当AI成了我的编程老师——惊喜之余的一些思考

一周时间，我做了什么

回想这一周的经历，自己都有点不敢相信。我一个完全没写过代码的人，在腾讯Marvis的帮助下，写出了一个能整理桌面文件的Python脚本，买了个云服务器，搭起了Nginx，把网页部署上去，还搞懂了SSH远程连接是怎么回事。这在以前，我可能会觉得这是程序员才干的事，离我太远了。

放在半年前，如果有人跟我说"你用一周时间就能从零开始搭一个网站"，我肯定觉得他在开玩笑。但事实是，我真的做到了。而且说实话，这个过程虽然踩了不少坑，但并没有想象中那么难。关键就在于——有一个随时可以问、什么都懂的"老师"在旁边。

AI确实能做很多事了

这几天我最大的感受是：AI工具真的把编程的门槛拉低了很多。以前你可能需要花几个小时看教程、查文档才能懂的东西，现在直接把问题扔给Marvis，它几秒钟就能给你一个可用的答案。不会Linux命令？问它。Nginx配置看不懂？问它。代码报错了不知道什么意思？把错误信息复制给它就行。

这种体验让我想起小时候用计算器做数学题的感觉。以前要手算半天的题目，有了计算器之后几秒钟出结果。现在的AI编程助手大概就处在这个阶段——它帮你处理那些繁琐的、需要记忆的、规则明确的事情，让你可以把精力放在"我要做什么"上，而不是"这个东西的语法是什么"。

而且不止是编程。这一周我还在Marvis的帮助下写了好几篇技术文章、设计了这个网站的Banner图、整理了部署文档。它就像一个全能助手，虽然不是每个领域都精通，但每个领域都能给你搭把手。

但AI明显还有很长的路要走

用了这么多天，我也越来越清楚AI的局限在哪里。

最明显的一点：它会"胡说八道"，而且说得特别自信。有一次我问它Nginx的一个配置问题，它给了我一段配置代码，说"这样就行了"。我照着改了，结果整个网站都访问不了。后来反复排查才发现，它给的配置里有一个参数根本不应该加，加了反而出错。但它在给出那个错误答案的时候，语气笃定得像教科书一样，让我这个新手完全没想到要去质疑它。

这让我意识到一个很核心的问题：AI没有真正的"理解"。它只是在模式匹配——根据我输入的问题，从海量训练数据里找出最相似的答案组合出来。但它并不"知道"那个答案是对的，也不知道那段配置代码在真实服务器上能不能跑。它只是在概率上觉得"这种回答最像正确的答案"。

底层逻辑和思考，AI还差得远

人做事有一个很重要的能力：基于对事物本质的理解来做判断。比如一个经验丰富的程序员看到报错信息，他不仅知道怎么改，更重要的是他知道"为什么"出错了。他能从根因出发，判断这个改法会不会引发其他问题。这种因果链条式的思考，AI目前还做不到。

我的体会是，AI更像个"超级搜索引擎+文档生成器"。你问它什么，它能从各种资料里拼出一个看起来像样的回答。但如果你问它一个需要真正推理的问题——比如"我的服务器用了Nginx之后访问很慢，可能是什么原因"——它给你的答案通常是泛泛的、罗列式的：检查网络、检查配置、检查负载。它不会像一个真正有经验的工程师那样，先问你"慢在哪个环节"，然后一步步缩小范围。

换句话说，AI擅长的是"把已有的知识告诉你"，但还做不到"在未知的情况下去推理新结论"。它做的更多是"回忆"，而不是"思考"。

能做基础工作，已经很了不起了

虽然说了这么多局限，但我一点都不失望。恰恰相反，我觉得AI能帮忙处理基础工作这件事本身，就已经是一个巨大的进步了。

对于我们这种非技术人员来说，以前那些"基础工作"本身就是最大的门槛。你不会配环境、不会写命令、看不懂报错——连门都进不去。现在AI帮你把这些门槛都铲平了。至于更高阶的推理和判断，那是专业程序员的事了，而AI在处理基础工作上释放出来的时间，正好让人类可以把精力花在更需要创造力和判断力的地方。

所以我的态度是：感谢现在的AI，它确实已经能帮我做很多事了。但我也清楚地知道，它离"真正理解"还有很长的路要走。它是个好助手，但还远不是个好军师。

也许过几年再回头看今天这篇文章，会觉得这些想法很幼稚。但没关系，这就是我作为一个普通人，在2026年夏天，第一次认真用AI学编程之后的最真实感受。