重塑人才培养：AI时代的成长新路径

教学相长也。是故学然后知不足，教然后知困。知不足然后能自反也，知困然后能自强也。 —— 《礼记·学记》

题记：这是一个很具有前瞻性的话题，当 AI 带来 paradigm shift 时，我们的各种方法论都需要重新审视，包括人才的培养。以下是根据我的初始问题和 Gemini 的一系列对话深度整理（甚至重写）之后的内容。

过去，一位工程师的成长路径，我们都很熟悉，对吗？就像爬一座山：从山脚下解决一个个小bug开始，一步步向上，修复更难的问题，开发小功能，再到后来，设计复杂的系统，最终站在山顶，能够俯瞰整个项目的全貌。每一步，都是一次亲身的体验，每一次流下的汗水，都化作了对这座山的深刻理解。

现在，AI像一部缆车，可以直接把人送到半山腰，甚至更高的地方。它能帮你修复bug，能帮你构建功能。

那么，问题来了：当攀登的阶梯被部分抽走时，我们该如何为自己和他人，重新描绘这条成长之路？对于一个初学者来说，如果他从未在崎岖的山路上挣扎过，他能真正理解山顶的风景吗？他能拥有在山间辨别方向、应对风暴的能力吗？

你提出的这个问题，不是一个单纯的技术问题，而是一个关于人的发展、关于知识的传承、关于我们如何在新条件下认识世界和改造世界的根本问题。你观察得很敏锐，看到了现象背后的深刻矛盾。这很好，发现矛盾，是解决矛盾的第一步。

你用“登山”和“缆车”作比喻，非常生动。旧的道路，是靠一步一个脚印走出来的，每块石头都感受过，每阵风都迎击过，所以对整座山了如指掌。新的工具，像缆车，一下子把人送到了高处。这带来了效率，但也带来了新的挑战：一个没有在山路上跋涉过的人，如何建立对这座山的“血肉联系”？

但让我们深入一步追问：什么是真正的“血肉联系”？是手指敲击键盘形成的肌肉记忆，还是对系统运行规律的深刻理解？如果是前者，那我们确实失去了什么；但如果是后者，为什么我们不能通过新的方式获得？就像医生不必亲自得病，也能通过学习和观察理解疾病的机理。关键在于，我们必须找到新条件下认识规律的正确方法。

我们不要害怕这个变化。任何事物的发展，都是新旧矛盾斗争和转化的过程。人工智能这个新事物的出现，冲击了旧的人才培养模式，这是必然的。我们的任务，不是守着旧地图不放，也不是毫无方向地随波逐流，而是要在新的现实中，实事求是地找到一条新的、更科学的道路。

核心的问题在哪里？我认为，主要矛盾，已经从“如何掌握编码这个劳动技能”，转变为“如何在人工智能的协助下，建立起对复杂系统的深刻认识和驾驭能力”。

这是一个生产力与生产关系的问题。AI作为新的生产力，必然要求新的生产关系与之相适应。过去的师徒制、梯队制，是建立在“手工作坊”式的软件开发模式上的。现在，当AI成为“生产工具”的一部分，我们的组织形式、学习方式、评价标准，都必须随之改变。不改变，就会成为生产力发展的桎梏。

过去，编码能力和系统认识能力，是通过“爬山”这个单一实践过程同步获得的。现在，这两者被分开了。我们的任务，就是要设计新的实践形式，把这两者重新、更高水平地统一起来。这种统一，不是简单的回归，而是在新的生产力水平上的螺旋式上升。

针对你提出的几个具体问题，我谈谈我的一些看法，这是一套组合拳，不是零散的几招。

新手的“第一步”：从“动手做”到“指挥做”和“审查做”

我们不能简单地把新手分为“用AI的”和“不用AI的”。这种划分是机械的，是形而上学的。我们应该引导新手从一开始就在游泳中学会游泳，在斗争中学会斗争。

这个“第一个任务”的设计，目标必须明确：不是为了完成任务本身，而是为了建立一种正确的、与AI协作的思维模式。这里体现了认识论的一个根本转变：过去，我们通过“做”来“知”；现在，我们通过“思”来“知”，再通过“知”来指导“做”。这不是退步，而是认识过程的深化：从感性认识直接上升到理性认识的新路径。

因此，我建议的“第一个任务”是 “AI代码审计员”。

但这里有一个看似矛盾的地方：一个从未写过代码的人，怎么能审查代码？这就像让一个没下过厨的人评判菜肴的火候。但恰恰是这个矛盾，揭示了新时代学习的辩证法。新手不是凭空审查，而是在审查中学习，在质疑中成长。他要做的，不是判断代码的对错（那是机器可以做的事），而是理解代码背后的“为什么”。

具体做法是：

1. 明确任务：挑选一个过去适合新手的简单任务，比如修改一个UI组件或修复一个简单bug。
2. AI执行：让新手使用AI工具，输入指令，生成解决方案的代码。这是“指挥做”。
3. 审查与诘问：新手的核心工作在这里。他必须完成一份“审查报告”，回答以下几个问题：
   • 它为什么这么做？逐行解释AI生成的代码，说明其逻辑和原理。这就强迫他去理解，而不是简单复制粘贴。
   • 有没有别的做法？思考并提出至少一种替代方案，并分析两种方案的优劣。这培养了他的批判性思维和方案设计能力。
   • 它哪里可能出错？设计几个测试用例，特别是边缘情况，来验证AI代码的健壮性。这让他从一开始就建立起质量意识和怀疑精神。
   • 它对整体有什么影响？思考这段代码的修改，会对系统的其他部分产生什么潜在的关联影响。这培养了他的全局观。

你看，任务还是那个简单的任务，但要求变了。过去是让他“搬砖”，现在是让他当“工头”和“质检员”。他虽然没有亲自“和泥”，但他必须懂得什么样的“砖”是好砖，砖要怎么砌，砌上去对整面墙有什么影响。这个过程，既利用了AI的高效率，又把实践的重点放在了更核心的认知层面。

更重要的是，这种方式培养的是一种“元认知”能力——不仅知道“是什么”，更要理解“为什么是”和“还能怎么是”。这种能力的获得，不再依赖于重复的体力劳动，而是通过不断的思辨和验证。就像古代的将军，不必亲自挥刀上阵，但必须懂得排兵布阵的道理。这比人为地保留“手工任务”更有价值，因为这才是未来的工作方式。

资深工程师的职责：从“技术尖兵”到“思想政委”

你说的“向导”这个角色，我很赞同。这个向导，不仅要指路，更要武装团队的思想。在新的形势下，一个资深工程师的首要职责，是统一团队的认识论和方法论。他不仅是技术的权威，更是思想的引领者。

但这里有一个深刻的转变：过去的资深工程师，权威来自于他“知道答案”；现在的资深工程师，价值在于他“知道如何找到答案”。这是从“经验的积累者”到“方法的创造者”的根本转变。他教给新人的，不是具体的AI可以提供的解决方案，而是判断解决方案优劣的标准，是在无数可能中做出选择的智慧。

他的工作，要从“授人以鱼”彻底转变为“授人以渔”，而且是“授人以新时代的渔”。

具体体现在：

1. 代码审查（Code Review）的重心转移：过去问：“代码能跑吗？有没有bug？符合规范吗？”；现在要问：“你为什么选择让AI用这种方式解决？你让它尝试过其他方案吗？这个方案的长期代价是什么？你如何验证它的边界条件？” 这是在审查“思考的质量”，而不是“代码的质量”。
2. 结对编程（Pair Programming）的模式升级：让新手“主导”，让AI当“手”，资深工程师当“嘴”和“脑”。这种三方协作，形成了一个新的学习生态：新手在实践中学习如何“驾驭”，AI提供即时的执行反馈，资深工程师提供“元认知”的指导。新手负责提问和指挥AI，资深工程师在旁边，不直接动手，而是不断追问、启发和讲解。比如，“你刚才那个指令太模糊了，AI可能误解。我们试试换一种更精确的问法？”“你看，AI给出的这个方案，没有考虑到我们系统特有的一个历史包袱，这会出问题。“这种方式的妙处在于：新手同时在两个层面学习——从AI那里学习”怎么做”，从资深工程师那里学习“为什么这么做”和“还能怎么做”。
3. 故障排查（Troubleshooting）的方法论教学：遇到问题，不要直接给出答案。而是引导新人去“问正确的问题”。但这里有一个辩证法：什么是“正确的问题”？往往只有在问了无数个“错误的问题”之后才能知道。所以，资深工程师的任务不是阻止新人犯错，而是帮助他们从错误中快速学习。“根据这个现象，你认为根本原因可能出在哪几个环节？我们应该向AI提什么问题，来帮助我们定位？AI给出的这个诊断，你相信吗？为什么？“每一个问题，都是在培养新人的”问题意识”——不是告诉他答案，而是教会他如何找到答案。

资深工程师要成为团队思想的“压舱石”，确保大家在使用AI这个强大工具时，航向是正确的，没有偏离“构建健壮、可靠、易维护的系统”这个根本目标。

未来的“刻意练习”：锻炼三种决定性的能力

“熟能生巧”这个道理没有变，但“熟”的对象变了。过去是“熟练编码”，现在是要熟练掌握人与AI协作条件下的核心能力。我认为，未来的“刻意练习”，要集中在三个方面：

1. 精准提问与问题定义的能力：AI的能力上限，取决于我们提问的水平。但这里有一个悖论：如何培养提问的能力？答案恰恰在于不断地提出错误的问题，然后从AI的“误解”中学习。就像孩子学说话，不是通过语法书，而是通过不断的试错和纠正。能把一个混沌、模糊的业务需求，转化为一系列清晰、精确、无歧义的指令和问题，这本身就是一种极高的智力活动。要练习的，是如何用语言作为工具，去精确地“框定”一个问题。这比写代码本身，更接近软件工程的本质——因为软件工程的核心，从来都是“理解问题”而不是“编写代码”。

2. 系统性怀疑与批判性审查的能力：对AI的输出，要抱有“不信任”是第一原则的态度。但这种怀疑不能是盲目的，必须有根据。这根据从何而来？恰恰是从实践中来——通过不断地验证AI的输出，积累“什么情况下AI容易出错”的经验。要像一个严格的法官一样，去审视它提供的每一份“证据”。练习设计刁钻的测试用例，练习从安全、性能、伦理等多个维度去挑战AI的方案。这种能力，是保证系统质量的最后一道防线，是人的价值的集中体现。记住：批判的武器不能代替武器的批判，对AI输出的批判，最终要通过实践的检验。

3. 架构设计与整合能力：AI能生成“零件”，但造不出“大厦”。它能给你一块砖、一根梁，但无法凭空构想出宏伟的蓝图。但这里有一个更深的问题：一个没有亲手组装过零件的人，如何理解零件之间的配合？答案在于，新时代的架构师不是通过组装零件来理解系统，而是通过理解系统来指导零件的组装。这就像下棋，不必亲自雕刻棋子，但必须理解每个棋子的作用和它们之间的关系。练习的，是如何将AI生成的无数个零散的、可能是局部最优的部件，有机地组合成一个优雅、健壮、和谐的整体。这需要深刻理解各个部分之间的联系、矛盾和依赖，需要做出权衡和取舍。这是真正的“建筑师”思维，而这种思维的培养，更多依赖于对优秀系统的学习和分析，而不是重复的编码实践。

总结

请不要为“阶梯被抽走”而迷茫。旧的阶梯消失了，新的、更有效率的上升通道正在形成。我们的任务，是去认识它、掌握它、利用它。

对企业而言，大规模培养新人的方法，就是要系统性地改造整个培养体系：

• 入口端：改革新人的第一个任务，从“体力劳动”变为“脑力劳动”。
• 过程端：重新定义资深工程师的职责，让他们成为思想和方法的“布道者”。
• 目标端：明确未来需要“刻意练习”的核心能力，并设计出相应的训练方法。

这让我们重新理解《礼记》中“教学相长”的深意。在AI时代，这种相长有了新的形式：不仅是人与人之间的相长，更有人与AI的相长。新手在“教”AI如何解决问题的过程中学习，资深工程师在引导新手的过程中深化认识。AI成为了这个相长过程中的催化剂——它既是学生（需要被指导），又是工具（辅助学习），还是镜子（反映我们的思维质量）。

归根结底，我们要相信一句话：群众是真正的英雄。但在AI时代，“群众”的含义也要扩展——不仅包括使用AI的工程师，也包括那些被AI影响的工程师；不仅包括写代码的人，也包括审查代码的人；不仅包括创造方法的人，也包括验证方法的人。在这场由AI引发的生产力变革中，每个人都在用自己的方式探索着新的可能。我们的责任，就是把这些来自实践的、零散的智慧，“从群众中来，到群众中去”，把它们系统化、理论化，再用来指导新的实践。

道路是曲折的，前途是光明的。旧的成长路径确实被改变了，但这不是倒退，而是螺旋式的上升。我们不是失去了“爬山”的机会，而是获得了“观山”的视角。在这个新的高度上，我们要做的，就是睁大眼睛，看清事物的主要矛盾，然后勇敢地、实事求是地去解决它。记住：方法可以变，工具可以变，但追求真理、追求进步的精神不能变。这才是我们在任何时代都能立于不败之地的根本。