序

现在是 2026 年 10 月，一个 AI 工具盛行的时代，一个各行各业都在尝试与 AI 挂钩的时代。

24年7月，我写过一篇浅谈计算机的学习，当时将学习方法总结为 自学 + 笔记 + 搜索 + AI。AI 排在最后，并告诉学弟学妹们不要依赖 AI。

那时的 AI 代码能力还不够强，我更倾向于将它看作一个“超级浏览器”，用来辅助搜索和理解知识，而不是直接替我们解决问题。

两年过去了，AI 的能力已经发生了巨大的变化。曾经强调不要依赖 AI 的我，如今也开始在学习和开发中越来越多地使用它，手敲代码的那一批人，我们称之，古法编程。

时代变了，工具变了，我们学习计算机的方式，或许也该重新思考了。

打开社交媒体，我们能看到各种各样的 AI 工具层出不穷；打开招聘软件，越来越多的岗位开始要求具备 AI 相关能力；甚至在原本与计算机毫无关联的领域（比如销售、教师），AI 也正在以一种不可忽视的速度改变着传统的工作方式。对于工作来说，就应面向TA招什么，我们就要学什么！所以Vibe Coding，应当是整个计算机行业，尤其是软件行业必须了解熟悉的技能。

对于计算机专业的学生来说，这无疑是一个充满机遇，同时也令人感到焦虑的时代。

一方面，AI 降低了编程的门槛（ tokens在手，天下我有 ）。过去需要花费大量时间查阅文档、理解语法、调试代码的问题，现在可能只需要向 AI 描述清楚需求，就能获得一个看似完整的解决方案。一个没有太多编程经验的人，也可以借助 AI 快速搭建一个简单的应用；一个经验丰富的开发者，则可以利用 AI 提高效率，将更多精力投入到架构设计、业务分析和复杂问题的解决之中。（现在的开发应当是全栈开发，这里的全栈是指 从产品、前端、后端、测试、部署、运维的全部过程）

另一方面，这种便利也让我们不得不重新思考一个问题：当 AI 可以帮助我们编写代码、解释原理，甚至完成一个完整的项目时，我们究竟还需要学习什么！

是继续花费大量时间背诵语法、记忆 API、钻研各种框架的使用方式（是的是的，这些面试都会问的），还是把这些工作交给 AI，直接学习如何提出问题、组织需求、组合工具，最终实现自己的目标（这些现在也会被问到了）。

AI 的出现，并不意味着计算机知识失去了价值。恰恰相反，当代码越来越容易生成时，理解代码为什么这样运行、系统为什么这样设计，以及如何判断一个解决方案是否正确，可能会变得更加重要。在AI时代，我们需要的是决策者，而不是实施者。

回过头来看，我们在大学里学习计算机，往往会陷入一种熟悉的循环：学习一门语言，接触一个框架，跟着教程完成一个项目，再把这些内容写进简历，最后希望通过面试找到一份工作。这个过程当然没有错，它帮助我们建立最初的知识体系，也让我们具备了进入行业的基本能力。

但随着学习的深入，我逐渐意识到，学会使用某种技术，与真正理解这项技术，是两件不同的事情；能够完成一个项目，也不等于具备了独立解决问题的能力。尤其是在AI时代，我们可以说是只是干出来了，不是学会了再做出来。

所以，我并不想在这篇文章里讨论某一种编程语言是否值得学习，也不想简单地比较 Java、Python、前端或者各种 AI 框架的优劣，语言的学习，框架的学习都是最基础的，所谓一通百通，关键是知道怎么学。

在技术更新越来越快的今天，我们应该如何建立自己的知识体系？基础知识究竟有多重要？学习一项新技术时，应该追求广度还是深度？面对 AI，我们应该如何利用它，而不是逐渐依赖它？对于一个即将进入行业的计算机专业学生来说，什么能力才是真正值得长期投入的？

这些问题没有必要急于得到一个标准答案，也不会有一个标准答案。

我更愿意把学习看作一个不断修正认知的过程。每经历一次项目实践，每解决一个曾经无法理解的问题，每发现自己过去的某个认知存在偏差，我们对计算机的理解就可能向前迈进一步。所谓自我革命。

技术会不断变化，框架会不断迭代，工具也会不断更新。但理解问题的能力、建立知识之间联系的能力，以及面对未知时独立思考和持续学习的能力，始终值得我们认真培养。

这也是我写下这篇文章的初衷。

与其说是分享一套成熟的学习方法，不如说是记录自己在这个阶段的一些思考。它未必完全正确，也未必适用于所有人，但我希望通过梳理这些问题，让自己更加清楚接下来应该学习什么、为什么学习，以及究竟想通过学习获得什么。

那么，就让我们从头开始，再谈谈计算机的学习。

首先，一个观点，传统技术与框架、前后端联调，这些基本功必须掌握。 你可以不用，但不能没有。

不懂产品的开发，不是好的开发

很多时候，我们习惯于拿到需求就开始写代码，产品让做什么，我们就做什么。但我认为，一个好的开发者，不应该只是需求的执行者，还应该是需求的理解者。

我们需要思考，用户真正需要的是什么？这个功能解决了什么问题？有没有更合理的实现方式？一个需求是否值得做，应该如何设计，哪些功能是必要的，哪些功能只是徒增复杂度？这些问题不应该只是产品经理需要考虑的事情。

我们不一定要成为专业的产品经理，但至少应该具备产品思维，理解业务、站在用户的角度思考问题，并能够参与需求分析、功能设计和方案讨论。写代码是手段，解决问题才是目的。 当我们开始理解为什么做，而不只是思考怎么做时，才能真正从一个代码编写者成长为一个开发者。

不会部署运维的开发，不是完整的开发

代码写完，只是开发的开始。项目如何部署、服务如何启动、日志如何查看、异常如何排查、服务如何维护，这些同样是开发需要掌握的能力。从本地运行到线上稳定运行，我们应该尽可能了解软件的完整生命周期。

不会利用 AI 工具的开发，不是面向未来的开发

两年前，我可能还会强调不要过度依赖 AI。但如今，AI 的代码生成、问题分析和任务执行能力已经发生了巨大的变化。它不再只是一个帮助我们搜索资料、解释概念的工具，而是能够参与需求分析、项目搭建、代码编写、测试调试，甚至部署运维的开发助手。

我们当然仍然需要学习传统技术，理解编程语言、框架原理、数据结构和系统设计。AI 能够生成代码，并不意味着我们可以不理解代码；AI 能够解决问题，也不意味着它给出的方案一定正确。相反，随着 AI 能够承担越来越多的工作，我们反而需要具备更强的判断能力，知道如何拆解任务、描述需求、审查代码、验证结果，并在出现问题时找到真正的原因。

与此同时，我们也没有必要拒绝 AI，刻意重复那些已经可以被工具高效完成的工作。与其花费大量时间机械地编写重复代码，不如把更多精力放在理解问题、设计方案、验证结果和完善产品上。

未来的开发者(其实就是现在了)，不一定要比 AI 写得更快，但必须知道让 AI 做什么、如何判断它做得对不对，以及如何将它的产出转化为真正可用的产品。

尾

那么，究竟应该如何学习计算机？

我的想法是：基础要学，框架要用，项目要做，AI 要会。

传统技术决定了我们能走多稳，项目实践决定了我们能走多远，产品思维与部署运维能力决定了我们能否独立完成一件事，而 AI 决定了我们能在多大程度上放大自己的能力。

不要为了学习而学习，也不要为了使用 AI 而使用 AI。带着问题去学，围绕目标去做，在实践中发现不足，再借助 AI 提高效率。

从理解原理，到独立开发；从完成需求，到交付产品。一个人，也可以是一支完整的开发团队。

技术仍在变化，学习也没有终点。

后续我会根据我的目前的经验制作一期博客并同步发在公众号，希望可以和大家共同探讨AI时代，计算机从业者何去何从！