AI 会写代码后，新人的练级路线变了

被压缩的是练手机会

以前团队带新人，很多时候靠的不是精心设计的培训，而是一堆低风险任务。

改一个页面，接一个接口，补几个 CRUD，修一个日志里能看出来的小 bug。活不大，也不体面，但它们有价值。新人会在这些任务里学会：

需求怎么落到代码；
接口怎么和数据对上；
日志怎么读；
测试为什么不能只看通过；
线上系统为什么和本地 Demo 不一样。

现在最容易被 AI 吃掉的，恰好就是这类活。

企业当然会算账。一个有经验的人带着 AI，先让模型出草稿，再人工审一遍，可能比安排新人慢慢磨更快。尤其在预算收紧、交付压力大的时候，“先不补初级岗”会变成一个很自然的选择。

所以问题不只是裁员。更隐蔽的问题是，不再补人。

岗位还在，需求也还在，但原来那条“从小活开始练”的路径变窄了。

老手为什么更吃红利

AI 写代码以后，老手反而更容易受益，这件事看起来有点反直觉。

原因不复杂：老手知道什么时候该不信。

模型生成一段代码，能不能编译只是第一层。真正麻烦的是后面几层：

抽象是不是过早；
错误是不是被吞掉；
测试是不是只是在糊弄 CI；
接口是不是破坏了隐含约定；
这段改动下周还好不好维护。

这些判断不靠打字速度，靠踩坑经验。

Anthropic、METR、BLS、ILO 这些报告从不同角度都在指向类似的现实：AI 会改变任务结构，但不是把整份工作一次性抹掉。软件开发仍然需要人，只是“重复性编码”和“低判断力执行”的价值变薄了。

这对老手是红利。因为 AI 把体力活压短以后，老手可以把更多时间放到设计、审查、边界和验证上。

但对新人就尴尬了。你本来需要靠那些体力活长出判断力，现在这些活先被 AI 接走了一半。公司又希望你一上来就会审 AI、会拆需求、会判断质量。

这像是要求新人跳过训练关，直接开始打中段 boss。

新人要练的东西变了

我不觉得新入行的人没路了。

软件需求还在，系统越来越多，业务也不会因为 AI 会写代码就自动变简单。真正变的是入场能力。

以前新人最重要的是“能把需求写成代码”。以后可能要多两层：

第一，能把需求拆成 AI 能做的小任务。

不是一句“帮我做个后台”，而是能说清楚当前目标、边界、输入输出、不能动哪些文件、完成后怎么验证。

第二，能审 AI 的结果。

这比写 prompt 难。审代码需要知道项目上下文，知道语言和框架的坑，也知道业务里哪些东西不能省。你要能指出“不对在哪里”，而不是只说“感觉不太好”。

所以新人不能只练“让 AI 写”。还要练：

自己从零写一遍小功能；
读懂 AI 写的每一行；
把模型输出拆成可验证的小步；
让测试和日志告诉自己哪里错；
复盘为什么第一版看起来对，后来又错了。

AI 可以加速，但不能替你完成这部分判断力训练。

新手村还在，只是要自己搭

如果我是刚入行的人，我会刻意给自己留一些“低效率练习”。

比如同一个小功能，先不用 AI 手写一版，再让 AI 写一版，对比差异。或者让 AI 写完以后，自己逐行解释，解释不出来就当作没学会。再或者故意把任务拆得很小，每轮只允许模型过一个检查点，不让它一口气把项目铺满。

这听起来比“AI 帮我全写了”慢。

但新人真正缺的不是代码产量，而是判断力的来源。你不亲自经历几个“看起来能跑，后来发现设计错了”的坑，就很难知道 AI 什么时候也在犯同样的错。

老一辈所谓“古法编程”的价值，不是怀旧。它只是让人见过足够多的错误形态。见过以后，AI 给你一段代码，你才知道哪些地方要追问，哪些地方要加测试，哪些地方不能轻易信。

所以新人不是不能用 AI，而是不能只用 AI。

门没有关。只是以前团队和项目自然提供的新手村，正在被效率工具压缩。以后想进门的人，可能得自己搭一部分训练场。

这不公平，但很现实。

参考资料

写作附记

原始提示词

AI 编程的一些思考，刚毕业的应届生，编码能力肯定是不如 claude、codex，对于老手，AI 能提效，但是 AI 导致企业大幅削减了初级程序员的岗位，本人毕业已经十年，经历了新人到老人的爬坑阶段，以后，但是新入行的呢，他们会怎么样？老一辈算是经历过古法编程，说白了，能识别出来AI写的是好的，还是不好的，毕竟当前阶段的AI还是会犯错。

写作思路摘要

保留原文核心问题：AI 提效老手，但压缩新人练手机会。
把旧稿中过密的报告材料降级为支撑，把主线放回“新手村变窄”。
不写求职鸡汤，只给出新人需要主动搭训练场的判断。