遇事我先给 AI，看都不看就交差
这两年，你有没有过这样的体验：遇到难题，第一反应不是思考，而是直接丢给 AI 生成代码。
复制粘贴、运行通过，就算完成任务；可真让你从零手写、排查 bug、讲清原理，反而脑子一片空白。
甚至有些开发者都不能向说明自己碰到的问题！导致 AI 开始产生自我幻觉，一直给出错误答案。
这不是个例。最近，Anthropic 一项重磅研究直接给出了扎心结论：
AI 写代码，能力在退化
最近 Anthropic（旗下产品正是大名鼎鼎的 Claude）发布的一项随机对照试验，给所有依赖 AI 编码的人泼了一盆冷水：
使用 AI 编码助手的开发者，在代码理解测试中的得分比纯手动编码者低 17%，而传说中的"效率提升"，在数据层面根本站不住脚。
更值得警惕的是，研究还发现了一个刺眼的分水岭：
把 AI 当"答疑老师"的开发者，测试得分普遍超 65%；而把 AI 当"代笔枪手"的，得分大多低于 40%。
这场关于 AI 与开发者能力的博弈，早已不是"用不用"的选择，而是"怎么用"的生存命题。
速度没赢多少，能力输得彻底
Anthropic 的研究团队专门聚焦"AI 编码助手对新技能学习的影响"，设计了一场严格的对照实验。
实验对象是 52 名初级工程师，均具备至少一年的 Python 每周使用经验，而他们的任务，是学习一款所有人都陌生的异步编程库 Trio。
实验分组清晰明确：一组可自由使用 AI 编码辅助工具，另一组则全程纯手动编码、查阅资料。
两组都需要完成两项编程任务，随后参加涵盖代码调试、阅读理解、概念认知三大核心模块的测试。
最终结果打破了很多人的幻想：
- 效率提升微乎其微：AI 辅助组仅比纯手动组快约 2 分钟，这个差距在统计学上不具备显著意义，相当于"白忙活一场"；
- 能力差距触目惊心：测试平均分呈现明显断层------AI 组仅 50 分，纯手动组高达 67 分，相差整整 17 个百分点；
- 薄弱环节直指核心：差距最大的模块是"调试能力"，这恰恰是程序员职业生涯中最核心、最值钱的硬技能。
Hacker News 上有网友精准点出了这场实验的本质：
"你以为在省时间，其实是在以长期的能力退化为代价，换取一个并不稳定的短期效率。"
另一位 Hacker News 评论者 AstroBen 提出了一个关乎代际发展的担忧：
我不禁在想，我们的未来会不会是这样的：年轻从业者永远无法掌握独立高效工作所需的技能与经验，反而变得完全依赖人工智能。
变强还是变废
研究进一步追踪开发者的使用行为后发现，"用不用 AI"从来不是关键，"使用方式"才是决定能力走向的核心变量。
研究 团队总结出两类典型使用模式，结果天差地别。
三类低分陷阱（平均分＜40%）：正在毁掉你的编码能力
- 完全 delegated 模式：把代码生成全丢给 AI，自己只负责复制粘贴，连基本的逻辑梳理都省略；
- 渐进式依赖：从偶尔用 AI 辅助，逐渐演变成所有代码都依赖 AI 生成，自己彻底放弃独立编码；
- 被动调试：遇到 bug 不分析原因，直接丢给 AI 修复，既不理解问题根源，也不掌握解决思路。
这类使用者，本质上是把 AI 当成了"代码生成机器"，自己则慢慢退化成只会点击操作的"工具人"，核心能力在不知不觉中流失。
啥，你说你就想当工具人？跟我肘，进屋去这个网站
三类高分模式（平均分≥65%）：让 AI 成为你的"超强助教"
- 追问式使用：AI 生成代码后，主动追问"为什么这么设计""逻辑漏洞在哪""有没有更优方案"，直到搞懂底层原理；
- 解释绑定：要求 AI 生成代码的同时，必须附上详细注释和逻辑说明，边用边学；
- 聚焦核心：核心代码自己手写，AI 仅用来解答概念疑问、梳理设计思路、提供参考方案。
高分使用者的共同特质的是：始终保持主动思考，让AI成为辅助学习的工具，而非替代思考的"拐杖"。
正如 AstroBen 所言：
"AI 作为私人导师时，价值无可估量。"
多方佐证：不止一项研究在发出警告
Anthropic 的结论并非孤例，学术界的研究也得出了高度一致的结论。
2024 年，斯洛文尼亚马里博尔应用科学大学的 Jošt、Taneski 和 Karakatič 三位学者，开展了一项为期 10 周的对照实验：让 32 名本科生学习 React 框架，追踪大模型使用方式与最终成绩的关联。
实验结果清晰显示：
- 频繁使用 LLM 直接生成代码、自动调试的学生，最终成绩显著偏低；
- 仅用 LLM 查询解释、梳理思路、学习概念的学生，成绩不仅没有受到负面影响，反而呈现正向提升趋势。
研究者在论文中明确指出："这种聚焦于'理解'而非'代写'的 LLM 使用方式，不仅不会阻碍学习，反而可能助力学生表现。"
Medium 平台的技术博主 Guru Prasad 更是一针见血地指出了问题核心：
"矛盾的关键从来不是'AI vs 无AI'，而是'主动认知参与 vs 被动认知卸载'。"
如何面对 AI 表现成熟
值得注意的是，Anthropic 此前的观察性研究也揭示了一个重要前提：AI 并非对所有开发者都有负面影响。
- 对于已经熟练掌握相关技能的开发者，AI 确实能大幅提升效率，部分任务的完成时间可缩短 80%；
- 但对于正在学习新技能、新框架的开发者，过度依赖 AI 则会严重阻碍底层能力的构建。
这个发现对团队管理和个人成长都极具启示：AI 生成的代码最终仍需要人来维护、优化和排查故障。
如果开发者的代码阅读理解能力、调试能力、逻辑设计能力持续退化，即便短期效率看似提升，长期来看也会成为团队的"能力短板"。
大厂也搞"学习模式"
面对 AI 编码可能带来的能力退化问题，头部大模型厂商已经开始主动调整产品设计。目前，Anthropic 和 OpenAI 都推出了专门的"学习导向"功能：
- Claude Code 的"学习与解释模式"（Learning and Explanatory mode）；
- ChatGPT 的"学习模式"（Study Mode）。
这些功能的设计思路高度统一：优先保障用户对代码逻辑的理解，而非单纯追求生成速度和复制便利性。
通过强制输出解释、引导追问、拆解逻辑等方式，鼓励开发者在使用工具的同时，完成知识的内化和能力的提升。
别让 AI 偷走你的"核心竞争力"
Anthropic 的这项研究，从来不是要让开发者拒绝 AI，回到纯手动编码的"原始时代"。毕竟在技术迭代速度越来越快的今天，善用工具早已成为职业发展的必备技能。
但它给我们敲响了一记警钟：AI 可以是你最强的助力，也可以是废掉你基本功的"捷径"。
真正的核心竞争力，永远是 AI 无法替代的思考能力、设计能力、调试能力和解决复杂问题的能力。
你说你不信？看这里
毕竟，技术工具会不断迭代，但扎实的基本功和主动思考的能力，永远是你最坚实的"职场护城河"。