AI 辅助如何影响编程技能的形成

摘要

Anthropic 通过随机对照试验研究了 AI 编程辅助是否能帮助开发者学习新的编程技能，还是会创建认知捷径从而破坏技能掌握。研究发现，使用 AI 的参与者在理解测验中的得分比手动编码的人低 17%，但如何使用 AI 对信息保留有重大影响。

关键发现

学习影响

• 使用 AI 的参与者在理解测验中的得分比手动编码的参与者低 17%

• 相当于将近两个字母等级的差异（Cohen's d=0.738, p=0.01）

• 最大的性能差距出现在调试问题上

生产力权衡

• AI 组完成任务的时间大约快两分钟
• 但这个差异缺乏统计显著性

关键洞察

"如何使用 AI 影响了信息的保留程度"

表现优秀的参与者利用 AI 通过后续问题和解释来进行概念理解，而不仅仅是代码生成。

研究设计

研究人员招募了 52 名初级软件工程师，使用 Trio 框架完成 Python 库任务。测试了三种条件： 1. 使用 AI 辅助 2. 不使用辅助 3. 对照基线

评估重点关注调试、代码阅读和概念理解——这些是验证 AI 生成代码所必需的技能。

AI 交互模式

低分方法（测验得分低于 40%）

1. AI 委托：完全依赖代码生成
2. 渐进式依赖：初始提问后完全委托
3. 迭代调试：使用 AI 解决问题而不是澄清问题

高分方法（测验得分 65% 以上）

1. 生成后理解：在代码生成后请求解释
2. 混合查询：将代码请求与解释请求结合
3. 概念探究：仅独立地询问概念性问题

实践启示

研究表明，激进的 AI 采用可能会破坏初级工程师所需的技能发展，而这些技能对于有效监督 AI 至关重要。

有效的 AI 使用需要有意识的参与，专注于理解，而不仅仅是效率。

对教育和培训的影响

1. 教育工作者需要重新思考如何教授编程 - 不能简单禁止 AI 工具 - 需要教授如何正确使用 AI 辅助学习

2. 企业培训需要关注 AI 使用模式 - 培训初级工程师如何使用 AI 进行学习而不是替代 - 强调理解而非速度

3. 个人学习策略 - 使用 AI 作为教师，而不是代码生成器 - 在接受 AI 生成的代码前，先理解其原理 - 主动要求解释和概念澄清

元数据

• 原文链接：https://www.anthropic.com/research/AI-assistance-coding-skills
• 发布日期：2026 年 1 月 29 日