你在一个下午构建了一个可用的应用程序。UI 看起来很干净。基本功能正常。你已经完成了 90%。
然后出了问题。状态管理错误。返回意外数据的 API。一个你没有预料到的条件。
你盯着代码看。这是你写的代码，好吧，技术上是你写的。你用提示让它生成了它。但你实际上不知道它是如何工作的。
你不知道 AI 为什么选择这个模式而不是另一个。
你无法直观可靠地追踪数据在组件中的流动。代码是你的，但它不是你的。
然后你提示代理生成一些漂亮的图表，先是 ASCII，然后是 Mermaid——但总觉得少了点什么。
欢迎来到 vibe coding 地狱。新版本的教程地狱，为 AI 时代升级了。
1、旧地狱 vs 新地狱
教程地狱是那种令人沮丧的循环：你看了无穷无尽的视频，觉得自己在学习，但当视频停止时却什么也构建不出来。教程去除了有成效的挣扎。你跟着做，打字教练打的字，却从未培养出真正编码所需的问题解决能力。
Vibe coding 地狱是同样的陷阱，只是触发方式不同。你不是看着别人编码，而是让 AI 为你编码。同样结果：代码存在，理解不存在。
重新布线你大脑的是通过问题挣扎。这两个地狱都去除了这种挣扎。当事情出错时，两者都让你陷入困境。
但有一个关键区别。教程地狱至少教会了你语法。你打了这些字符。你看到了模式。你建立了一些肌肉记忆，即使很浅薄。
Vibe coding 甚至跳过了这些。你描述你想要什么，代码就出现了，你的理解和代码复杂性之间的差距比以往任何时候都大。
2、教程实际教了什么
传统的学习路径是：语法，然后是概念，然后是项目，然后是工作。
你学会了如何写 for 循环。然后你学会了什么时候用 for 循环 vs map。然后你构建了需要做出这些选择的项目。然后你被雇佣来为钱做这些选择。
教程专注于第一步：语法。如何编写让计算机做事的字符。这在编写代码是瓶颈时有意义。
现在这没有意义了。
AI 处理语法比你任何时候都好。它知道每个 API、每个模式、每个框架怪癖。教程教的东西现在正是 AI 最擅长的。
那么还剩下什么？
3、现在重要的技能
阅读代码现在比编写代码更有价值。
这听起来违反直觉。我们称之为"编码"，而不是"代码阅读"。工作头衔是"开发者"，暗示你在开发东西。整个身份都包裹在创造中。
但想想现在实际发生了什么。AI 生成代码。你审查它。你决定它是否正确。当它不正确时你调试它。你将它与现有系统集成。你随时间维护它。
这些都是阅读技能。理解你没有写的代码。在不熟悉的模式中发现问题。追踪你从未见过的函数的逻辑。
以前的工作是泥瓦匠。你学会了砌砖。
现在的工作是现场检查员。你需要看一堵墙就知道它是否会倒塌。
4、新的学习模式
如果教程死了，什么来取代它？
旧模型是正向工程：学习部件，然后将它们组装成东西。
新模型是逆向工程：从完整的东西开始，然后理解它是如何工作的。
这里是一个实际可行的学习模型可能看起来的样子：
第 1 阶段：生成。使用 AI 构建你想要的东西的工作版本。尽可能快地到达"它能工作"。这是现在容易的部分，所以不要在这里流连。
第 2 阶段：破坏。系统地破坏代码来理解它。注释掉行。更改变量值。删除函数。看看会发生什么。你创造的错误会教每个部分实际做什么。
第 3 阶段：预测。在运行代码之前，写下你认为会发生什么。当你错了，预测和现实之间的差距就是学习所在。
第 4 阶段：解释。强迫自己解释为什么代码有效。为什么 AI 用了这个模式而不是另一个？权衡是什么？如果你不能解释它，你就理解它。
第 5 阶段：重建。拿 AI 生成代码的一部分手动重写它。不是整个东西， just enough 证明你理解了。使用文档，而不是 AI。
标语：不要学构建。构建，然后学习你构建了什么。
这是一种方法，我同意它非常复杂，我确信没有人会这样做。至少总是阅读代码来试图理解它。
5、具体实践
如果你在 2025 年学习编码，这是协议：
像对待初级开发人员一样对待 AI。你对他们写的每一行代码负责。如果你不能向高级开发者解释它，你就不能发货。这种心态迫使你实际理解正在生成的内容。
做预测训练。在运行 AI 生成的代码之前，看着它，准确思考你认为输出会是什么。当你错了，不要只是修复然后继续。调查为什么你的心智模型是错误的。
问五个为什么。当 AI 为你修复 bug 时，不要接受然后继续。问为什么修复有效。问为什么原始代码失败了。一直问直到你达到底层概念。
定期练习手动编码。花时间不使用 AI 编码。选择小程序法、算法或组件，只从文档构建它们。这让你的基础神经通路保持活跃。
阅读的代码比你生成的多。研究开源项目。阅读有经验的开发者如何解决问题。这建立你有效评估 AI 输出所需的模式识别。
6、令人不安的真相
AI 让学习变得更难，而不是更容易。
这似乎反过来。怎么一个帮助你更快生成代码的工具会让学习变慢？
因为它去除了有成效的摩擦。语法错误，虽然烦人，但教会精确。调试你自己的逻辑教会你逻辑是如何工作的。弄清楚事情的过程建立了理解，而被动观察永远不会。
AI 直接跳到答案。但答案不是你需要的。通往答案的路径才是教育。
有一个术语来描述当你外包认知努力时发生的事情：技能萎缩。微软和卡内基梅隆的研究发现，人们越依赖 AI 工具，他们参与的批判性思维就越少。这不是对未来的推测。它已经在现在被测量了。
在 AI 之前学习的开发者有基础。他们可以使用 AI 作为加速，因为他们有可以加速的东西。
试图用 AI 作为拐杖学习的开发者是在沙子上建造。开始快，但在压力下脆弱。
7、现在真正重要的是
如果你今天在学习，专注于这些：
阅读理解。你能看着你从未见过的代码理解它在做什么吗？这个技能让你评估 AI 输出。
调试逻辑。不是语法错误。逻辑错误。代码运行但做错了事。你能追踪并找到推理在哪里断掉吗？
系统思维。各个部分如何组合在一起？这个组件失败时会发生什么？依赖是什么？AI 处理单个函数很好。它在系统方面挣扎。
技术规范。你能精确描述你想要什么以至于 AI 产生有用的东西吗？这是提示工程，但这实际上只是清晰的技术交流。
这些技能不性感。它们不是编码的有趣部分。但它们是 AI 不能为你做的部分，这意味着它们是重要的部分。
8、前进的道路
教程死了。跟着做、打我打的字、看着模仿的模型不能让你为 AI 处理打字的的世界做好准备。
但学习没有死。它只是移动了。
建立理解的挣扎现在发生在不同的地方：阅读代码而不是编写代码，调试逻辑而不是语法，理解系统而不是记忆 API。
如果你在学习编码，不要问"我如何构建这个？"问"这为什么有效？"第一个问题给你答案。第二个给你理解。
蓬勃发展的开发者不会是生成最多代码的人。他们将是理解他们生成的东西的人。
原文链接：教程的消亡 - 汇智网
