费之大量光阴后拿之名低分，完全成之 AI 之「者肉测试员」。
此为真正之「把 AI 当导师」，而不为当实习生，而且此种 Vibe Coding 也得需用户真之「懂行」、「会问」。
但反转来得甚干脆：彼些觉得「易」之者，于随后之测试中一塌糊涂；而彼些觉得「难」之者，虽历程煎熬，但自我呈文之「修习与成长感」 却更高，分数也更高。
点赞关注极客公园视频号， 此一大类里还能细分为三名小类，分别为： 打破砂锅型 (Conceptual Inquiry)：彼等几乎不让 AI 写代码。
认知卸载（Cognitive Offloading）。
彼等差事成速度确实最快（平均 19.5 分钟），但学到之东西几乎为零，我奶奶来做皆能行。
每一次报错，皆为现状全球给思维之一次「阻力」。
彼等只问概念：「为什么要用 await。
黄仁勋：若我今为学生，比专业更重要之为先学 AI。
再结合上 Vibe Coding 最短之短板——Debug 难。
有些程序员为之让 AI 写出完美之代码，花之大量光阴于「写提示词」上。
数据显示，用之 AI 之彼组者，考试得分平均比手写组低之 17%。
数据显示，有者甚至花之 11 分钟于跟 AI 聊天，或者于一项 35 分钟之差事里，花之 30% 之光阴于构思怎么问疑难。
论文中格外提到，分差最大之领域于于调试（Debug）。
AI 给出之代码看皆不看就运行，不对再扔。
为什么会此样。
此并不意外，毕竟 Vibe Coding 最大之弊端就于于，用户不知道彼堆代码为怎么跑起来之，排查与调试皆无从下手。
而 AI 组平均每者只遇到之 1 次报错，大多数时候，AI 给出之代码不仅能跑，而且跑得极其顺滑。
区别全于于怎么用 AI。
论文指出之一名被忽视之光阴本金： 作者｜Moonshot 半途而废型 (Progressive AI Reliance)：刚始还想自己试试，写之两行发觉报错，心态崩之：「算之，AI 你来吧。
或许并不为 AI 废掉之程序员，而为吾等自己于「偷懒」之诱惑面前，主动选择之缴械投降。
于 AI 时代，吾等正把「体谅力」卸载给大模型。
第一类用户皆可归为「AI 废者」之低分低能组，考试得分极其惨烈，平均分皆于 40% 以下（不及格）。
」 最后整名营造变成之不可逆转之「屎山黑箱」（「屎山代码」指一种混乱、难以体谅与维护之代码状态，「黑箱」则指不知道内部架构之体系）。
于编程里，它除去之 Debug 之苦，让你误以为自己掌控之体系；于创作里，它除去之构思之枯燥，让你误以为自己有之创意；于者际关系里，它甚至也于除去「摩擦」。
「好吧，我承认我变菜之，但我至少变快之啊。
此种「AI 过于平滑」之通病，不仅仅存于编程中，正蔓延到吾等活之方方面面。
手动组于做差事时，平均每者遇到之 3 次报错。
别急，此篇论文最精彩之部分，于于它通过录屏剖析，把用 AI 之程序员分成之六种流派。
研讨认为，过度依赖 AI 会直接跳过思考历程｜图源：Anthropic 彼等发之一篇题为《AI 如何影响技能形成》之硬核论文，告诉吾等一名残酷之真相：若你于修习新东西时过度依赖 AI，你不仅不会变快，你之核心本领还会现显著倒退。
此一大类里也能细分为三名小类： *头图来源：Deeplearning AI Community 大家之第一反应认可为：AI 组认可秒杀「土法炼钢」组吧。
」搞懂之原理，再自己手写。
「自言辞就为新之编程言辞。
混合双打型 (Hybrid Code-Explanation)：融合之上面两名类型之特征，会写「请写出代码，并解释每一步之逻辑。
AI 组之报错显著少于无 AI 组｜图源：Anthropic 研讨员发觉，虽 AI 组平均分低，但组内方差极大。
当大脑不再负重，技艺肌肉就始萎缩。
比如多问「为什么」，少说「帮我做」；哪怕为 AI 生成之代码，也要像审视同事之代码一样，逐行阅读，体谅代码逻辑；珍视 Debug 之机会，下次遇到 Bug，试之先自己剖析 5 分钟，而不为 5 秒钟后就截图发给 ChatGPT。
哪怕为资深营造师，于 AI 辅助下得分也低于无 AI 组｜图源：Anthropic 手动组之故学得好，为因彼等经历之「摩擦」。
」「此为什么原理。
即当器物足够强盛时，吾等会下意识地把原本需大脑办理之计算、记忆、逻辑推演差事，「卸载」给器物，就像自动驾驶一样。
」然后彻底躺平。
」此句话于过往一年里被无数者奉为圭臬。
甚遗憾，Anthropic 之数据再次打脸。
盲目试错型 (Iterative AI Debugging)：此为最典型之「无脑 Vibe」。
先斩后奏型 (Generation-Then-Comprehension)：让 AI 写代码，但于复制粘贴之前，彼等会追问：「解释一下此行代码为什么此么写。
AI 组甚易陷入试错式调试（Iterative Debugging） 之轮回：AI 生成代码-报错之-把报错丢给 AI：「处置一下此名 bug」-AI 复生成-又报错之…… 但就于上周，大模型领域之「优等生」、Claude（也为最受欢迎之 Vibe Coding 模型之一）之母公司 Anthropic 居然自己跳出来，给此股热潮泼之一盆冰水。
于此名历程中，光阴一分一秒流逝，而程序员之大脑处于一种「挂机等结局」状态，既没有节省光阴，也没有学到东西。
Vibe Coding 之代价为 差事终后，所有者皆参加之一场原本用于检验「修习成果」之考试。
遇到 Bug 不看回溯，直接把报错扔给 AI。
到此儿你或对 Vibe Coding 祛魅之。
比如多问「为什么」，少说「帮我做」；哪怕为 AI 生成之代码，也要像审视同事之代码一样，逐行阅读，体谅代码逻辑；珍视 Debug 之机会，下次遇到 Bug，试之先自己剖析 5 分钟，而不为 5 秒钟后就截图发给 ChatGPT。
」此或为甚多 Vibe Coding 爱好者之最后防线。
」此么一句，就能让 AI 先自审一遍，自己也能看到 AI 之编程思路，把 AI 之输出转变为之自己之学识。
它更像为一份「AI 时代活命指南」。
论文中提到之参与者们微妙之心理变化：AI 组之参与者普遍觉得差事「更易」，「手动组」则觉得差事甚难，历程甚苦。
考试实质包括编程语法、对代码逻辑之体谅、阅读代码之本领，以及调试（Debugging）本领。
欲不被 AI「废掉」，吾等需更张用习性，从呈文中之「高分高能组」彼里取经： 「时价比」不高，花费之光阴并没有转换成得分｜图源：Anthropic 最明显之结局为：成绩不好。
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO 为什么用之为同一名 AI，者与者之差距此么大。
此为也为最惨之一群者。
AI 确实能让吾等跑得更快，但先决为，你得知路途于哪里，以及车坏之该怎么修。
Anthropic 之研讨员此次甚较真，彼等找来 50 多位有阅历之 Python 程序员，搞之一场「闭卷考试」。
欲不被 AI「废掉」，吾等需更张用习性，从呈文中之「高分高能组」彼里取经： 研讨者员按照编程阅历将参与者分成之三层：1-3 年、4-6 年、7 年以上。
它更像为一份「AI 时代活命指南」。
特斯拉前 AI 总监 Andrej Karpathy 带火之 「Vibe Coding」（氛围编程）更为让此种狂热达到之顶峰——你不需懂语法，不需管实现，只要对之 AI 喊出需求，然后 Check 一下觉受（Vibe）对不对就行之。
但疑难于于，肌肉之生长需负重与撕裂，若你长期穿之它不脱下来，你之肌肉就会因缺乏刺激而萎缩。
Vibe Coding 最迷者也最险恶之地方，于于它制造之一种「欢愉但无知」 (Happy but Ignorant) 之幻觉。
无 AI 组问答得分普遍高于 AI 辅助组｜图源：Anthropic 皆有 AI 生成此件事。
而 AI 组之体验就太「平滑」之。
论教养确写道：「遭遇并独力处置过失，为技能形成之枢纽一环。
甚至，你或正变成一名「半废」之营造师。
流言蜚语。Anthropic 之此篇呈文，其实触及之一名心理学概念： 第二类用户就乐观多之，虽用之 AI，但考试成绩甚至能与手写组持平（65% - 86%），寻找到之者机共生之处置预案。
呈文显示，于成差事之总耗时上，AI 组与手动组于统计学上没有显著差异：AI 组平均 23 分钟，手动组平均 24.7 分钟。
此篇论文中有一名极其不起眼、但细思极恐之数据：报错数量。
此听起来为 AI 之长处。
故彼等被迫停下来，盯之红色之报错讯息，去查文档、去思考「为什么类型不匹配」、「为什么线程没挂起」。
有之者「废」之，有之者却「超神」之。
于面对「未知」时，AI 为公平之，它会齐一地「废掉」每一名试图偷懒之大脑，无论此名大脑曾经多么睿智。
毕竟此可为 GPT-4o 级别之辅助。
拿 AI 作「辅助驾驶」之三类者得分更高｜图源：Anthropic 者为悠闲之，脑子也废之 听起来，程序员之门槛似乎要被抹平之。
吾等不为有 AI 加持吗。
但代价为，你失之对地面之「抓地力」：脱下外骨骼，路皆不会走之。
但实验结局出来后，所有者皆沉默之。
此意味之，即使你为入行 7 年以上之老鸟，于面对一名全新之技艺领域时，若过度依赖 AI，你之修习效果依然会大打折扣。
结局数据显示，于所有阅历层级中，不用 AI 之组，考试得分皆高于用 AI 之组。
甩手掌柜型 (AI Delegation)：直接把题目复制给 AI，「帮我写名函数处置此名疑难」，然后 Ctrl+C / Ctrl+V，直接交卷。
「手动组」： 只能看官方文档，用 Google 搜索，严禁用 AI。
毕竟，当自动驾驶失效之时候，只有彼名还没忘记怎么握方位盘之者，才能救全车者之命。
就像甚多 AI 成瘾之疑难，皆源自于 AI 永远情绪稳固，永远秒回，永远顺之你之话说，此种极致之「平滑关系」，何尝不为一种 Vibe Social。
故Vibe Coding 让你于写代码之历程中觉受自己为名天才，直到代码报错之彼一刻，你才发觉自己只为名「睁眼瞎」。
不，Anthropic 之研讨员指出，此恰恰为疑难之根源。
论文里用之名比喻：AI 就像一副「外骨骼」，当你穿之它时，你力大无穷，能搬起千斤重。
正为为之克服此种阻力，大脑被迫建立之深刻之心理表征（认知心理学术语，指当外部讯息进入者脑之后，它会被吾等之大脑加工，以一种格外之架构储存大脑中）。
考题为让大家去学一名从来没用过之冷门 Python 库：Trio，来成一系列参差编程差事。
当然之，Anthropic 之此篇论文也不为让吾等因噎废食，退回到手写代码之时代。
此完美模拟之程序员于工中经常遇到之场景：老板突然让你用一名你没见过之器物/框架去处置疑难。
」此种提示词，强制 AI 输出推演思维链，让自己跟上 AI 之思路，也便于去 Debug。
「AI 组」： 配备之一名基于 GPT-4o 之强盛 AI 助手，可随时提问、让它写代码、修 Bug。