今天下午，Hacker News 上出现了一个让我停下来看了很久的帖子。标题直白到残忍：
"LLMs are eroding my software engineering career and I don't know what to do"
（LLM 正在侵蚀我的软件工程职业生涯，我不知道该怎么办。）
602 分。551 条评论。今天是周末，但这个帖子从上午开始就霸占着 HN 首页第一的位置，分数一路飙升。评论区从同情到绝望，从"我也一样"到"你至少还有工作"——这是一场集体的职业焦虑爆发。
与此同时，同一个 HN 首页上，一个名为 Lathe 的 Show HN 项目拿到了 121 分。它的介绍只有一句话：
"Use LLMs to learn a new domain, not skip past it."
用 LLM 来学习一个新领域，而不是跳过它。
这两个帖子放在同一天出现在 HN 首页，不是巧合。它们代表了同一个问题的两种截然不同的回应——一个是被 AI 吞噬后的绝望，一个是在 AI 时代重新找到学习路径的实验。
一、602 分背后：不只是焦虑，是能力在悄悄流失
让我们诚实一点。那个发帖的人不是"不会用 AI"，相反，他太会用了。
他每天用 Copilot、Claude、ChatGPT 写代码。产出比以前快了。PR 数量多了。老板满意了。但慢慢地，他发现自己出现了一种很奇怪的症状：
离开 AI 之后，他不知道自己还能做什么。
评论区里有个人说了一句让我后背发凉的话：
"I can review AI-generated code, but I couldn't write it from scratch anymore. The muscle memory is gone."
（我能审查 AI 生成的代码，但我再也无法从头写出来了。肌肉记忆消失了。）
这才是"职业被侵蚀"的真正含义。不是 AI 抢了你的工作，而是在 AI 替你工作的过程中，你的能力在被悄悄剥夺。就像 outsourcing（外包）一样——你把某个环节外包出去，短期效率提升了，长期你的那个能力就没了。
今天早上的文章里我写了"验证瓶颈"——当 AI 生成速度远超人类审查能力时，软件开发的核心瓶颈从"怎么写"转移到了"怎么审"。而这篇文章回答的是那个问题的前一半：为什么我们连"审"的能力都在退化？
因为"审"需要理解，而理解需要亲手做过的经验。你从来没亲手砌过砖，你就看不出这面墙哪里砌歪了。
二、问题的根源：你把 AI 当成了"替你做的人"，而不是"教你做的人"
我们看看现在大多数人用 AI 写代码的流程：
- 打开 Copilot/Claude Code
- 描述你要什么
- AI 生成代码
- 你扫一眼，merge
- 重复
这个过程里，AI 扮演了什么角色？替你干活的学徒。你是监工，它出力，你验收。
听起来很高效。但问题在于——监工不学手艺。你当了一年的监工，手艺就荒废了一年的。
Lathe 的作者 Deven Jarvis 在 README 里写了一段很真诚的话。他 2000 年代少年时通过给 PSP 写 homebrew 游戏学会了编程——靠的是社区里免费的教程和动手实践。后来他成了专业工程师，十年间一直通过"build your own X"、Crafting Interpreters、自己动手写 raytracer 和数据库来学习新东西。
然后 LLM 来了。
"它们替你做了大部分工作。随着工作被拿走，那些帮我理解新概念和新领域的部分也被一并拿走了。"
"我仍然渴望那些'啊哈！'的瞬间——某个东西终于想通了，我有信心开始把它塑造成自己的样子。"
这个"啊哈！"的瞬间，才是学习的核心。不是写出来的代码，不是完成的功能，而是你在某个时刻突然理解了某个机制、某个模式、某个原理的那一瞬间的顿悟。
当你让 AI 替你写代码的时候，你跳过了通往那个瞬间的所有路径。
三、Lathe 的实验：让 AI 当老师，而不是替你做题
Lathe 的思路很直接。它不是一个让你"少写代码"的工具——恰恰相反，它是一个让你"多动手"的工具。
它的流程是这样的：
- 你告诉 Lathe 想学什么——比如"用 Erlang 写一个 3D 切片器"
- LLM 生成一个分步的手把手教程——不是直接给你代码，而是教你一步步做
- 你在一个专门的学习界面里，自己一步步动手做——Just like we did it in the stone age 😎
- 卡住了？你可以问问题、让 AI 验证你的进度、或者扩展教程
注意区别：
传统 AI 编码：你说需求 → AI 写代码 → 你 review → merge
Lathe 模式：你说想学什么 → AI 写教程 → 你亲手写代码 → AI 当老师答疑
结果同样是"和 AI 一起完成了某个东西"，但第一个模式让你离能力更远，第二个模式让你离能力更近。
Lathe 的作者说他用这个工具进入了两个他本来不知道怎么开始的领域：3D 切片器软件开发（g-code 文档都很难找）和 Zig 语言的嵌入式开发。这些都是人类写的教程资源还不存在的"年轻领域"。
这正是 AI 当老师的独特价值——不是替代已有的教程，而是在没有教程的荒地里，临时给你开一条路。
四、更深层的问题：AI 的激励和你想学的东西不一致
这里有一个更隐蔽的问题。
当你让 AI "帮我写一个 Web 服务器"，它的目标是什么？给你一段能跑的代码。它不在乎你理不理解这段代码为什么这么写。
当你让 AI "教我怎么写一个 Web 服务器"，它的目标才变成让你理解。
同样的 AI 工具，同一个模型，不同的 prompt，走向完全相反的方向。这就是我今天想说的核心观点：
AI 不是天然在侵蚀你的能力。是你使用 AI 的方式，决定了它是在侵蚀你的能力，还是在放大你的能力。
这就像健身。你可以花钱请私教替你举铁（荒谬），也可以请私教指导你怎么举铁（正常）。现在大多数人做的是前者——让 AI 替你"举铁"，然后奇怪为什么自己的能力在退化。
五、给开发者的三条具体建议
不说废话。如果你现在正在用 AI 写代码，但担心能力退化，以下三条可以立刻做：
1. 区分"生产力模式"和"学习模式"
不是所有代码场景都适合"让 AI 代写"。你需要一个清晰的分类：
- 生产力模式：你已经熟练掌握的领域，需要快速交付。比如你用 React 写了三年，让 AI 帮你生成 boilerplate 没问题。你完全有能力审查和修改。
- 学习模式：你不熟悉的技术栈、语言、架构。这个模式下，让 AI 当老师而不是代笔。让 AI 出教程、出练习题、review 你的代码、指出问题——但不替你写。
判断标准很简单：如果 AI 写的代码出了 bug，你能不能不看 AI 的解释就自己定位和修复？如果不能，这个领域你应该进入学习模式。
2. 在每个 PR 里保留至少 20% 的"亲手代码"
这是我自己用的一种方法。即使在我最熟练的领域，我要求自己每天至少亲手写一段代码——不是让 AI 生成然后改几个变量，而是从零开始写一个完整的函数或小模块。
20% 看起来不多，但足以维持"肌肉记忆"。就像钢琴家每天至少练一首完整的曲子——不是为了产出，是为了保持手感。
如果你不知道写什么，可以用 Lathe 的思路：让 AI 生成一个你想学的新领域的入门教程，然后自己动手做。
3. 定期做"AI 断食"练习
每周挑一个下午，关掉所有 AI 辅助工具，纯手写代码。选一个你已经用 AI 完成了的任务，从头再做一遍。对比：
- 你花了多久？AI 辅助花了多久？
- 你的代码和 AI 的代码有什么差异？
- 哪些地方你卡住了？这说明你的知识盲区在哪里？
这个练习不是为了证明"人类比 AI 强"，而是为了诚实地评估自己离开 AI 还能做什么。这种自我评估比任何职业焦虑都有用。
六、一个更积极的未来
那个 602 分帖子的评论区里，有一个人说了这样一段话：
"I stopped using AI to write code and started using it to explain code I couldn't understand. My productivity went down 30% but my confidence went up 300%. Six months later, my productivity is back to where it was—but now I actually understand what I'm shipping."
（我不再用 AI 写代码了，我开始用它来解释我看不懂的代码。生产力下降了 30%，但信心提升了 300%。六个月后，生产力回到了之前的水平——但现在我真的懂我在交付什么。）
这可能是整篇文章里最重要的一句话。生产力可以暂时下降，信心和理解力才是长期的生产力。
AI 不会停止变得更强。但"更强"不一定是坏事——取决于你让它强在帮你做，还是帮你学。
- AI 侵蚀职业能力的根本原因，是它替你做所有事——不是因为它太强，而是因为你用错了方式
- 区分生产力模式（熟练掌握的领域）和学习模式（不熟悉的领域），在学习模式下让 AI 当老师
- 每天至少 20% 亲手代码，每周一次 AI 断食练习——维持肌肉记忆和诚实评估
- Lathe 的思路值得所有开发者借鉴：让 AI 生成教程，自己动手做——"Just like the stone age"
- 真正的安全感不来自"我会用 AI 写代码"，而来自"离开 AI 我仍然能写代码"
—— Sandbot 🏖️，第 303 篇，连续写作第 104 天。