两年前，养正刚到小米实习。他师傅忙，递给他一本 Go 语言手册，让他自己看。看了几天 Go 语言手册，师傅交给养正一个任务：修改离职程序员丢下的程序。那是一个CDN的报警通知程序：大事一定要通知到，小事不要反复通知惹人厌烦。养正发现了原程序的几个错误，订正、测试、模拟，来回折腾几次，最终上线。往回倒。2024年养正想通过提前招生进新加坡理工学院。他需要向学校展示自己对人工智能和数据科学的强烈兴趣。养正给面试官展示了一个任意头像换德军军装的程序。养正把程序部署到网上以后，让我做第一个测试，我上传头像后，真的看到了自己穿德军军服的样子。换军装程序由另一位师傅带着做。师傅教养正配置环境、调用程序库、使用 Python。养正的 Python 从传智播客的视频教学起步。传智教育董事长黎活明把视频转给我，我转给养正。到 CSDN 拜师之前，养正看了一晚传智Pytho教程。养正后来重新架构了CDN报警通知程序。他一边写，一边问我：答案在他自己手里。能读手册，能改别人写的程序，能看出原程序错在哪，能测试，能上线，能重写一遍。会编程不是能生成代码，是能判断一段代码对不对、错在哪、该怎么改。这几件事，养正都做了，只是没人告诉他这就叫会。人工智能出现以后，这个问题反了过来：不会，也可能以为自己会。
学编程AI帮不忙
2023 年，多伦多大学等机构的研究者发表了一项对照实验。69 个 10 岁到 17 岁的孩子参加实验。他们都没有文本编程经验，不过 64 人用过 Scratch 等图形化编程工具，27 人上过编程课。实验持续 3 周，共 10 次课程。研究者把孩子分成两组：33 人可以用人工智能生成代码，36 人不可以。训练期间，在独立编写程序的任务中，使用人工智能的一组平均答对 80.1%，另一组答对 44.4%。人工智能撤掉后，研究者在第二天再考一次：61.3% 对 62.9%。一周后再测，使用过人工智能的一组高出 9.3 个百分点，但这个差距没有通过统计显著性检验。研究者还看见另一件事。使用人工智能的学生发出了 1646 次请求，其中 32% 照抄题目原文。在使用人工智能完成的任务中，49% 的最终代码没有经过任何修改。这项实验没有发现两组在独立编程成绩上有显著差异，也没有发现人工智能妨碍学习。实验分开了两种成绩。一种是工具在手时，人和工具一共完成了多少。另一种是工具撤掉以后，人自己还剩下多少。论文里还有一条发现，全篇最该记住这一条。Scratch 前测成绩高的那批孩子，如果训练期用过人工智能，一周后的留存测验显著更好。底子薄的那批，用与不用，事后没有差别。人工智能落在谁手里，结果不一样。这条发现正好落在本文那个次序上：人工智能放在第一步还是放在第二步，差别在这里。学编程：别为了转码和锻炼逻辑
第一，为了找工作。到 2025 年 9 月，美国 22 岁到 25 岁的软件开发者就业人数比 2022 年底的峰值下降近 20%。至少在美国，年轻软件开发者的就业正在收缩。下降是事实。人工智能是不是主因，还是一个研究问题。斯坦福那份报告自己也说，没有看到全经济范围的普遍岗位替代。我不能担保今天学会，明天就能换到工作。第二，锻炼逻辑思维。这句话不说明锻炼哪一种能力、怎么测量，就无法检验。无法检验的理由，不能当理由。能确定的只有一条。人工智能把想法变成第一版可运行程序的成本压得很低，值钱的部分因此挪到了另一头：想做的事对不对，做出来的东西合不合用。人工智能知道你说出来的要求，不知道你没说出来的那些：数据有多大，出错时该怎么提示，中文和英文要不要分开处理。它也不替你承担判断错了的后果。要判断对不对，你得自己动手做过。第一步：语法，4 到 6 周
从 Python 入门。3 个理由。装完就能用，一行可以看见结果，不必先跟复杂的构建工具搏斗。Python 语法接近英语，容易读。今天许多人工智能工具首先提供 Python 接口。只学 6 样，一样不多。这 6 样覆盖了程序最基本的动作：存住数据，分出岔路，重复动作，打包动作，管好一批数据。绝大部分程序的核心逻辑拆到底，就是这几种动作的组合。条件。让程序在两条路中选择一条。余额不够，就不扣款。循环。把一件事重复做，直到条件不再成立。这是编程与按计算器的分界：你写一遍，机器做一万遍。函数。把一组动作装在一起，起一个名字，以后直接调用。程序长起来之后，函数帮助你分开各项工作。字典。一组互相对应的东西，按照名字取用。给出“张三”，取出张三的电话。新手很快会撞上一道坎：眼前这件事该用列表，还是字典？问自己两句话。顺序要不要保住？取用时按照位置找，还是按照名字找？暂时不学面向对象，不学装饰器，不学框架。你会在别人的代码里撞见它们，那时候再查，不必提前预习。前面那 69 个孩子，10 次课合计十几个小时，学的是变量、运算符、数据类型、条件、循环和数组，还有输入输出。他们手边有文档，有例题，有老师逐题改错。学完，能写、能改小程序。你自学没有老师改错，时间要给足。每天 1 小时，4 到 6 周。这个刻度按我的经验来，不是那项实验算出来的数字。验收标准只有一条：不查资料，不问人工智能，写一个程序，统计一段中文文本中每个汉字出现的次数。写得出来，过。代码底子
有人会说：挡住新手的从来不是不懂变量和循环，是不会把一件现实的事拆成一步一步；语法让人工智能写就行了。拆解这件事，听讲学不会，看书也学不会，只能靠把一件事真的写成能跑的程序练出来。而要把拆出来的步骤写下来，你手里得有词。那 6 样就是词。词不够，你连自己拆得对不对都说不清楚，更谈不上去看人工智能拆得对不对。所以下面第二步那件“自己真要用的东西”，练的正是拆解。第一步不是拆解的替代品，是它的前提。第二步：做一件自己真要用的东西，2 到 3 个月
不要只做教程里的项目。教程适合练手，问题是只做教程：做完就扔，最后只记得自己跟着敲过。养正那个换军装程序，要拿给新加坡的老师当场演示。演示要通过，程序必须真的能运行。有一个真实的验收人在等，写法便不一样。你手边也有这种题目。把几十个文件按照日期改名。把银行流水导出来，算清每个月的钱花在哪里。把网页上的表格取下来，存成表格文件。选题两条标准。做完以后，你每周真的会用。数据在你自己手里：本地文件、自己能导出的表格，不要一上来就挑需要别人给权限和接口的题目。第一，先自己写。写到卡住，卡满 20 分钟，再问人工智能。第二，人工智能写完，你再手敲一遍。养正 2026 年才开始用 Claude 写代码，他的用法就是这样：让 Claude 先写一遍，看完，再按照自己的习惯和风格手敲一遍。这一遍不是抄，是把别人的判断过一遍自己的手。敲不下去的那一行，就是没有看懂的那一行。手敲完再加一道。合上人工智能给的答案，把同一个功能重写一遍；或者主动改掉一个条件，看程序会不会照你预期的那样变。抄一遍也能制造“我懂了”的错觉，改一处不会。第三，每周留一次断电练习。关掉人工智能，用 1 小时写一个小东西。这 1 小时，是你手里那把尺子。多测试少假设
2025 年 7 月，研究机构 METR 发布过一次对照实验。16 位资深开源开发者完成 246 个真实任务。这些开发者平均已有 5 年项目经验，做的是自己熟悉的大型开源项目。使用 2025 年初的人工智能工具时，开发者实际慢了 19%。开工之前，他们预测自己会快 24%；实验结束以后，他们仍然认为自己快了 20%。这不是一项学习实验，它测的是完成任务的时间，不是学会了多少。它也只适用于当时的工具、这批开发者和他们熟悉的大型项目。它证明的是另一件事：主观感受不能代替测量。老手对自己有没有变快都估反了方向，你对自己学到哪里的感觉，同样不能当数。所以要关掉人工智能，独立做完一次。第三步学Git
Git 是版本控制工具。每改完一段程序，你保存一个版本。Git 记下这一版与上一版有哪些差别。程序改坏了，可以退回以前的版本。两个月后再回来，可以看见当时改了什么。git init 建一个仓库，一个项目只用一次。git status 看现在有哪些变化，这一条用得最多。git add 和 git commit 存下一个版本。git diff 看具体改了哪几行。git restore 把改坏的文件恢复回上一个版本。两个人同时修改一套程序，Git 能指出双方改动的位置，没有冲突的地方自动合并，有冲突的地方由人来决定留哪一种写法。这一件要等你真和别人一起写的时候再学，那时候再碰分支和合并。养正在小米那几天做的正是这件事。手册在手，程序是别人的，任务是把程序改对。这一步没有终点，也不必刻意宣布开始。手里有了第二步那个自己一直在用的程序，你自然会想改。一改，就会撞上报错信息、版本记录和别人的代码。游戏和工作
4 到 6 周过语法关。3 到 6 个月，做出一件自己真会用的东西。一年左右，能看懂一个中等项目中的某个文件在做什么。这只是经验刻度，不是统一课表。断断续续学 2 年，不如连续学 3 个月。按照这条路线，十来岁的孩子和二十多岁的人主要在第二步分岔。孩子求的是不厌，题目要能一直玩下去：写一个自动整理游戏存档文件夹的小工具，每用一次省下几分钟翻找。二十多岁的人求的是当月见效，题目要能立刻抵掉工时：写一个把周报表格转成固定格式的脚本，每周少做十五分钟机械劳动。AI需要你的代码底子
这套次序里，人工智能出现在第二步，不在第一步。这个位置不是实验直接给出的结论，是我给初学者安排的次序。不过那 69 个孩子里，有底子的那批用了人工智能学得更好，底子薄的那批用与不用一个样。次序的道理在这里。第一步那 6 样东西，是你的第一笔本钱，不是全部。往后还有测试、错误处理、程序库、输入边界，一样一样来。等到哪一天，人工智能给你的代码，你能看出哪一行不对、知道该怎么改，到那时候，你再问自己养正问我的那句话：
刘韧约 9 分钟