这两年做软件专业教学，有个场景越来越常见。

学生拿着一个做好的App过来，页面挺漂亮，登录、聊天、数据库都有，点起来也像那么回事。

我问一句：

“这个权限为什么这样设计？”

安静了。

再问：“数据库里这几张表为什么这么拆？”

还是安静。

最后学生很诚实：

“老师，这部分是AI写的。”

我完全不反对学生用AI。

我自己天天用Claude Code。让我现在回到所有代码都手敲的年代，我也不干。放着电钻不用，非拿螺丝刀拧一天，这不叫工匠精神，这叫跟手腕过不去。

但有件事必须说清楚：

AI能帮你把软件做出来，不等于它把软件开发教会了。

这两个东西，现在被很多人混在了一起。

能跑，已经是最低要求了

前几天我在Hacker News看到一个提问。

一位做数据分析和管理的人，平时用SQL、Excel，也懂一点R。后来靠ChatGPT和Claude，他做出了Web应用、Python脚本、桌面工具，甚至还有一个真正上线、多人使用的Android应用。

这已经很厉害了。

可他自己越做越虚。

东西是跑起来了，但为什么能跑，他不完全清楚；架构是不是合理，不知道；复杂度上来以后哪里会崩，也没底。

于是他问了一个特别好的问题：

AI时代，到底什么应该认真学，什么只需要学到能监督，什么可以彻底交给AI？

这个问题，比“今年学Cursor还是Claude Code”重要多了。

工具半年换一轮。今天排行榜第一，过两个月可能就在评论区卖惨。

判断力没这么容易过期。

一个项目能在演示机上跑起来，只能证明它在那几分钟里没死。

能不能改需求，能不能扛异常，能不能保护用户数据，换个人能不能接手，出了事故能不能找到原因——这些才是软件开发。

说得难听一点：

演示成功是截图，长期可用才是工程。

AI补不了的第一课：需求

学生最爱给AI一句话：

“帮我做一个学生管理系统。”

AI很配合，登录页、学生列表、增删改查，一会儿全有了。

问题是，谁能看什么？辅导员和任课老师权限一样吗？学生能不能改自己的信息？退学数据是删除还是保留？

这些不是代码问题。

这是你有没有真正理解使用者。

AI可以根据需求写代码，但它不能替你确认需求。你给它一句模糊的话，它不会拍桌子说“先别写，这需求是扯淡”。它通常会很有礼貌地帮你把扯淡做成一个精美界面。

所以需求分析必须深学。

不要求每个学生都当产品经理，但至少要会追问：谁用、在什么场景用、什么算完成、哪些情况不能发生。

第二课：数据

现在用AI做项目，最容易被忽略的是数据库。

表建出来了，字段也有，跑几个测试数据没问题。

等到数据量上来、业务关系变复杂，重复、脏数据、权限混乱一起冒头。

数据库不是给页面找个地方存东西。

它是业务规则最后落地的地方。

实体怎么拆、关系怎么定、约束放哪里、哪些数据不能丢，这些必须理解。SQL可以让AI写，数据模型不能闭着眼签收。

第三课：架构

AI特别擅长局部正确。

你让它加一个按钮，它能加。再加一个支付，它也能加。再来消息通知、文件上传、第三方登录，它都说没问题。

最后项目像一套不断加盖的农村自建房。

每个房间都能住，楼梯在厕所里。

架构不是背微服务、DDD和一堆缩写。对学生来说，先学会把系统拆成边界清楚的几块，知道谁依赖谁，知道改这里会不会把那里炸掉，已经很值钱。

AI可以搭架子，但你得看得出这个架子是不是歪的。

第四课：安全

这一课最不能外包。

AI生成的登录功能看上去很完整：账号、密码、Token，一个不少。

可密码怎么存？接口有没有越权？错误信息会不会把数据库结构吐出来？上传文件能不能执行？

页面越漂亮，越容易让人忘记后面可能开着窗。

学校里做课程项目，很多时候数据是假的，服务器也是临时的，漏洞没造成后果。学生就会得到一个危险错觉：既然没出事，那就是安全的。

不是。

只是没人搭理你。

等项目真接上学生信息、就业数据和企业账号，AI随手写下的一行代码，就可能变成事故报告里最贵的一行。

第五课：测试

“老师，我试过了，能用。”

这句话我听着就紧张。

你试的是正常流程。那密码输错呢？网络断了呢？接口超时呢？两个人同时改一条数据呢？

AI写测试很快，这恰恰是好事。

但测试什么、什么结果才算对，仍然需要人判断。

不会测试的人，用AI只是把未知错误生成得更快。会测试的人，才真正吃到了AI的效率红利。

第六课：部署和运维

本地运行成功，是软件最快乐的时刻。

一部署，快乐就结束了。

环境变量、域名、证书、数据库迁移、日志、备份、监控，轮番进场。

学生经常把“上线”理解成上传到服务器。程序员工作以后才知道，上传只是开始，半夜收到报警才叫正式认识这个项目。

AI能写Dockerfile，能配CI，也能帮你查日志。

但你必须知道服务现在是什么状态，失败后怎么恢复，数据怎么找回来。

否则所谓上线，就是把问题从自己电脑搬到公网。

那语法还要不要学？

要学，但不用再像以前那样学。

过去我们花大量时间记语法、抄代码、背API。现在这部分可以明显压缩。

循环怎么写、框架配置怎么填、普通CRUD怎么补，完全可以让AI多干。

学生真正需要深学的，是六种判断：

• 需求有没有说清楚
• 数据关系对不对
• 系统边界稳不稳
• 安全底线守没守
• 异常有没有测到
• 上线以后救不救得回来

语法学到能读、能改、能定位问题。常规代码让AI写，人负责审。

这才是合理分工。

不是学生手写一切，也不是学生按一下回车，然后把AI的劳动成果打印出来参加答辩。

我现在最担心的，不是学生用AI作弊

我担心的是另一件事。

学生用AI做出越来越漂亮的项目，老师也觉得效果不错，学校展示时大屏一放，领导一看，嗯，人工智能赋能教学，挺好。

大家都开心。

可如果答辩只问“用了什么模型”“生成效率提高多少”，不再追问为什么这样设计、失败了怎么办、数据丢了怎么恢复，我们培养出来的就不是AI时代的软件人才。

是AI作品的讲解员。

所以AI进课堂以后，考核反而应该更难。

不一定要求多写代码，但要多做解释、多改需求、多造故障、多现场排查。

代码可以生成，答辩不能生成。

项目可以让AI帮着做，判断必须长在学生自己身上。

AI时代最值钱的，不是把答案生成出来，而是知道这个答案能不能交付。

这六门课，AI都能帮忙。

但一门也不能替你毕业。

回见。