Gemini 3 Pro 的炸裂出现，突出的前端开发影响力又在圈内引起一阵阵波澜。
AI编程工具，我个人偏好习惯使用Kimi、Claude code、grok，偶尔使用ChatGPT、DeepSeek、豆包、Copilot、OpenAI Codex、通义千问。用来写代码片段或用来理解公司产品一些插件的配置解释、代码解释，让我更好的理解并优化产品。
我办公周围的同事，使用情况大概是这样，有40%经常使用AI编程工具，30%偶尔使用，20%了解但不使用，10%完全不了解，我属于经常使用那一类，电脑PC端我常用cursor，手机端常用grok。我仍然看见还有手敲代码的同事，我也问过他，为何不使用AI来写代码呢，他说他不想用。但他平时仍然会使用DeepSeek、豆包来解决代码bug。
这种分布反映出尽管AI辅助编程已成为大的趋势，但其普及度目前也未达到全面渗透的阶段，仍存在一些认知落差与使用断层问题。
在我的同事中，其中使用最多的是IDE中的插件通义灵码、Trae，DeepSeek，而Qwen3-Coder、GLM-4.6、kimi 这些顶级模型好像他们没听说还是怎么的，没见他们在用。
anthropic和OpenAI的大模型也就不提了，因为要收费，并且国内不让用，需要采用一些技术手段。但国产顶级的模型Qwen3-Coder、GLM-4.6真没见他们有用到。
我在一个编程学习群里，这个群的主要群体是大学生比较多，我平常有看见他们也在使用claude code、cursor这些工具，偶尔见到他们在发问哪个编程工具好用，他们好像使用辅助编程工具的首要目的在于加快作业完成。有人用于理解复杂语法，可见效率驱动和认知支撑构成了大学生们使用AI的主要逻辑，不以掌握知识体系为核心学习动机，与学习是学习者主动构建知识的过程存在一定偏差。
从编程宏观意义视角来看，编程不仅是技能训练，更是培养一种工程思维的能力，一种意义生成与认知重组的过程。
我也过度依赖AI，并非依赖AI生成的表层结果，而忽视底层逻辑和结构性的知识掌握。比如要开发移动应用，我们还是要去先大致了解原生开发和跨平台混合开发H5、RN这些技术框架的差异特点，仅通过AI开发的结果，不结合个人主见去技术选型，开发的结果可想而知对使用者来说体验感会很糟糕，后续上线的应用会出现大量的未知问题。
如果只关注结果，技术包办这种模式，可能削弱对新知识的摄取能力，不利于形成可迁移、可重复利用的计算思维。
编程工具对我来说，本质上属于一种认知中介工具，学习者对技术、知识的理解不直接从我们的老师、资料中获得的。可直接借助工具进行理解意义的构建，AI工具的价值并非源于其本身能提供高质量的答案，取决于它是否能激发学习者对问题的探索、来引导学习路径的调整，触进更高级的认知参与。
做个假设，若AI被视为完成任务的捷径，如果写代码写到一半的时候，AI如果像这次的cloudflare一样崩塌后，该找谁来继续编写？谁来顶工作中的风险任务？。工具即学习桥梁，在使用AI的同时思考其生成逻辑、比较其与人工编写的异同，从而真正实现技术与认知的同步。
能力怀疑和依赖性增强，这是AI长期使用给我带来的心理压力。对于，我不会写的代码，AI都能给我编排出来。只有自己清楚自己的能力范围，对于能力之外的技术知识，在完成代码后，我都有一种自我怀疑的责备感。如果不对对盲区代码review，更会产生心理担忧，害怕一些未知的代码漏洞风险。
因此，我平时都会花时间去消化盲区代码，边写边查漏补缺，像是做一套语法填空题。对编程的逻辑主动思考，读懂代码知其然，最终写好代码。
也深度去查阅过当前炸裂的大模型的执行流程，比如chatgpt的函数调用功能，它在命令解析、参数解析、功能调用（查询数据库、调用外部程序接口等）、结果生成，这些函数的调用流程可能需要我们去了解下，这些都能在chatgpt官网可查到，了解这些后，再使用AI就能更加顺手，和AI交互更加流畅，节省token费用。
如果本文能给你提供启发和帮助，还请留下你的一健三连(点赞、转发、评论)，给我一些鼓励，谢谢。
最近做的产品EasyCut已有100+用户体验 wubai-cq.github.io/easycutpro/ （推荐使用电脑chrome浏览器打开体验最佳，软件可下载）
非常适合在职场中需要频繁切换内、外网的朋友使用