夜雨聆风前两天喝咖啡的时候，一个刚工作两年的程序员问我：
“现在 AI 都这么厉害了，代码它能写，问题它也能查，那我们这些基础知识还有必要学吗？”
这个问题其实挺有代表性的。
因为这几年，很多人都有一个感觉：以前学半天的东西，现在问 AI 几句话就能搞定。以前一个功能要写几个小时，现在让 AI 帮忙生成一下，十几分钟就出来了。
效率确实高了。
但干久了你会发现一个问题：
AI 解决的是“怎么做”的问题，但很多时候，真正麻烦的是“它为什么这么做”“这样做到底对不对”。
而这部分，靠的就是基础知识。
---
我讲一个工作里的小事。
以前带过一个新人，他用 AI 写了一个接口。
需求很简单，就是用户上传一个文件，然后后台处理一下。
代码很快写出来了，本地测试也能跑。
他当时特别兴奋，说：“现在 AI 太强了，以后写业务真的快很多。”
结果一上线，问题来了。
刚开始几个用户用没问题，后来用户一多，接口越来越慢，最后直接超时。
他第一反应是把报错信息丢给 AI。
AI 给了一堆建议：优化代码、增加缓存、调整数据库查询。
这些建议不能说错，但问题是，他不知道该从哪里验证。
后来我们一起排查，发现真正的问题很简单：上传文件之后，他把整个文件内容一次性读进了内存。
测试环境文件小，完全看不出来。
但线上用户上传几个大文件，服务器内存直接被吃满。
如果他知道一点计算机基础，比如内存怎么分配、程序运行时数据在哪里存放，其实很快就能想到这个方向。
但如果完全靠 AI 猜，就像在黑屋子里拿着手电筒乱照。
能照到出口当然最好，但更多时候，你连应该往哪个方向走都不知道。
---
所以我一直觉得，AI 时代基础知识不是不重要了，而是换了一种重要方式。
以前学习基础，是为了让你自己完成工作。
现在学习基础，是为了让你能驾驭 AI。
这个区别挺大的。
以前不会写代码，可能项目都做不了。
现在不会写代码，有 AI 帮忙，可能也能做出一个简单的东西。
但出了问题怎么办？
AI 给你的答案靠谱吗？
它改完的代码有没有埋雷？
这个时候，基础就是你的判断能力。
就像现在很多车都有自动驾驶辅助，但你不能连刹车在哪里都不知道。
平时可能感觉不到区别，一旦遇到特殊情况，你就知道基本功的重要性了。
---
不过，我不太建议大家回到以前那种学习方式。
就是拿一本厚厚的书，从第一页开始啃，先把所有概念背下来。
这种方式对于很多人来说挺痛苦的。
你还不知道这个东西有什么用，就先背一堆定义，很容易学着学着就放弃。
我自己比较推荐“用到哪里，补到哪里”。
比如你想做一个小网站。
做到登录功能，发现搞不懂为什么关闭浏览器之后用户还保持登录，那就去学 Cookie、Session。
发现网站越来越慢，就去了解数据库索引、缓存。
发现多人同时修改数据会出问题，就去研究事务、锁。
这样学东西会快很多。
因为你不是为了考试记住一个知识点，而是因为眼前有个问题，你必须搞明白。
这种情况下，大脑记得特别牢。
---
现在 AI 其实是一个非常好的学习工具。
以前遇到一个不懂的问题，很多时候卡在“没人问”。
比如你看到一句代码：
“为什么这里要用异步？”
以前可能查半天资料，还不一定找到适合自己的解释。
现在你可以直接问 AI：
“假设我是刚入门的人，用生活中的例子解释一下异步是什么。”
然后继续追问：
“那为什么同步会慢？”
“如果网络请求失败怎么办？”
“实际项目里什么时候不应该用异步？”
这样一步一步问下来，其实比单纯看书更容易建立理解。
关键是，不要只满足于 AI 给你的第一个答案。
第一个答案只是起点。
真正有价值的是后面的追问。
---
我见过一些人用 AI 的方式，很像以前查搜索引擎。
遇到问题，搜一个答案，复制过去。
但真正会用 AI 的人，更像是在带一个很厉害但有时候会犯错的同事。
你会问它：
“你这个方案有什么风险？”
“为什么这样设计？”
“有没有其他做法？”
“如果用户量扩大十倍，还能撑住吗？”
这种交流方式，才能真正提高自己。
---
未来肯定会有越来越多的工作被 AI 提效。
写代码会更快，做分析会更快，整理资料也会更快。
但速度快不代表方向一定对。
一个人如果基础扎实，他用 AI 就像开了一辆性能更好的车，跑得更远。
如果基础很弱，可能只是拥有了一辆自己不知道怎么控制的车。
所以基础知识不用学得特别“苦”，也不用追求把所有东西一次学完。
在真实问题里不断碰到它、理解它，再借助 AI 把它问透。
慢慢积累下来，你会发现，真正留下来的不是背过多少概念，而是遇到问题时，你知道该怎么看、该怎么拆、该怎么解决。