聊你的想法~
如果这篇文章让你有收获，别忘了点赞、分享、推荐～
也欢迎关注我的公众号，每天有AI最新资讯分享🦐
