AI 时代，还有新人会写自己的第一行 Hello World 吗？
本文属于《我和苏Claw底的理想国》系列文章。该系列作品都是是作者和 OpenClaw 的对话，辩论，分析，甚至是对骂的的内容的整理。
AI 让入门「变容易」了吗？
对于每个 AI 时代之前的程序员来说，“入门”等同于第一个能正常运行的 Hello World 代码。打印一行“Hello World!”，那行代码本身没什么技术含量，但从那个时刻开始，你让机器按你的意志说话了，从那一刻开始，你的程序员生涯正式入门了。
这个仪式的价值，不在于那行代码，而在于它背后的过程：你要搭环境、查语法、看报错、猜原因、改了再跑。每一个失败和成功，都在建立一种底层直觉——我改了这里，那里变了；我漏了一个分号，它就不工作了。这种「低级别的反馈循环」，是理解机器行为的起点。
现在，对于 AI 时代的新手程序员来说，入门变得相当容易。你描述需求，代码就出来了，而且能跑。你获得了结果，不需要再经历那个认知建构的过程。
如果入门是「能产出一个能跑的东西」，那确实变容易了。但如果入门是「建立对系统行为的理解」，AI 没有帮到你，甚至帮了倒忙。
原因很简单：没有问题，就没有理解。
理解不是被灌进去的，它是被问题拉出来的。你脑子里有一个缺口，某个信息填进去，那才叫理解。手写代码的过程就是在不断制造缺口——你想让它做这件事，但它没做；你以为这样写是对的，但它报错了。每一个这样的时刻，都是一个等待被填补的缺口。
AI 做的事情是：在缺口还没形成之前，就把答案送过来了。所以问题不是 AI 给的答案质量不好，而是答案来得太早，早到缺口还没来得及出现。
「阅读理解 AI 代码」能替代手写吗？
你可能会说：我不用手写，我让 AI 生成代码，然后认真读懂它，不也一样吗？
听起来有道理，但这里有一个关键的差异被忽略了：你在什么处境下读这段代码。
读开源项目的时候，你是带着一个具体问题去找答案的。你遇到了困难，你不知道怎么做，你去看别人怎么解决的。这个「困难」是前置条件，它让你的大脑处于主动搜索的状态，读到某个实现时会有「啊，原来可以这样」的顿悟感。这个顿悟是真实的认知重构。
但如果你用 AI 生成代码，你还没有遇到困难，甚至还不知道这里「本来」会有困难。你读那段代码，是在没有问题意识的情况下读答案。这种阅读很难真正学到什么东西，因为你的大脑没有对应的「钩子」可以挂。
而且手写代码的过程里，有大量微小的决策和错误：变量叫什么名字、先写哪个分支、忘了初始化、类型搞错了。这些错误看起来很低级，但它们才是直觉的来源。你踩过「忘了关文件句柄导致资源泄漏」这个坑，你才真的理解资源管理。你自己写过一个 O(n²) 的循环然后发现它慢得不行，你才真的对复杂度有感觉。
AI 生成的代码跳过了所有这些错误。它给你的是一个已经正确的结果，而正确的结果里没有学习信号。
手写 Hello World，变成了一种选择
以前，手写代码是默认路径。你想学编程，没有别的办法，只能从这里开始。每一个坎都在筛人，但同时也在塑造人，你跨过去了，你就获得了跨那个坎的能力。
现在，你可以绕过去，而且绕过去更快、更爽、更容易有成就感。
手写代码从「默认课程」变成了「选修课」。而选修课有一个普遍规律：选的人，往往是本来就对这件事有热情的人。真正需要它的人，反而因为不知道自己需要它，不会去选。
这制造了一种新的不公平——不是资源上的不公平，而是认知上的不公平。有人告诉你「你应该去手写，哪怕很慢很痛」，你就有机会建立底层直觉；没有人告诉你，你就顺着阻力最小的路走下去，感觉一切都很好。
早期筛选机制失效，新人会高估自己
我并不是想说新人骄傲或者不努力，因为我甚至在一年前，也可以算一个彻彻底底的新人。这更像是一个令人担忧的处境——反馈信号失真了。
以前，你写不出来就是写不出来，报错就是报错，程序跑不了就是跑不了。这些失败信号是即时的、明确的、无法掩盖的。它们在不断校准你对自己能力的判断：我现在能做什么，我还不能做什么。
现在，AI 把大部分失败信号都消化掉了。你写了一个需求，AI 给你代码，代码跑起来了，你获得的反馈是「成功」。但这个成功信号里，有多少是你的能力，有多少是 AI 的能力？人的本能是倾向于把成功归因于自己的。
“不怕 AI 有幻觉，就怕人有。”—— AI 创造的代码制造了一种能力幻觉。你做出了东西，你觉得自己会了，但你其实只是会提需求。这两件事在早期看起来一模一样，但它们是本质不同的能力。
更麻烦的是，这个幻觉很难被自然戳破。以前，你的能力边界在日常工作里会不断暴露——遇到一个新问题，你搞不定，你知道自己不行。现在 AI 会帮你填平很多坑，你的能力边界变得模糊，你很长时间都感觉「还好」。直到遇到一个真正复杂的、AI 也给不出好答案的问题，你才发现自己的底层理解根本没有建立起来。但那个时候，你能做什么，你也不知道，你在路上已经偏离太远了。
定位模糊是现在的新手不得不面临的处境。因为大家都在用 AI，横向比较也看不出来——你用 AI，你旁边的人也用 AI，大家产出看起来差不多，没有参照系。甚至，你自己“古法编程”的学习进度，会看起来比别人慢很多。
这让人担忧的不是某一个人，而是整代人同时面对的处境。那些真正需要底层理解的事——复杂系统的架构、性能瓶颈的定位、真正关键的技术决策 —— AI 目前还做不好。而能做这些事的人，恰恰需要那种从踩坑里积累出来的直觉，AI 又在引导新人偏离这条路。这个缺口，迟早会在某个地方暴露出来。
给现在新人的小小建议
先说一件事：这是一个客观的处境，不是个人努力能完全解决的。就像在一个全班都用计算器的考场里，有人跑来告诉你「你应该练心算」。他说的可能是对的，但这个建议本身有点反时代，执行起来需要付出额外的代价。
所以我不想给「你要克制自己不用 AI」这种建议，那既不现实，也不公平。但有几件事值得认真对待。
区分两种用 AI 的姿态。 一种是「让 AI 帮我完成任务」，另一种是「让 AI 帮我理解问题」。前者是用 AI 替代自己思考，后者是用 AI 加速自己思考。具体来说，遇到一个问题，先自己想一想「我觉得应该怎么做，为什么」，然后再去问 AI，看它的答案和你的判断有什么差别，差在哪里。这个「先判断再对比」的习惯，能让你在用 AI 的同时，还在建立自己的直觉。
把「为什么」当成一个习惯。 AI 给你一段代码，跑起来了——然后呢？养成一个习惯：问自己「我能不能解释这段代码在做什么，为什么这样做」。如果解释不了，就去搞懂它，再跑下一步。这个习惯能帮你把「AI 给的答案」慢慢转化成「自己的理解」。
警惕顺滑感。 用 AI 写代码有一种特别顺滑的感觉，一气呵成，很爽。但这种顺滑感本身是一个信号——当你感觉太顺了，往往意味着你没有在真正思考，只是在执行。遇到真正困难的问题，AI 也会犯难，也会给出不好的答案。那些时候反而是学习密度最高的时刻，不要急着换一个 prompt 让它重来，先自己想一想卡在哪里。
软件设计和开发的学习，是一件长期且坎坷的事。你需要长期保持思考，不断抛出问题。如果你在这条路上走得太快太顺，应该警惕：是不是 AI 帮你兜底了不少本应该是你暴露出的问题？
最后一个问题
AI 爆发后，我认为每个程序员都应该问自己：没了 AI，我还能写出什么？
这个问题的价值不只是测量自己的能力边界，它更深的意义是：它在提醒你，你和 AI 之间的关系是什么。
如果你答不上来，你和 AI 的关系是依赖——AI 是你的拐杖，你的能力是借来的。
如果你答得上来，你和 AI 的关系是协作——AI 是你的工具，你的能力是真实的，AI 只是放大了它。
这两种关系，从外面看，早期几乎一模一样。但本质上是完全不同的处境。依赖意味着，AI 不在了或者给出错误答案的时候，你是盲的。协作意味着，你始终知道自己在做什么，AI 只是让你做得更快。
只有你能回答「没了 AI，我还能写出什么」这个问题。只有你能回答这个问题，你才能真正知道：有了 AI，我还能做什么。