前段时间，我和本地一所知名学校的信息学教练交流。

这位老师是CCF的金牌教练，是圈子里公认的"强者"。过程中，我提到了最近很火的"Vibe Coding"——结果他一脸茫然，完全没听说过。

我当时愣了一下。

不是觉得他落后，而是突然意识到一个更大的问题：技术前沿和教育圈之间的信息差，比我们想象的要大得多。 连顶尖的金牌教练都可能存在盲区，那些每天问我"学信息学还有没有用"的家长，又怎么可能得到一个真正想清楚了的答案？

作为一个同时参与学校 AI 教育行动计划和信息学教学的老师，我可能比很多人更早地感受到了这种张力——AI 正在重塑编程的门槛，而信息学的价值，恰恰在这种重塑中被重新定义。

所以我想写一篇长文，把这个问题认认真真说清楚。不是一句"当然值"的敷衍，而是一个经过深度思考的、完整的答案。

一、先说说 Vibe Coding 是什么

"Vibe Coding"，简单说就是：你用自然语言告诉 AI 你想做什么，AI 帮你把代码写出来。

你不需要懂语法，不需要记函数，不需要知道变量是什么。只要会"说话"，就能"做软件"。

这不是噱头。现在确实有大量非技术背景的人，靠着 AI 工具做出了能用的产品——网站、脚本、小程序……过去至少要学好几个月才能入门的东西，现在可能几个小时就搞定。

家长们的担忧从这里来：既然 AI 都能写代码了，孩子花那么多时间学编程、学信息学，到底值不值？

这个问题，值得认真回答。

二、Vibe Coding 很强，但它有一个致命的天花板

我先承认它的强大，再说它的边界。

Vibe Coding 在简单任务上表现惊艳。但一旦需求变复杂——系统出了问题、逻辑里藏着隐蔽的错误、需要考虑安全性和性能——AI 就开始给出"看起来能用，但实际上有坑"的答案。

更关键的是：如果你不懂，你就没办法判断 AI 在不在忽悠你。

你发现不了它的错误，追问不到问题出在哪，更没法在它卡住的时候自己接手。表面上在用工具，实际上是工具在牵着你走。这不是掌握技术，这是依赖技术。

给家长打个比方——

两种人用 AI 写代码，体验完全不同：

• 不懂的人，做的是填空题——AI 给什么就是什么，对不对也不知道；
• 懂的人，做的是设计题——知道自己要什么、怎么检验、哪里需要推翻重来。

AI 降低了编程的入门门槛，但同时拉高了真正懂的人的价值上限。 这跟计算器发明之后数学反而更重要，是一个道理——能按计算器的人遍地都是，但知道"该算什么"的人永远稀缺。

我常跟家长这样说：Vibe Coding 给了每个人"创造的动力"，但信息学给的是"创造的权力"。

有动力没权力，你能用 AI 搭一间小屋；有权力有动力，你能设计一整栋楼，还知道哪里会漏水。

三、学信息学到底在学什么？

很多家长觉得学信息学就是学编程、学敲代码。其实不是。

编程只是工具。就像学数学不是为了学计算，学信息学也不是为了学敲键盘。信息学真正训练的，是一套底层思维能力——

• 拆解问题的能力：面对一个大问题，知道怎么拆成几个小问题，然后一步步解决。不慌，不乱，有条理。
• 找最优解的能力：在一堆可能的路里，找到那条最好的路——不是碰运气，而是有方法地分析、筛选、决策。
• 严密推理的能力：从已知条件出发，一步步推导，每一步都经得起检验。不跳步，不含糊，不靠"感觉对"。
• 抽象建模的能力：把一团乱麻的现实情况，理出一条清晰的逻辑线。这是所有复杂问题的起点。

这些能力，考试要用，工作要用，AI 时代更要用——因为 AI 能执行，但不能替你想。

现在都说 AI 时代最重要的是"会提问"。这话没错，但很多人只说了上半句，没说下半句：一个从来没有系统训练过逻辑思维的孩子，他能提出什么质量的问题？

一个不知道什么是"循环"、"递归"、"并发"的人，向 AI 提出的需求，也只会停留在最浅的层面。AI 的默认答案就是他的天花板——不是 AI 不行，是他不知道还能要求什么。

认知的边界，就是提问的边界。 信息学训练拓展的，恰恰就是这个边界。

四、我在学生身上看到的真实变化

说了这么多道理，不如说说我自己带学生的观察。

学信息学一段时间之后，很多孩子身上会出现一些肉眼可见的变化：

思维变了。 原来做数学应用题一团糊涂的孩子，开始会自己拆解——"这道题其实就是先求 A，再用 A 算 B"。这种"把大象装进冰箱分几步"的思路，不是我教的，是他在编程训练中自己练出来的。更深层来说，信息学训练的是把"黑盒"拆解成"白盒"的能力——不满足于"能用就行"，而是要搞清楚"为什么能用"。

心态变了。 写程序天然就是一个"出错→找错→改错"的过程。没有哪个程序是一遍就写对的。练久了，孩子遇到困难不再第一时间找人帮忙，而是会想"我再试试别的办法"。这种韧性——面对错误不崩溃、面对困难不放弃——比任何一道题的对错都重要。

表达变了。 要把思路变成代码，你必须想得清楚、说得准确。模糊的想法，机器不买账。有家长跟我反馈：孩子写作文条理性变好了，说话也更有逻辑了。这不是巧合——思维训练的效果，会溢出到所有需要"想清楚"的地方。

这些变化不是每个孩子都有，也不是立竿见影的。但方向是确定的：信息学训练的不只是一门技能，而是一种思考方式。这种思考方式，在 AI 时代只会更值钱，不会更不值钱。

五、家长最常问的几个问题

接下来，我想正面回答几个被家长问过很多次、也最难回答的问题。

问题一："C++ 那么难，直接学 Python 或者学跟 AI 对话，不是更实用吗？"

这是关于"性价比"的拷问，也是我被问得最多的问题。

"孩子将来又不走专业竞赛路线，何必学那么难的 C++？学 Python 多快呀，或者干脆学怎么跟 AI 对话（Prompt Engineering），不是更实用？"

我的回答是：看你要建几层楼。

Python 很好，上手快，能解决很多实际问题。Prompt Engineering 也有用，短期回报确实快。但这些更像是装修技术——能让房子好看好用。

而 C++ 和信息学训练的算法思维，更像是打地基。地基不深的时候，盖一两层没问题；但想往上走，地基的深度就是你的天花板。

C++ 之所以"难"，恰恰是因为它不帮你隐藏底层细节——内存怎么分配、数据怎么存储、程序怎么一步步执行。这些"难"的部分，正是训练深层理解力的地方。学 Python 可以跳过这些，效率更高，但代价是：你对计算机"怎么想的"，始终隔了一层纱。

更何况，学 C++ 的孩子转学 Python，是降维打击，轻松得很。反过来，从 Python 或 Prompt 入手的孩子想回头补底层逻辑根基，要付出的代价大得多。

有人可能还会追问：如果 5 年后 AI 能自动完成 99% 的底层代码编写，现在学这些严苛的语法和算法逻辑，不就像在汽车发明后还坚持练习"快速奔跑"一样，虽然锻炼了身体，但在生产力上失去了意义？

这个问题问得好，但忽略了一个关键区别：跑步训练的是"腿"，但信息学训练的是"脑"。 汽车替代了腿的功能，但 AI 替代不了你的判断力、决策力和系统思维。C++ 和算法训练真正留下的，不是"会写代码"这个技能本身，而是在训练过程中锻造出来的逻辑迁移能力——这种能力，换到任何领域都能用。

不是每个孩子都要冲金牌，但底层逻辑的训练，越早开始，后面的路越宽。

问题二："我家孩子数学不太好，学信息学会不会太吃力？"

这是关于"天赋与门槛"的担忧，我完全理解。

先说一个残酷的事实：信息学竞赛，确实对数学逻辑能力要求很高。如果目标是拿省奖、冲国赛，那确实需要比较强的数学基础和逻辑天赋。

但——

信息学竞赛和信息学教育，不是一回事。

这就像"踢足球"和"参加世界杯"的区别。你不需要有梅西的天赋才能踢球，踢球本身就能锻炼身体、培养团队意识、建立自信。

信息学也是一样。我建议家长分两层来想：

第一层：作为思维训练（适合大多数孩子）

• 从 GESP 一级、二级等基础等级开始
• 重点不是刷难题，而是建立"拆解问题→设计方案→验证结果"的思维习惯
• 数学不好的孩子，反而可能通过编程训练来强化逻辑能力——这是一条另辟蹊径的路

第二层：作为竞技选拔（适合有天赋且有兴趣的孩子）

• 进入 NOIP、NOI 等竞赛体系
• 需要较强的数学基础，也需要大量的时间投入
• 这条路不适合所有孩子，但适合的孩子一定不要错过

至于那些在数学逻辑上确实很吃力的孩子，AI 工具可以成为他们的"脚手架"——帮助他们先获得成就感，再逐步深入。但有一个前提：脚手架是用来辅助建造的，不是用来替代建造的。 如果孩子只是在 AI 帮助下"完成了任务"，却从来没有理解过程，那这种学习只是一种幻觉。

关键是找到适合孩子的节奏和深度，而不是一刀切地说"适合"或"不适合"。

问题三："AI 都能写代码了，让孩子学'审阅'代码不就够了，为什么非要自己会写？"

这个问题听起来很有道理，但有一个致命的漏洞。

审阅的前提，是你具备重写它的能力。 否则，你无法识别一个高明的谎言。

打个比方：你请了一个翻译帮你翻译合同。如果你完全不懂外语，翻译告诉你"这里写的是合作条款"，你只能信。但如果你自己有外语基础，你就能发现他可能漏翻了一个关键的免责条款。

AI 生成的代码也是一样。它不会告诉你"这里我偷了个懒"，不会提醒你"这段逻辑在极端情况下会出错"，更不会主动说"其实有一种效率高十倍的写法"。如果你自己不具备写出这段代码的能力，你的"审阅"只是在检查语法对不对、能不能跑通——这是最浅层的审阅，根本触及不到逻辑层面。

更深一层的担忧是：如果孩子从一开始就习惯了"AI 写，我看"的模式，他的思维会逐渐碎片化。

想象一个场景：孩子用 AI 做了一个项目，运行时报错了。AI 给出一段修复代码，孩子看不懂，但点了"复制粘贴"，程序又能跑了。下一次报错，再复制粘贴。久而久之，孩子的大脑里存的不是"逻辑链条"，而是一堆"碎片解决方案"。他知道"这个错误可以这么修"，但不知道"为什么会错"，更不知道"怎么从根本上避免这类错误"。

这种"跳跃式学习"，短期看效率很高，长期看是在透支孩子的系统思维能力。

信息学训练的核心价值之一，就是培养逻辑闭环的能力——从定义问题、分析问题、设计方案、编写实现、测试验证到反思优化，每一步都经过自己的大脑。这个闭环可能很慢，但每走一遍，孩子的思维地基就厚一分。

所以我的回答是：不是不能让孩子学审阅，而是先学会写，才有资格审阅。顺序不能反。

问题四："AI 一秒就能做出来的东西，孩子还有什么成就感？"

这是一个很真实的问题，也是很多老师还没认真面对的挑战。

过去，学编程的一大动力是"运行成功"带来的成就感。Debug 三天三夜，终于看到程序跑通的那一刻——那种多巴胺是真实的。但现在，AI 一秒钟就能生成一个能跑的程序。孩子如果看到 AI 轻松做到了他要苦练好久才能做到的事，确实可能产生挫败感："我学这个干嘛？"

但问题可以反过来想：正因为"执行"变容易了，"思考"的价值才凸显了。

以前的成就感来自"我做出来了"。现在的成就感应该来自"我想明白了"——

• 不是"我写出了一个排序算法"，而是"我理解了为什么快速排序比冒泡排序快一千倍"
• 不是"我的程序跑通了"，而是"我发现了 AI 代码里的一个 Bug，并且知道为什么它会犯这个错误"
• 不是"我做了一个网站"，而是"我能把这个网站的架构讲给你听，并且告诉你哪里还可以优化"

这恰恰回到了教育学里一个经典的方法——费曼学习法：如果你能把一个东西讲清楚，你才是真的懂了。AI 时代，"能讲清楚"变得比"能做出来"更重要。

在我的教学中，我正在尝试一种新的思路：让 AI 成为孩子的对手和助教，而不是代笔。

比如：

• 让 AI 故意写一段有 Bug 的代码，让孩子找错——这比自己从头写更有挑战性
• 让 AI 给出一个"能用但不好"的方案，让孩子优化——在对比中理解"好"与"更好"的差距
• 让孩子先自己想方案，再对比 AI 的方案——这个过程中，孩子会发现自己思维的盲区

也有家长问：如果一个 10 岁的孩子通过 Vibe Coding 做出了一个能用的个人网站，这种成就感难道不好吗？为什么非要让他在竞赛里苦熬三个月优化一个排序算法？

当然好。我从来不反对 Vibe Coding。 快速反馈、即时成就感、对编程的兴趣启蒙——这些都是真实的价值。

但我想提醒的是："快反馈"和"深思考"不是对立的，而是需要平衡的。

如果一个孩子只体验过"AI 帮我做"的快感，却从来没有经历过"我自己想了三天终于想通了"的深层满足，那他对编程的理解、对问题的耐心、对困难的韧性，都会停留在一个很浅的层面。

Vibe Coding 是起跑的助推器，信息学是持续攀登的肌肉。 两者不矛盾，但不能只有前者没有后者。

六、信息学的价值，远不只是"学编程"

说到这里，我想正面回答一个家长最关心的问题：学信息学到底"有什么用"？

家长口中的"有用"，通常指三件事。信息学恰好在三个维度上都有明确的价值：

第一，升学有用。

• 信息学奥赛（NOI 系列）是教育部认定的五大学科竞赛之一，是名校自主招生、强基计划的重要通道
• GESP（全国青少年编程能力等级测试）提供了一条门槛更低、路径更清晰的能力认证体系，从一级到八级逐步进阶
• CSP-J/S 等赛事是白名单赛事，在升学中有明确的认可度
• 即使不走竞赛路线，信息学的学习经历在综合素质评价中也是加分项

第二，未来有用。

• AI 时代，"会用 AI"是基本功，"懂 AI 背后的逻辑"才是核心竞争力
• 学过信息学的孩子，对数据怎么流动、算法怎么运作、系统怎么设计，有一层直觉——这种直觉是未来任何行业都需要的
• 更重要的是：懂信息学的孩子，对数据安全和隐私有基本的意识。他知道代码在背后如何处理他的数据，不会稀里糊涂地交出所有权限。这在 AI 无处不在的未来，是一种基本的自我保护能力
• 无论将来从事什么职业——医生、律师、金融、设计——能够与技术"对话"而不是被技术"裹挟"，本身就是一种稀缺能力

信息学不是培养"程序员"，而是培养"在 AI 时代能掌握主动权的人"。

七、送家长一个简单的自测方法

如果你的孩子已经在用 AI 做项目或写作业，不妨试试问他三个问题：

1. 你能给爷爷奶奶讲清楚，这个程序第一步、第二步、第三步分别在干什么吗？

（这考的是"费曼能力"——能讲清楚，才是真的懂）

2. 如果没有网络、没有 AI，你能在纸上画出这个程序的逻辑流程图吗？

（这考的是"抽象建模能力"——脱离工具，你脑子里有没有清晰的逻辑结构）

3. 如果要让这个程序跑得更快，你觉得应该改哪里？

（这考的是"最优解思维"——不满足于"能用"，追求"更好"）

如果三个问题都答不上来——那说明孩子在"用" AI，但没有真正"懂"。

这时候，也许就是该了解一下信息学的时候了。

结语

Vibe Coding 很强，但它改变的是门槛，不是终点。

懂与不懂的人，用 AI 的差距只会越来越大。而信息学训练的那套思维——严密、抽象、从根本出发构建解决方案——恰恰是这个时代最稀缺、也最难被替代的能力。

我知道这篇文章很长，但我觉得这个问题值得说透。因为在 AI 变革最快的这几年，家长做出的每一个教育选择，都可能深刻影响孩子未来十年的竞争力。

我对还在犹豫的家长说：学，不会后悔。

不是每个孩子都要成为竞赛选手，但每个孩子都值得拥有一次系统训练逻辑思维的机会。可以从 GESP 等级考试起步，门槛不高，让孩子先试试看，找到感觉再决定深入到什么程度。