好不容易拿到奖学金，终于能学自己从小就喜欢的计算机科学，结果刚上大学没多久，就被 AI 折腾得想“退学”了——最近，一名计算机专业的大学生 Katie 在个人博客上发文吐槽：“AI 正在毁掉我的计算机科学学位（AI is destroying my CS degree）。”

她遇到的事情听起来有些离谱：学校一会儿禁止学生使用 AI，一会儿又强制要求使用；老师让 AI 生成课程作业，结果作业量直接翻了三倍；导师忙着应付各种自动化管理系统，学生想找人问问题都不容易。

更让 Katie 无奈的是，明明她只是想安安静静学点编程和数学，结果打开科技新闻，铺天盖地又都是“软件工程已死”、“不用 AI 就会被淘汰”之类的论调，看得她无比焦虑。

她的这篇吐槽，随后在 Hacker News 上引发了不少讨论。有人认为 AI 能让学习效率更高，也有人担心初级程序员的就业机会正在被压缩，更有网友直言：现在的大学生，正在成为 AI 教育改革的“小白鼠”。

学校自己都没搞明白 AI，到底该不该让学生用？

根据 Katie 自己的介绍，她去年获得了计算机科学与AI 专业的奖学金。而此前，她几乎没有接受过系统的技术训练，高中数学也只拿到了 B，唯一的编程经历就是在 OpenProcessing 上做过几个小游戏。

但她并不介意从零开始，相反，她很享受这种学习过程，毕竟计算机科学本来就是自己从小就想学的东西——真正让她头疼的，是学校对 AI 的态度。

在 Katie 看来，大学这段时间对于 AI 简直是在“反复横跳”：

● 今天：“绝对不允许使用 AI！”

● 明天：“必须使用 AI！”

● 过几天：“没错，我们正在用 AI，但这不代表你们也应该用！”

学校似乎特别热衷于把 AI 用在一些不太合适的场景里，比如自动批改作业、生成课程内容，以及向学生发送学习情况邮件。每次都大张旗鼓地推行，结果往往过不了三个月，又把之前的决定撤回。

最让 Katie 摸不着头脑的是，不同课程之间的规定甚至互相矛盾：上一门课要求用 AI 完成作业，到了下一门课，只要用 AI 就会被扣分。

简而言之，学校自己都还没想明白 AI 应该怎么用，却要学生适应一套不断变化的规则。

AI 帮老师出作业，结果学生作业量暴涨 3 倍

而比学校政策反复更让 Katie 头疼的，是课程作业的变化。

以前，一份课程作业通常由老师设计，再经过院系其他教师审核，虽然不可能做到十全十美，但至少有人认真考虑过任务难度和学生的实际能力；可现在，Katie 怀疑一些 AI 生成的作业要求，根本没人完整检查过一遍。

错误随处可见，老师往往要等到截止日期前一两周才发布修正通知。学生好不容易按照原来的要求安排好时间，临近交作业了，任务却又发生变化。

与此同时，作业量也增加到了原来的三倍，因为：AI 根本不知道一个学生掌握新知识、学习技术技能，再独立完成实际任务究竟需要多少时间。而那些已经在学术领域工作多年的教授，在匆匆浏览 AI 生成的作业说明时，也很难意识到这些任务对学生来说有多大的工作量。

Katie 举了一个例子：一份 3000 字的课程作业，竟然要求完成 15 项交付任务！结果就是，大多数技术基础相对薄弱的学生不得不疯狂赶进度，根本没时间去真正理解每一个知识点，只能勉强完成任务。

在博文中，她忍不住吐槽道：“这真的糟透了！我来大学是为了学习知识的，好吗？不是为了在一份 3000 字的作业里，勉强交付 15 项任务，每一项都只能草草略过，根本没时间去真正理解和掌握。”

对此，HN 上的一位网友也注意到了这个问题。他认为，这可能是 AI 教育中最讽刺的地方之一：过去老师精心设计的传统作业，对AI 来说已经太简单了；为了防止学生直接把任务交给 AI，老师只能不断提高作业难度。

但模型每个月都在进步，作业难度也跟着水涨船高。最后，就变成了一个尴尬的局面：作业难到学生根本不可能自己完成，而作业设计中的一点小错误，就可能让实际工作量和预期出现巨大偏差。

导师忙不过来，学生收到的关心来自数据看板

虽然作业量增加了，但老师却没有变多。Katie指出，如今大学管理层最喜欢的词就是“规模化”（Scale）：最好通过自动化扩大教学规模，不必增加教职员工，就能服务更多学生。

她甚至调侃，自己现在几乎只有在长时间没有登录学校在线学习平台时，才会收到导师的消息——因为学校的数据看板发现她很久没有登录，会自动把她标记为“高风险学生”（At Risk）。

这让 Katie 产生了一种无奈感：自己收到的关心，似乎越来越多来自系统里的一个标签，而不是导师本人。而这种感觉多少有些讽刺：学校越来越擅长用数据追踪学生，却未必有足够的人手真正关心学生学得怎么样。

还没毕业，就被告知“软件工程已死”？

除了学校里的种种变化，Katie 还有一种说不出的疲惫：整个科技行业似乎都在不断宣告计算机科学的“末日”。她当然也关心未来的职业发展，但这不表示自己就应该放弃学习，更不等于计算机科学和数学已经失去了价值。

Katie 很喜欢这个专业，也希望能继续探索不同的方向，无论这些方向是否与 AI 有关。可一打开科技新闻，她看到的却总是类似的说法：

● “软件工程已经死了！”

● “不用 AI 的程序员迟早会被淘汰！”

● “AI 将彻底改变编程行业！”

她对此相当无奈，甚至忍不住反问：“难道就不能让我单纯因为兴趣，安安静静地学点东西吗？”

“我本来还想继续吐槽，但还是算了，再说下去，恐怕真的要把自己气出消化不良了。”在博文的最后，Katie 决定暂时回到 OpenProcessing，重新做几个以前那些“傻乎乎的小游戏”：“只不过这一次，我已经真正学会了一些编程知识，应该能做得比以前更好了。”

她还分享了几个她以前做的小玩意儿：

（1）一个简单的太空射击游戏：https://openprocessing.org/@u304330/1557487

（2）一个点一下就会“喵”一声的 Moogle：https://openprocessing.org/@u304330/2205896

显然，这些游戏的制作都不是太精良，但却是 Katie 感受到编程乐趣的初心和起点。

网友吵起来了：AI 让学习更容易，却也正在消灭初级岗位？

Katie 的这篇博客发布后，Hacker News 上的讨论很快从大学教育延伸到了程序员就业市场。

一位拥有 20 多年开发经验的工程师认为，AI 并没有取代教育，反而提高了人们理解和掌握的知识上限：“我已经在这个行业工作了 20 多年，但直到今天，我每天依然能学到新东西。过去几年，有了 AI 的辅助，我学到的东西反而更多了，工作效率也更高了，还能更深入地理解自己负责的系统。”

但另一位网友并不认同这种乐观态度。他认为，AI 正在严重冲击初级开发者的就业市场：对企业来说，与其招聘多名初级程序员，不如直接雇用一名高级工程师或资深工程师，再给他配上 Claude 或 Codex：“如果现在让我给即将毕业、准备进入开发行业的学生提建议，我真的不知道该说些什么。”

还有部分网友，对科技行业所谓的“终身学习”感到厌倦。

在他们看来，开发者每天都在追逐新的编程语言、Web 框架、Python 工具和 Linux 发行版。很多工具的实际用途并没有本质区别，可学会一套之后，很快又要换另一套。如今 AI 又降低了开发新工具的成本，这种为了迭代而迭代的现象恐怕只会更加严重。

更有一位网友指出，今天尝试一种新的教学方式，可能要等到 3～6 年后学生毕业，才能真正知道它是否有效——在此之前，学生其实只是在充当未经验证的新教学模式的“小白鼠”罢了。

其实，有一个很现实且有意思的问题是：当 AI 已经能替学生写代码、替老师出作业，那大学究竟还应该教什么？如果企业越来越倾向于招聘能够驾驭 AI 的高级工程师，那么今天正在大学里从零学习编程的学生，又该通过什么途径积累经验、成长为下一代高级工程师？

对于这些问题，你的答案又是什么呢？