鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
16
5
6

AI编程已经如此强大,我们还需要再学习基础嘛?或者说初级程序员还有可能存在吗?

sunshine
sunshine
2026-08-04 10:10
阅读 3028
sunshine
2026-08-04 10:10
阅读 3028

# AI编程已经如此强大,我们还需要再学习基础嘛?或者说初级程序员还有可能存在吗?

作者:sunshine 发布时间:2026-08-04

不知道大家已经多久没有写过代码了,

我不是说 给AI描述需求,让AI去生成代码。

而是说古法编程,

你已经多久没有正经用过编辑器开发了,大多数时候可能都是在描述需求。

AI编程现在基本上已经成为开发的主流了,或者说大家已经习惯了懒,大多数时候能用AI绝不手写。

这种背景下,还有必要学一些基础嘛?

初级程序员在这个行业还有存在的必要吗?

其实说实话,我也很久没写代码了。

大多数时候都是在给AI描述需求,让它去生成代码。

因为就算是我自己上手写,也不见得比AI生成出来的更好。

最关键的是AI写代码太省事儿了, 你只需要描述好你的需求,回车以后,你就可以打开手机了。

我惊讶的发现一个事儿:人习惯了懒以后,就永远回不到勤快的时候了。

之前公司因为网络故障断网,我就是静静的等待网络恢复,绝不可能先上手写着。

但是AI编程之前,还是会先写着,等网络恢复了再查一下文档补上不确定的部分就算齐活了。

在这种背景下你说基础重要吗?

其实不重要!

因为自己根本就不上手写代码,又何谈基础呢? 整个项目除了架构是你做的,其他的基本上没你啥事儿!

甚至架构本身也没你啥事儿,你的工作就是需求的沟通器,AI的翻译机罢了。

但是真的不重要吗?

其实很重要!

AI现在的确非常强,但是有时候AI会陷入一个怪圈。(我至今没找到解决方案)

现在出现了BUG,我让AI进行修改,它给出了A方案。

我运行以后告诉它:不对。

然后它给我B方案。

我运行后仍然发现:不对。

现在它给我C方案。

我运行以后发现还是不对。

这时候,AI要不然就是在这几个方案中循环,要不然就是开始胡说八道。

这时候,基础的重要性来了。

如果你有基本的底子,大多数代码你是能够看明白的,虽然AI生成的部分逻辑确实非常绕,但是逐步分析基本上还是能够解决问题的。

如果基础不行,那AI说啥就是啥了,即便它忽悠你。

所以:剑好用,也要看执剑人是谁!

基础的存在代表你对这部分代码有基本的判断能力和掌控能力,AI的确很强,但是也并非强的没有边界。

如果AI真的能够强到没有边界,那程序员这个行业将就此消失!

有基础其实对整个工程而言代表你能兜底,即便是明天没有AI了,你能让整个系统继续下去,而不至于完全瘫痪。

并且现在的AI对于工程化部分仍然存在着诸多问题,尤其是调优和极端情况覆盖。

绝大多数情况下,我们让AI输出的代码都是实现某个需求最为简单的方式,换句话说就是从A点到B点最快的路。

但是最快的路并不代表就是最好的路,环境是千变万化的,极端的网速,极端的设备,甚至是极端的IE~

所以高级程序员在项目中存在的价值就是这些,

但是没有一个高级程序员是空中楼阁的高级,都是从 基础 ——> 高级 的。

AI已经足够强了,初级程序员还有可能存在于这个行业吗?

有!

首先一个核心问题,出了事儿谁背锅?

总不可能是AI背锅吧?

你要不然让豆包或者Claude Code给你道个歉?

所以这个行业总归还是需要人的,不光需要高级,也会需要中级、初级。

但是AI编程发展的如此强大的今天,初级岗位会迅速的缩水。

相当一部分初级岗位被 中级程序员 + AI 替代了,而高级程序员大多集中精力解决项目中的难点。

对于初级的需求变少了,意味着对于初级要求变多了,甚至说对于一个刚毕业的学生,对你的要求直接就是中级的要求。

或者说要求你的学历,你的项目经历...

行你就来,不行就拜拜!

这是公司,挣钱的所在!

不会有人再培养你,也不会有人迁就。

初级老哥们处境变得尴尬了许多!干,意味着你要忍受诸多的不合理。不干,意味着你不一定有更好的去处。

尤其对于我们普通专科,二本的毕业生而言。

且行且珍惜吧,望大家共勉!

AI编程
AI
16
6
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题