📌 核心问题：AI 辅助编程是「提效」还是「偷懒」？

Anthropic 联合斯坦福大学开展了一项随机对照实验（RCT），首次用严格的实验设计量化了 AI 编程助手对软件工程师技能习得的影响。研究对象是 52 名有 1 年以上 Python 经验的初级工程师，任务是学习一个他们从未接触过的异步编程库 Trio。

这个问题之所以重要，是因为 AI Coding Agent 正在从「辅助工具」变成「核心生产力」。当 62% 的企业已部署 AI Agent，当海外头部 AI Coding 产品年收入突破 25 亿美元，我们必须追问：效率提升的背后，工程师的底层能力是否在流失？

此前已有研究表明，AI 辅助会降低工作者的参与度和思考投入（Nature 2025、Microsoft Research 2025）。但这些研究多为观察性的，缺乏因果推断。Anthropic 这项研究通过 RCT 设计，第一次给出了因果级别的证据。

📊 关键数据

  • AI 组测验平均分 50%，手写组 67%，差距 17 个百分点（约两个字母等级）
  • 效应量 Cohen's d = 0.738，p = 0.01，统计学显著
  • 调试题（Debugging）差距最大 —— 这恰恰是人类审阅 AI 生成代码时最需要的能力
  • AI 组平均快 2 分钟，但差异不显著（p > 0.05）
  • 部分参与者花 30% 的总时间（最多 11 分钟）在与 AI 对话上，而非写代码

🏗️ 实验设计与交互模式分析

  • 被试：52 名初级软件工程师，每周至少用一次 Python，不熟悉 Trio 库
  • 流程：热身 → 两个 Trio 特性开发任务 → 测验（调试、代码阅读、代码编写、概念理解四类题型）
  • 控制变量：AI 组使用侧边栏 AI 助手（可随时生成正确代码），对照组纯手写
  • 评估重点：调试、代码阅读、概念理解（非语法记忆），因为这些是审阅 AI 代码的核心能力
  • 研究者通过屏幕录像手动标注，识别出 6 种交互模式：低分模式（AI 委托/渐进依赖/迭代调试）和高分模式（生成后理解/混合解释/概念探究）

🔑 关键洞察

不是所有 AI 依赖都一样：低分组的共同特征是「认知卸载」—— 把思考完全交给 AI。高分组的共同特征是「用 AI 加速理解」—— 生成代码后追问为什么、请求解释、独立调试错误。差异不在于用没用 AI，在于怎么用。
调试能力是最脆弱的：AI 组在调试题上差距最大。原因很直觉 —— 对照组遇到了更多错误，被迫独立解决，反而锻炼了调试能力。AI 组的错误被 AI 消除了，但消除的不只是错误，还有从错误中学习的机会。
「卡住」本身就是学习：研究者特别指出，认知努力（cognitive effort）甚至「痛苦地卡住」对技能习得至关重要。这与教育心理学中「必要困难」（desirable difficulties）理论一致 —— 适度的困难反而促进长期记忆和深度理解。
效率 vs 掌握的悖论：Anthropic 自己的观察性研究发现 AI 可将任务完成时间缩短 80%，但那是在工程师已有技能的重复性任务上。本研究关注的是学习新技能的场景 —— AI 加速了已有技能的发挥，却可能阻碍新技能的获取。这不是矛盾，而是两个不同维度。

🤔 引发思考

这项研究对正在大规模部署 AI Coding Agent 的组织提出了一个尖锐的问题：如果初级工程师的技能发展被 AI 阻碍，那么谁来审阅和监督 AI 生成的代码？当 AI 写了 80% 的代码，但审查代码的人却不具备足够的理解能力，系统的可靠性将建立在什么基础上？

好消息是，研究也指出了方向：AI 产品可以设计「学习模式」（如 Claude Code 的 Learning and Explanatory 模式、ChatGPT 的 Study Mode），在提效的同时促进理解。未来的 AI 编程工具不应只是「帮你写代码」，更应是「帮你理解代码」。对个人而言，主动追问、要求解释、独立调试，比直接让 AI 生成答案更有长期价值。代码越便宜，约束越贵 —— 而约束来自人的理解力。

📎 相关阅读

逍遥云初 | 2026.06.23