AI额度用完那天,＂天才程序员＂当场陨落

本文是「就业观察」系列第 4 篇 / 共 5 篇。每周二、四、六早上更新。

我在另一个栏目里写过一句话：AI 是放大器，它放大的是你本来就有的能力。 当时是从"会用 AI 的工程师 vs 只会问 AI 的人"这个角度讲的。

带完这两轮实训，我发现这句话在课堂里被验证得，比我想的更刺骨。

一句先交代：我当年是怎么练出来的

还是得亮底牌。我读的是华南一所双非地方院校，数学系，计算机是自修理的。带我们学计算机的那位老师，给过一个不上培养方案、但死磕到底的要求：毕业前累计写够 5 万行有效代码。

"有效代码"四个字很关键——不是复制粘贴凑数，是真正自己写、自己调通、自己踩过坑的代码。我毕业时，手感是不弱的。不是因为我多聪明，是因为那 5 万行，每一行都逼着我和编译器、和报错、和自己的逻辑短板，正面刚过。

所以今天我看到实训里的孩子，心里有个很具体的落差：他们很多人，整个大学四年，写通的"有效代码"恐怕 5 千行都够呛。（这是带班体感，不是严谨统计，但差距是量级上的。）

整段实训，都在靠 Claude 和 ChatGPT

这轮实训教的是 Spring Boot 加 AI。我原以为，学生会在这里第一次真实地"做"一个项目。结果我发现，相当一部分人，从头到尾都在依赖 AI 写代码。

需求丢给 Claude，代码吐出来，复制进项目，能跑就过。报告让 ChatGPT 生成，改改交了。最终项目，也是 AI 搭的骨架、AI 填的肉。

我不是反对用 AI。我自己每天都在用，它也确实快。问题是比例和姿势：当 AI 从"加速器"变成"代笔"，成长的那条路，就被悄悄截断了。

token 一耗尽，"天才程序员"瞬间陨落

课堂上有个画面我印象极深。

有个学生，前三天用 AI 把项目搭得有模有样，演示的时候讲得头头是道，活脱脱一个"天才程序员"。结果某天他的 Claude 额度用完了，或者说，他卡在一个 AI 给的代码跑不通、他又提不出新问题的小坑上。

那天他坐在那，对着一段他根本没读懂的代码，一动不动。

我过去问："这行报什么错？"他摇头。"你改过哪几版？"摇头。"你理解这段在干嘛吗？"还是摇头。

那一刻我明白了：这段代码从来不是他写会的，是 AI 写会的。额度一没，天才陨落。

这不是个例。实训里不止一个"前脚天才、后脚卡死"的现场。

被跳过的，是那道"踩坑—定位"的回路

为什么这事儿严重？因为编程真正的手感，不是"写出能跑的代码"，而是"写出跑不起来的代码，然后把它救活"。

你写错一个类型，编译器报错；你查半小时，发现是少写了一个注解；你改完，跑通了。这一来一回，你记住的不是一个语法，是"这类问题长什么样、从哪下手"。十万行工程师和一千行新手的区别，八成在这条"踩坑—看报错—查—改—定位"的回路上。

AI 代写，恰好跳过了这条回路。

它给你一段正确的代码，你没机会错、没机会查、没机会改。你省下了最累的那一步，也省掉了唯一长本事的那一步。等你真要独立写、真要面试里被追问"你为什么这么写"，你的大脑是一片空白——因为那个位置，从来是你该自己长的肌肉，被 AI 替你代劳了。

所以：AI 降低的是门槛，抬高的是判断的门槛

回到我那个栏目的老话——AI 降低的是"写出代码"的门槛，抬高的是"判断代码好坏"的门槛。

以前，你会写代码就值钱。以后，你得能判断代码对不对、合不合适、扛不扛得住——而这个门槛，比"会写"高得多。

更残酷的是：判断的门槛，恰恰需要先有手感才能迈过去。 而手感，只能靠自己一行行错出来、改出来。AI 可以替你写，但替不了你"长肌肉"。

我在实训里最怕看到的，不是学生用 AI，而是学生只会让 AI 写。前者越用越强，后者越用越废，而且这个变化是悄悄发生的，等你察觉，已经在坑底了。

给正在用 AI 的你一句实在话

用 AI 没错，错在只让 AI 写。

一个能救你的习惯：AI 给的代码，先别复制。问自己三句——它为什么这么写？换个写法行不行？什么情况下这段代码会出问题？这三句"为什么"，就是你和"只会问 AI 的人"之间，真正的分界线。

答不上来，别慌，那是你该补的知识点，不是你笨。去查，去改，去让它错一次——然后把它救活。那一救，才是你长本事的时候。

下一篇，落到最实在的：秋招前，一个大四学生，今天就能动手做的六件事。

相关阅读：老吴的 Java 学徒笔记《AI 都能写代码了，为什么还要学 Java》——本文论点即由此延伸而来。