这篇文章探讨了编程学习社区 RC 如何应对人工智能（AI）的兴起，特别是大型语言模型（LLM）带来的影响。通过与近 3000 名校友组成的社群进行深入交流，RC 发现程序员们对 AI 的看法和使用方式存在巨大差异。最终，RC 决定将其对 AI 的立场建立在核心的自导式学习理念之上，鼓励成员将 AI 作为增强个人能力和拓展求知边界的工具，而非替代独立思考和深度学习的捷径。其核心原则是：利用 AI 在能力边缘进行探索，锻炼自主决策能力，并在社群中慷慨地分享与学习。
AI 的挑战与机遇
大型语言模型（LLM）的普及，为编程领域带来了深刻的问题。作为程序员的学习社区和招聘机构，我们必须直面这些挑战：
- 编程技艺的未来： 代码生成工具的存在对编程这门手艺意味着什么？
- 学习方式的变革： 语言模型在多大程度上帮助或损害了我们的学习能力？
- 核心技能的演变： 哪些技能变得不那么重要，而哪些又变得更加关键？
- 就业市场的影响： AI 工具对当下的软件工程岗位有何冲击，未来又将如何演变？
我们关心这些问题并非出于学术兴趣，而是源于实际运营的需求。从招生面试到社区管理，AI 已经渗透到我们工作的方方面面。
我们的方法：聚焦于人
我们决定将讨论范围限定在 LLM 对我们社区成员个人和职业发展的具体影响上，因为这是我们最了解的领域。我们关注的不是能源消耗、虚假信息或行业颠覆等宏大议题，而是每个程序员在 RC 期间都必须面对的实际问题：是否以及如何最好地在工作中使用 LLM。
我们的最大财富是拥有近 3000 名校友的社群。因此，我们组建了一个非正式的 AI 顾问小组，成员涵盖了不同年龄、行业、资历和技术背景的校友。最重要的是，他们对 AI 持有多元且深刻的观点，其看法远比网络上的主流论调更加细致和复杂。
社区洞察：来自校友的多元观点
我们发现，即使是经验丰富的程序员，对于 AI 当前的能力和实用性也存在巨大分歧。
对当前工具的看法不一：
- 有经验丰富的程序员认为现有 LLM 帮助不大，并预计未来几年软件工程的日常工作不会有太大变化。
- 另一位程序员则表示，LLM 已经彻底改变了他的工作流程，他现在的主要工作是审查由 AI 和非技术同事生成的代码。
- 还有人尝试后发现模型“极其自信，但几乎总是错的”。
造成观点差异的三个因素：
- 经验深度： 与 LLM 互动越少、经验越陈旧的人，越倾向于认为其价值不大。
- 工作类型： 从事网页应用、数据可视化等工作的程序员更容易发现 LLM 的价值；而从事系统编程、前沿机器学习研究的人则不然。
- 项目规模： 在小团队或独立开发新项目时，LLM 的作用更明显；而在大型组织的复杂代码库上工作时，其效用则会下降。
关于使用 AI 学习的复杂心态
在学习方面，大多数人既看到了机遇，也看到了陷阱。
一个反复出现的观点是，当人们真正想掌握某个知识点时，应该关闭 LLM。一位热衷于使用 LLM 的校友将工作分为两种模式：
- 交付模式 (Shipping Mode): 严重依赖模型来快速产出。
- 学习模式 (Learning Mode): 完全不使用 LLM，至少在代码生成方面。
一位对 LLM 持怀疑态度的校友打了个比方：“LLM 就像电动自行车。如果你的目标是快速到达某地，它很有优势。但如果你的目标是成为一名更强的自行车手，那它帮不上什么忙。”
另一位曾参与 ChatGPT 开发的校友也强调了主动性的重要性：
“LLM 可以是人类有史以来最了不起的学习工具，但你也可以依赖它来完成工作，那样你的学习能力就会萎缩。我用它来教我东西，以便我能自己去完成任务。”
共识：理解你正在构建的东西
无论对 AI 持何种看法，所有校友都一致认为，理解和批判性地审视你所构建的系统至关重要。
“对系统的心智模型一如既往地有价值。了解操作系统、互联网、推荐算法等如何工作，比以往任何时候都更重要。”
“优秀程序员的一个基本功，就是在不同抽象层次之间切换自如。我所见过的所有 LLM 都还做不到这一点。”
大家普遍认为，关键在于使用者如何选择使用这些工具。令人担忧的不是那些会挑战和验证 AI 输出的人，而是那些不愿意付出这种努力的人。这种付出努力的能力，以及判断“这些数字看起来不对”的审辨式思维，是当下最有价值的品质之一。
我们的立场：基于自导式学习原则
我们社区的教育理念根植于“非学校化教育”(Unschooling) 之父约翰·霍尔特的思想。
“我们无法将自己的心智结构给予他人；他们必须建立自己的。教程和老师只能带你走一段路。最终，你必须建立自己的心智模型。”
这个原则同样适用于 AI。你可以从 LLM 那里获得比 Stack Overflow 多得多的东西，但盲目复制粘贴同样无法带来真正的学习。
“学习不是教学的产物。学习是学习者活动的结果。我们通过做来学习，没有其他方法。”
基于此，我们提出了三条在 RC 使用 AI 的指导原则：
在你的能力边缘工作。 真正的成长发生在“你能做什么”和“你几乎能做什么”的边界上。LLM 可以帮你更快地找到甚至扩展这个边界，但也可能在你能产出的东西和能理解的东西之间制造鸿沟。你需要在使用 AI 时保持甚至加强严谨性。
锻炼你的意志力肌肉。 意志力是你做出决定并采取行动的能力。LLM 擅长提供快速答案，但它不知道哪些问题对你重要，哪些答案有意义。你应该使用 AI 来增强你的能动性，而不是放弃它。
慷慨地学习。 RC 的主要价值在于人。慷慨地学习意味着公开分享你的尝试、成功和失败。在一个对 AI 充满分歧和激烈讨论的时代，我们更需要为尊重的分歧和探索留出空间。无论你拥抱还是回避 AI，都请对周围的人保持好奇和友善。
简而言之，无论你是否选择使用 AI，你都需要建立自己的心智模型才能成长。在使用 AI 时，用它来放大你的雄心，而不是放弃你的能动性。