ARTICLE · 1218332
AI 数秒写完代码,初级程序员谁来带?
10 月 15 日，微软在官方博客发博文，宣布与卡内基梅隆大学（CMU）联合推出“人工智能加速软件工程导师制”项目 PRAISE。IT之家、ZAKER 等多家媒体做了转述报道。
这个项目要解决的问题，正是今年整个行业都在争论的那个：当 AI 可以在几秒内生成一段代码、参与设计、修复缺陷，初级程序员的成长路径在哪里？
微软 CTO Mark Russinovich 和 CMU 给出的共同答案很明确：路径在，但必须重新设计培养方式。
# 核心判断
AI 没有取消新人，它取消的是旧的新人培养机制——阶梯还在，起点被锯掉了。
效率红利，分配不均
PRAISE 的起点，是 Russinovich 2025 年 10 月访问 CMU 计算机科学学院时做出的一个观察。
他注意到一个结构性的事实：AI 工具让资深工程师的效率显著提升——他们更会指挥 AI，也更会判断产出质量；而初级工程师既还不会“深思熟虑地使用 AI 工具”，又可能因为企业过度依赖 AI 产出代码，被压缩招聘空间。
翻译成我们熟悉的语言：过去每个新人都有自己的一架成长阶梯——修小 bug、写重复的 CRUD、照着旧代码抄改，在摸爬滚打里学会看日志、追依赖、踩坑。这架阶梯最下方的几级台阶，恰恰是“重复性劳动”，而它正好是 AI 替换起来最顺手的部分。
这才是 PRAISE 想解决的真问题：不是“初级程序员会不会被取代”，而是“旧的培养机制失效了，得造一个新的”。
PRAISE：把“临床带教”搬进软件工程
结对：初级学员 × 资深导师
课程：《生产环境中的机器学习》《AI 增强软件工程导师制 I》（春季进 DevOps 与第二阶段）
学分：计入 软件工程硕士，CMU 教授 Jonathan Aldrich 监督
# 人数、成本、选拔细节未披露——仍是小范围试点
学员的视角，微软西雅图工程师 Jace Watson 说得挺直白：本科读书时 AI 已经普及，但教育体系没有把它当核心；进了微软，AI 成了每天工作的一部分，我想通过这个项目学会真正用足这些工具。
为什么是“临床带教”
医学界的临床带教，早就回答过一个软件工程一直没解决的问题：怎么训练住院医师？
你不能让实习生独立上手术台，也不能让他只读教科书。所以医学界的解法是：真实的手术台、真实的病人，但始终有主治医师在旁监督、指导、兜底。
回头看软件工程的传统培养方式，其实是“放养式上手术台”：把新人直接推上生产线，靠真实系统的失败教学。在故障成本低、CRUD 海量的时候，这招勉强能用；AI 没有推翻这个模式，只是把它依赖的“重复性物料”锯掉了。
所以 PRAISE 不是什么新发明，而是软件工程终于肯直视的事实：临床型职业的训练，值得一套同样严肃设计的新人制度。
AI 接管“写”之后，工程师还剩什么
博文里，Russinovich 和副总裁 Scott Hanselman 对导师任务的界定很精确：不是教学员写代码更快，而是教他们“深思熟虑地使用 AI 工具”，并培养系统思维、技术品味与判断力。拆开看这四件事：
| 深思熟虑地用 AI | |
| 系统思维 | |
| 技术品味 | |
| 判断与责任 |
看出来了吗：AI 接管了“写”，剩下的全是旧培养机制里从来不刻意教的部分。
给个人：把自己当住院医师
PRAISE 现在只有一小部分微软员工能参加，但它的逻辑，你今天就能借用。三个动作：
给带团队的人：导师交付的不是产品，是下一代工程师
Hanselman 在博文里做了一个区分，值得每个带团队的人记下来：资深工程师聚焦于产品交付，而导师致力于培养出能够独立交付产品的下一代资深工程师。
这个区分在 AI 时代变得特别现实：AI 越强，资深的人越会被从写代码这件事上解放出来——问题在于解放出来的时间投到哪。PRAISE 的选择是投给带人。
放到团队层面同理：当 AI 把执行层面的活越做越多，资深工程师手里很划算的一笔投资，就是把判断力复制下去——带新人走过一次真实的系统设计、一次真实的事故复盘。新人培养不是团队的成本，是团队的资产。
反方：别神化一个试点
但方向已经写在那了。收尾引用 Russinovich 博文里的这句话：
工具换了，梯子得重修
"AI 改变了工作的方式，但没有消除对初级工程师的需求，也没有消除对人类判断和负责的需求。"至于谁来重修——微软、你的公司，还是你自己——有一件事不会变：工程判断力，长在真实系统里，长在真实的人手上。这是 PRAISE 再次验证的老规律。
