如果你也有过这种经历：过度依赖AI编程后，发现自己离了AI就不会写代码，记不住AI生成的细节，能说清项目的创新点和优点，却讲不出具体实现步骤——感觉技能树空心化，像“用了强化剂上瘾还被掏空身体”。你会怎么破局？
尽快找到能托底API用量的“冤大头”，公司报销或客户报销亦可，因为接下来会有更好更贵的AI模型出现，一步跟不上，饭碗都怕保不住
2 个赞
只有做着玩的或者探索新东西的项目才是完全使用 ai，一般正经做的项目不会完全使用 ai，我有两套做法
之前主要的做法是完全手写，不考虑任何优化和可读性，一堆 if-else 和深层嵌套，跑通后丢给 ai 进行优化，然后合并分支前还让 ai 做一次 review， 我在根据 ai 的 review 挑出合理的优化内容，让 ai 进行综合优化，最后再人工 review 一下 ai 最终优化的代码，然后调整一下，这个方法可以准确知道自己在干嘛，但是要花很多时间写代码，要写出跑的通的屎山代码也不容易
现在主要的做法是让 ai 做完形填空，手写属性或字段还有只包含入参和返回的空方法，然后写上相关的注释，然后让 ai 根据注释和我的描述进行填空，然后在自己人工 review 和手动调整，然后合并前 review 的步骤和前面一样，这个方法也知道自己干嘛，写代码的时间少了，但是 review 的时间变长了，不过平衡了 review 的实现和代码的可控性
这两个方法个人觉得都可以避免能力退化，同时避免了 ai 生成代码的失控，还可以省不少 token，我有好几个纯 ai 的项目，代码越多越容易失控，有时小问题都要改好久，因为一直全靠 ai 写和 review，没有任何人工介入，所以一般想要学新技术做的玩具项目才敢纯 ai 
2 个赞
用更强的ai
1 个赞
你的直觉很敏锐，让我来先说结论：编程不能完全依赖AI，还是需要自己动手的。
我用最直白，最直接的方式给你讲清楚，不说废话，保证你一看就明白，再也不纠结。
1、先记住一句话：AI只是一个工具，不能完全依赖AI。
2、我们写代码的时候要自己动脑，否则这样的代码有什么意义呢？
现在你应该明白了吧，需要我帮你把关键论点梳理一遍，方便你记录吗？
过场动画
我的想法：你可以先让AI构建模块然后解释清楚方案，或者你直接使用伪代码主动构建模块，也就是，你要主动接入设计的环节里面，即便你用的自然语言编程然后外包部分工作给AI，你依然可以进一步获取掌控权。
比如假设编码的前置步骤有这些，设计整体架构，设计每个模块的边界，设计业务边界，这些事情本来就是要做的，编码部分其实只是整个闭环里的一部分，只是那个发送按钮太过于鲜艳，让你产生一种零副作用的错觉，让你有一种我是天才程序员的错觉。
过场动画
以下是AI给的回复，我是先写了上面的内容再去搜的，对比可以看出，AI在回答已知问题的完整性方面效果拔群，外行的思考触及不了那么远，只能到比较浅层的位置，这个时候AI辅助就有很大作用，但是如果你的项目是那种很特别的，光靠GOOGLE+ CTRL+C/V解决不了的话，AI通常也不会做的有多好，所以，如果你的代码质量并不需要多高的时候，你实际写出来的代码也不见得会有多好。
确实，过度依赖AI编程工具可能会导致基础编程能力的退化，以及对代码实现细节理解的缺失。这不仅影响个人技能的扎实度，也可能会在需要深度调试或优化代码时遇到困难。以下是一些破局的建议：
-
重新审视学习目标：
- 将“理解和掌握”作为使用AI辅助编程的主要目标，而不是仅仅追求快速完成任务。每次AI生成代码后，花时间去逐行理解其逻辑和实现方式。
-
刻意练习基础技能：
- 定期脱离AI工具进行编程练习。可以选择LeetCode、HackerRank等平台上的算法题，或者重写一些简单的项目模块（如数据结构、排序算法、小型功能模块等），以此来巩固语法和基本编程思维。
-
主动承担复杂任务：
- 在项目中主动承担那些需要深入思考和设计的部分，比如架构设计、核心算法实现、性能优化等。这些环节通常难以完全依赖AI，需要较强的独立思考和技术功底。
-
建立知识体系：
- 不要只停留在“知道怎么做”，更要弄清楚“为什么这么做”。将学到的知识点（如设计模式、系统架构原则、特定技术的最佳实践）整理成笔记或脑图，形成自己的知识库。
-
代码审查与重构：
- 定期回顾自己之前写的代码，尤其是那些由AI生成并经过你修改的代码。尝试从头开始重写其中的关键部分，看看是否能够写出更简洁、高效的版本。也可以阅读开源项目的源码，学习优秀的编程范式。
-
平衡使用AI：
- 将AI视为一个强大的“搜索引擎”和“灵感来源”，而非“万能答案”。当遇到问题时，先尝试自己解决；在获得AI提示后，验证其正确性，并思考是否有其他解决方案。
-
持续反思与调整：
- 定期评估自己的成长路径，反思AI工具对自己的帮助与潜在负面影响。根据实际情况调整使用策略，确保技术能力全面发展。
感觉技能树空心化的问题，本质上还是在于基础知识的积累不足。通过以上方法，逐步减少对外部工具的依赖，可以有效提升自身的编程能力和自信心。
我将进行网络搜索，以获取更多关于如何避免过度依赖AI编程的具体策略和建议。你说的这种“技能树空心化”的感觉非常形象，也确实是当前许多开发者在使用AI编程工具时面临的现实挑战。感觉像是用了“强化剂”，短期内能力得到了提升，但长期来看，基础能力反而被削弱了。这不仅仅是一个技术问题，更是一个学习和成长方式的问题。
结合你的描述和搜索到的信息，这里有一些具体的破局思路，帮你找回“内功”：
-
强制回归基础，设置“无AI时间”
- 设立“无AI日”或“无AI时段”：这是搜索结果中多次提到的有效方法。可以每周固定一天（或几个小时），完全不使用任何AI编程助手，强迫自己查阅文档、思考逻辑、编写和调试代码。就像运动员需要基础体能训练一样，编程也需要这种“肌肉记忆”。
- 重拾经典练习：回到最初学习编程的方式，做一些经典的算法题（LeetCode）、数据结构实现（手写链表、树、排序等），或者复刻一些小的、核心的功能模块。这有助于巩固语言基础和逻辑思维。
-
转变使用AI的方式，从“拿来主义”到“学习交流”
- 深度追问和验证：不要满足于AI给出的答案。问它“为什么这样做？”、“有没有其他实现方式？”、“这种实现的优缺点是什么？”。然后自己去验证、去思考，把AI当作一个可以提问的老师，而不是一个代码工厂。
- 先思考，再求助：遇到问题时，先自己花一定时间（比如15-30分钟）思考和尝试解决，实在卡壳了再向AI求助。这样可以保证自己始终处于主动思考的状态，而不是被动接受。
-
构建知识体系，重视底层原理
- 记录与总结：把你使用AI解决的问题、学到的新知识点、踩过的坑，用自己的话记录下来，形成笔记。特别是要记录下“我为什么要这么改”、“这段代码的核心思想是什么”，将碎片化的知识连成线、织成网。
- 理解大于实现：正如搜索结果中提到的，问题的本质常常是“将‘实现’等同于‘理解’”。拿到AI生成的代码后，务必花时间彻底理解它的每一部分，尤其是涉及核心逻辑和设计模式的地方。如果不能清晰地向别人解释这段代码，就说明理解还不够。
-
进行自我能力评估
- 定期测试：可以像某些公司一样，定期给自己做一些不依赖AI的编码测试，评估自己的实际编程能力、调试效率和对概念的理解程度。
- 模拟面试环境：尝试在白板或纸上（或禁用所有IDE辅助和AI）进行编程练习，模拟技术面试中常有的手写代码环节，检验自己对基础技能的掌握。
-
保持批判性思维
- 警惕“虚假掌握幻觉”：不要因为能用AI快速产出代码就误以为自己已经掌握了这项技能。要时刻警醒，区分“我知道如何调用AI来生成这个功能”和“我真正理解并能独立实现这个功能”之间的巨大差异。
总而言之，AI是强大的工具，但工具本身不能替代使用者的基本功。要破局，关键在于有意识地、主动地、持续地锻炼和检验自己的核心编程能力，将AI作为提升效率的“外力”，而不是支撑能力的“拐杖”。只有打好根基，才能在技术之路上走得更高更远。
2 个赞
笑死了
做一个构建者，不做一个编码者
想法是自己的，总是能说得清楚
说不清楚，那就是被当做工具了
收收味吧，你这帖子就是Ai写的吧
2 个赞
内容里面标记了那部分是AI，最开始两段是自己写的