这场讨论围绕一篇把 AI 类比为 calculator 的文章展开，核心问题是：当 LLM（大语言模型）能生成代码后，编程里的“expertise”到底还剩什么。评论把重点从“会不会写语法”转向“能否判断、验证和调试 AI 输出”，并用 off-by-one、race condition 这类容易伪装正确的 bug 来说明风险。另一条主线是教育与人才培养：有人主张大学应该保留大量手写代码练习来培养 junior，也有人认为大学更该教 theory、critical thinking 和 communication skills，而不是变成 trade school。讨论还延伸到行业现实与成本结构：当前 AI 便宜部分来自 VC（风险投资）补贴，未来是否还能维持取决于利润和 ROI，同时顶级 AI 公司仍会招聘 junior 去做模型开发等前沿工作。
不少评论认为，AI 让最机械的编程工作更容易被自动化，真正稀缺的变成了检查、质疑和纠错的能力。AI 生成的错误往往不是明显语法问题，而是能编译、能通过部分测试、却在边界条件或并发场景里失效的隐蔽 bug。有人指出，资深工程师也会因为信任输出而漏错，反而是更谨慎的 junior 更容易发现问题。于是，培养对 AI 输出的 verification fluency，比单纯增加手写代码量更有意义。
有评论把文章里的“expertise”纠正为更接近“experience”：真正有价值的是从项目、作品和长期实践中形成的判断力，而不是表面上更快地产出。类比艺术教育的说法认为，年轻开发者应该先通过 passion projects 和学习积累基本功，再借助工具放大能力。另一条现实抱怨是，工作节奏已经被 Jira ticket 和交付压力拉满，根本没有“先不用 AI 学基础”的缓冲期。结果是，公司一边要求员工借 AI 更高产，一边又在削弱新人获得基础经验的机会。
讨论集中在大学是否应该回到大量 manual code 训练，让 junior 在没有 AI 的前提下建立 coding 基础。支持者认为，大学可以成为实践场所，帮助学生形成后续使用 AI 所需的判断力，而不是只停留在抽象概念。反对者则强调，大学更重要的价值是 theory、critical thinking 和 communication skills，因为技术变化太快，不可能把学校做成单纯的 trade school。还有人指出，真正难的是如何验证学生是否亲自完成，以及学校体系是否长期在压制好奇心。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
有评论用 production quality 3D engine 这类高门槛项目说明：一旦离开自己熟悉的领域，AI 看起来很顺手，但人类其实很难判断它给出的方向对不对。相反，在 backend、REST API 这类长期积累的领域里，资深工程师反而能凭经验迅速识别哪些建议不靠谱。有人亲自尝试用 Claude 写 3D engine，结果经历了很多轮迭代仍不满意，说明 AI 更像放大器而不是替代者。这个观点的核心是：AI 最有效的场景，是让真正懂行的人更快，而不是让完全不懂的人凭空变专家。
另一部分评论转向“为什么 HN 前排几乎全是 AI”：有人觉得信息流被 AI 话题淹没，也有人认为这只是 tech 现实的准确反映。支持和反对的比喻都很激烈，有人把 AI 看作 30 年来最大的技术变化，也有人直接把它比作 tobacco，认为它在消耗硬件资源并让人变笨。还有人讨论当前 AI 便宜是因为 VC（风险投资）补贴，真正该观察的是未来当价格必须覆盖利润和 ROI 时会怎样。乐观者则认为，随着开源模型成熟，未来可能会有接近旗舰水平、成本接近算力本身的替代品。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
有人质疑顶级 AI 公司是否真的还在竞争 junior 人才，还是只会挑最亮眼的候选人。评论给出的解释是，这些公司会把新人安排到训练新模型、推进模型边界等任务上，而不是去写 React 这类成熟应用代码。也就是说，AI 公司并不一定减少对新人的需求，只是把他们放到了更接近基础研究和模型开发的位置。这个角度补充了一个现实分层：普通应用开发的入口在收缩，但前沿模型研发仍然需要新血。
verification fluency: 识别、测试并质疑 AI 输出的能力，重点是发现表面正确但实际有缺陷的结果。
race condition: 并发程序中因执行时序不同而产生的不稳定 bug。
off-by-one: 循环或索引边界错误，常见且容易在测试中漏掉。
systems design: 围绕架构、扩展性和权衡做出的高级设计能力。
training data: 用于训练模型的数据集合，直接影响模型能力和覆盖范围。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。