Jiayun's Blog

📌 好文共赏 | Editor’s Pick

原文：Don’t Outsource the Learning — Addy Osmani，2026-05-16，阅读约 12 分钟

多模评分：Opus 9.0 / Sonnet 8.7 / Gemini 8.6（综合 8.77 / 10）

一句话推荐：当 Google Chrome 工程主管把三项独立研究放进同一只漏斗，过滤出的不是"AI 让人变笨"这种廉价口号，而是一份可以贴在每天 Pull Request 上的"学习/出货"双指标问卷。

1. 为什么这篇值得读

过去一年关于"AI 让程序员变笨"的论战大多停留在两类极端：要么是 Stack Overflow 那一类宏观就业数据——“junior 工程师就业岗位掉了 20%"——要么是某位资深架构师在 X 上甩出的"我看到的所有实习生连断点都不会下"的轶事。两类都很难落地。

Addy Osmani 的《Don’t Outsource the Learning》之所以值得读，是因为它做了三件别人没做的事：

1. 把三个独立的、来自不同学科的实验摆到了同一根坐标轴上——Anthropic 2026 年 1 月的随机对照试验（学 Python 库）、MIT Media Lab 2025 年的 EEG 实验（写论文）、CHI 2026 一篇关于"LLM 接触顺序"的论文。三个实验的方法学、样本、衡量指标全不一样，但收敛到了同一个结论：差异不在于工具，而在于姿势（posture）。
2. 给"姿势"找到了可操作的颗粒度。Addy 没有停在"要批判性思考"这种废话层面，而是把姿势拆成六条具体动作（先写假设、先要解释再要代码、把 Learning Mode 当成生产工具、像审 junior PR 一样审 AI、定期手写复现一次、让模型解释它刚才做了什么）。
3. 重新定义了"工程师的两个指标”。原文最后那句"Did I learn anything today, or did I just close tickets?"——我今天学到了什么，还是只是关了几张工单？——把整个 AI 工程文化里最棘手的"短期产出 vs 长期能力"矛盾，压缩进了一个可以每天问自己一次的问题。

这文章短，但密度极高。它不是又一篇"AI 焦虑大字报"，而是一份面向 2026 年程序员的认知卫生学手册——和我们之前推过的《教会 Claude"为什么"：Anthropic 把对齐训练从"演示动作"升级为"传授原则"》在哲学底色上完全互文：教 AI 的关键不是给动作，是给原则；教自己也一样。

2. 三个实验、一根针

Addy 这篇文章最聪明的地方是它的"叙述杠杆"——他没有自己做实验，但他把三项 2026 年前后的研究串成一根针，缝合出一个比任何一项单独研究都更可信的结论。

2.1 Anthropic 的随机对照试验：17% 的真相

原文：On a quiz that covered concepts they’d used just a few minutes before, participants in the AI group scored 17% lower than those who coded by hand, or the equivalent of nearly two letter grades.

Anthropic 在 2026 年 1 月 29 日发布的研究 “How AI assistance impacts the formation of coding skills”，是这篇文章的"压舱石"。研究招了 52 位（绝大多数 junior）每周用 Python 至少一次、对 Trio（一个异步并发库）完全不熟的工程师，随机分两组：一半允许在编辑器侧边栏使用 AI 助手，一半只能手写。

任务结束后立即考核一份混合"debug / 读代码 / 写代码 / 概念题"的小测验。结果很冷酷：

• AI 组完成任务平均快约 2 分钟（统计不显著）；
• AI 组测验平均分 50%，手写组 67%（统计极显著，Cohen’s d=0.738）；
• 真正决定测验分数的是怎么用 AI：把 AI 用于"问概念、问 tradeoff"的人能拿到 65+，把 AI 用于"直接生成贴进去"的人掉到 40 以下。

Addy 把这一组数据切成了那句被反复转发的金句：

原文：“The tool didn’t determine the outcome. The posture did."（工具没有决定结果，姿势才有。）

这句话不是修辞，是从 17% vs 25 个百分点的两个差距里抠出来的——前者是"AI vs 手写"的组间差，后者是"AI 组内部，怎么用 AI"的组内差。组内差比组间差大，这意味着真正决定你长不长能力的不是用不用 AI，而是用 AI 的姿势。

2.2 MIT Your Brain on ChatGPT：脑电图给"认知债"开了张账单

第二条线是 MIT Media Lab 的 Nataliya Kos’myna 团队 在 2025 年 6 月发表的 “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”（arXiv:2506.08872）。这个实验把 54 个被试分三组写 SAT 风格论文：纯人脑、用搜索引擎、用 ChatGPT，前后做四次。

实验的"剑走偏锋"在于它给被试戴了 EEG。结果用神经数据画了一张非常难以反驳的曲线：

• 脑区连接强度随着外部工具数量的增加而单调下降——纯人脑组 alpha/beta 频段连接最强、网络最分布；搜索引擎组中等；LLM 组最弱；
• 83% 的 LLM 组被试在交卷后无法准确引用自己刚写的任何一句话；
• 第四次 session 把"LLM-to-Brain”（之前用 LLM，现在拿掉）的被试反过来——他们的脑区连接仍然处于压抑状态，alpha/beta 都更低。换句话说，AI 不只是"用的时候不动脑"，是"用过之后短期内不动脑"。

研究者把这个现象命名为 cognitive debt（认知债务）——和 Ward Cunningham 的 technical debt 是同一个比喻系统：短期省力，长期复利偿付。

Addy 在文章里没有解释 EEG 频段，他只用了这一句话：

原文：“cognitive debt: saving mental effort today, paying for it in critical thinking tomorrow."（认知债：今天省下的脑力，明天用批判性思维去还。）

但他做了一件更重要的事——他把这条"债务曲线"接到了 Anthropic 的"17% 测验差"上，让两个互不相干的实验在他的文章里互相加持。

2.3 CHI 2026 的"先来者效应”：顺序比数量更要命

第三条线是 CHI 2026 的一篇论文（arXiv:2603.08849），主题是"LLM 接触的顺序如何影响人类决策质量"。这篇文章被引用次数远不如前两项，但 Addy 单独把它拎出来是有道理的——它解释了为什么"我只是用 AI 帮忙起个头"这种自我安慰也站不住脚：

研究发现，只要被试在任务一开始接触到 LLM 输出，整个问题的"框架"就被 LLM 锚定了。哪怕后面 90% 的工作都是人自己做的，最终决策质量也会显著低于一开始就靠自己思考、最后才查 AI 的对照组。

Addy 把这一发现总结成一个很反直觉的命题：The order of operations mattered more than the total amount of AI used.（操作顺序比 AI 用量更重要。）

这一点和我们之前在《资深开发者为何"说不清"自己的价值：Speed 与 Scale 的两个循环》里讨论过的"Scale 循环必须由人启动"在更微观的层面上汇合了——资深工程师值钱的部分不是写代码的速度，而是在问题进入工具之前就完成的那一段框架化工作。一旦框架化外包了，剩下的所有"速度提升"都是在错误的题面上加速。

2.4 三角形如何收敛

把三项实验放在一起，Addy 描出了一个非常清晰的三角形：

三个层面的数据都指向同一个落点：AI 没有自动让任何人变笨，也没有自动让任何人变强；它是一个放大器，放大的是你在打开 prompt 之前那一秒钟的姿势。

3. 为什么默认 UX 会把你推向"出货优化"

Addy 这篇文章里最容易被忽视、但最重要的一节叫 “The tools default to shipping, not teaching”。他指出了一件几乎从来没人写在工具评测里的事：

原文：“If you fire up a coding agent and stick to the defaults, everything is tuned for one metric: getting the task done."（如果你打开任何一个 AI 编程 Agent，跟着默认设置走，所有的产品 UX 都在为一个目标调优：把这个任务关掉。）

这不是阴谋论。Cursor、Copilot、Claude Code、Devin、Codex CLI——这些产品的 North Star Metric 全部是"merged change / closed ticket / time-to-PR”。没有任何一个产品的 OKR 是"让用户半年后比现在更强"。这不是产品经理坏，是 UX 引力：

• 用户喜欢"按 Tab 就接受"——所以默认是接受；
• 用户喜欢"不被打断"——所以 Socratic 模式从来不是默认；
• 投资人看 DAU/MAU——所以工具优化"今天再用一次"而不是"明年还在用一次"。

这点和我们在《当 AI 不再等你说完：Thinking Machines 把"实时交互"写进了模型权重》里讨论的"交互模型"问题是同一枚硬币的两面——模型层在用"更快响应"换"更浅理解"，工具层在用"更短回路"换"更弱姿势"。

Addy 给的反向指令也很简单：把"学生功能"——Claude Learning Mode、ChatGPT Study Mode、Gemini Guided Learning——拿来当生产工具。它们的默认效果在第一周里会让你觉得"慢"。这就是它们的工作原理：

原文：“Yes, it feels slower. That’s the point."（是的，它感觉更慢。那正是它的设计意图。）

这正是我们在《把"金门大桥 Claude"的开关递给你：Sean Goedecke 谈 LLM Steering》里讨论的"用户终于可以触碰模型旋钮"的镜像——用户也终于可以触碰自己脑子的旋钮，但默认配置永远不会替你拧。

4. 哪些活儿可以放心外包，哪些不能

Addy 没有走"什么都不能交给 AI"的怀旧路线。他列了一个清单——什么可以纯外包，什么外包以后会反咬你一口。

可以纯外包的（学习成本不值）：

• 样板代码（boilerplate）
• 胶水脚本、一次性 CI
• 你这辈子不会再看一眼的脚本
• YAML、Dockerfile 这类语法记忆任务

不能外包的五个临界点：

1. 当东西坏了时（When something breaks）：AI 写的代码不会少 crash。生产 incident 凌晨 3 点报警，“反正是 Agent 写的"不是个可执行的诊断策略。团队里得有人理解架构。
2. 当 AI 自信地错了时（When it’s confidently wrong）：LLM 会一本正经地胡说八道。识别这种 plausible-looking incorrect answer 的唯一防线，是你自己的领域知识。和我们在《curl 之父亲测 Mythos：5 个"确认漏洞"最后只剩 1 个》看到的局面完全一致——AI 给出的"5 个发现"里只有 1 个是真的，能区分的不是更好的 prompt，是更深的人。
3. 当地基变了时（When the foundation changes）：框架升级、安全审计要求重构、合规改了——这些是"重新 prompt 一遍"解决不了的。它们要求工程师能从第一性原理重建系统。
4. 当你离开了平均值时（When you leave the median）：LLM 在"GitHub 上被解决过一百万次"的问题上无敌；越远离这个均值，越接近你的雇主真正花钱雇你解决的那类问题。
5. 当市场重新定价时（When the market adjusts）：那 20% 的 junior 就业下滑 不是巧合。市场正在重新定价"只在有 AI 时才能交付的工程师"和"没 AI 也能交付的工程师”——后者的溢价正在变大。

这五条在我看来还可以再压缩成一个判断：当问题离 GitHub 的 mean 越远，AI 的边际产能下降越快；而你的职业溢价就长在 mean 的远端。

5. 六条"姿势补丁”：把同一个 Cursor 用成两种工程师

Addy 给的可操作补丁非常具体——不是改工具，是改 prompt 顺序：

1. 先假设，再问 AI：写 PR 之前先用两三句话写下"我以为问题是什么"，然后用 AI 的回答验证你的假设，而不是替代它。
2. 先要解释，再要代码：在不熟悉的领域，第一条 prompt 不应该是 “fix this”，而应该是 “explain how X works, what the alternatives are, what the tradeoffs are. Don’t give me code yet.”
3. 打开 Learning Mode 用于生产：Claude Learning Mode / ChatGPT Study Mode / Gemini Guided Learning。当你在陌生领域时使用，强迫模型用苏格拉底反问而不是给你代码。
4. 把 AI 输出当成 junior PR 来审：如果一个新员工提交了这个 PR，仅仅因为测试通过你会 merge 吗？如果不会，那这里也不该 merge。
5. 定期手动复现：找一段一个月前 AI 替你写的代码，关掉所有 AI，看你能不能从空白文件重写出来。这是你对自己"认知债余额"的一次月度对账。
6. 让 AI 解释它刚才做了什么：在 AI 写完一个聪明的函数后，加一条 prompt：解释你用了哪些概念，我应该读哪些资料才能理解这个设计选择。

这六条里我个人最看重的是第 5 条——re-derive things by hand once in a while。这是唯一不可外包给 AI 的步骤，因为它衡量的就是"在没有 AI 时你还剩多少"。

这条"月度对账"和《Julia Evans 把 Tailwind 拆成九个抽屉：八年之后，她终于敢说 CSS 是一门技术》里 Julia 反复强调的"理解层叠机制，而不是只会调类名"是同一种纪律——你能不能在抽离了所有抽象之后回到原始概念，这是一种可以被时间稀释、也可以被时间增厚的资本。

6. 编辑延伸思考：这不是"反 AI"，是"反姿势漂移"

读完整篇文章，我想说几个 Addy 没有明说但其实贯穿全文的判断。

第一，“两个指标，不是一个"是这一代工程师管理者最重要的一条心法。

原文：“Ship and learn are two separate metrics. Your manager and your customers will only ever ask about the first one. The second is on you.”

你的经理一辈子都只会问你"这周交付了什么”。这是经理的工作。但让自己保持可雇佣性是你的工作。Addy 没有要求每个工程师变成苦行僧——他只要求你每周/每月对自己问一次第二个指标。这件事工作流程不会替你做，工具不会替你做，模型更不会。这是一份纯私人合同。

第二，“姿势"这个词被低估了。

英文里"posture"本来是工程文化里的小众词，更常见的是 “mindset”、“discipline”、“workflow”。Addy 选 posture 而不是 mindset 是有讲究的——

• Mindset 是认知层，是想什么；
• Workflow 是流程层，是怎么排；
• Posture 是身体层，是你在打开 prompt 那一刻的肌肉记忆。

这和《matklad：Conway 定律才是软件架构的母题》 里 matklad 谈"架构是组织自然发酵的产物"是同一种洞察的不同层面——架构由组织自然形成，能力由姿势自然形成。你可以一天改一次 mindset，但 posture 是上千次微小动作的累积。AI 提供的便利会以每天 100 次的频率冲刷你的 posture——如果你不主动调整，半年后你自己都不知道自己已经站歪了。

第三，“junior 就业下滑 20%“不是数字游戏。

Addy 在文章末尾扔了一句很重的判断：

原文：“Engineers who can only ship with AI, and not without it, are entering a labor pool that is already re-pricing what expertise is worth.”

我把这句话翻译成更尖锐的版本：市场正在分裂为两类工程师——“有 AI 时能交付，没 AI 时也能交付"和"只有 AI 时能交付”。前者的价格在涨，后者的价格在塌。

这个分化和我们在《CTF 场景已死：澳洲安全工程师写给那条被 Frontier AI 蒸发掉的成长阶梯》 里看到的"成长阶梯被蒸发"是同一个故事——年轻工程师无法在新阶梯上爬，因为旧阶梯被 AI 自动化掉了，而新阶梯还没建好。Addy 的答案不是"等新阶梯”，而是"在每天的工作里偷偷给自己造一架小型脚手架”——六条姿势补丁就是这架脚手架。

第四，这篇文章对管理者也是一份隐藏检查清单。

如果你管理一个 5+ 人的工程团队，Addy 这篇文章其实在隐含地问你：

• 你的团队 OKR 里有没有一条是"learn"而不是 “ship”？
• 你的 1-on-1 里问没问过"上周你学到了什么”——不是"上周你做了什么"？
• 你的 PR review 文化奖励的是"快速 merge"，还是"留下学习痕迹的注释"？
• 你团队的 AI 工具默认配置是不是从来没人审过？

这些问题没有出现在原文里，但它们是 Addy 的论点逻辑必然导出的管理推论。

7. 延伸阅读图谱

Addy Osmani 的"AI 工程认知三部曲"

1. Comprehension Debt（2025）—— 一个团队里"代码量"和"任何人真正理解的代码量"之间的鸿沟，是 AI 时代工程债务的新形式。
2. Cognitive Surrender（2026-05-05）—— 把 Wharton 论文里 1,372 人的实验数据接到软件工程语境：cognitive offloading 是"代办"，cognitive surrender 是"接管"。73% 的时候 AI 错了人也跟着错，是因为人没有形成自己的独立答案。
3. Don’t Outsource the Learning（2026-05-16）—— 本文。

三篇文章其实是一个递进：先识别问题（comprehension debt）→ 解剖机制（cognitive surrender）→ 给出处方（don’t outsource learning）。

原文引用的三项研究

• Anthropic How AI assistance impacts the formation of coding skills（研究页 / arXiv:2601.20245）—— 52 名工程师学 Trio 库，AI 组测验低 17%。
• MIT Media Lab Your Brain on ChatGPT（论文页 / arXiv:2506.08872）—— 54 名被试 EEG 实验，cognitive debt 概念诞生地。
• CHI 2026 LLM Anchoring under Time Constraints（arXiv:2603.08849）—— “顺序 > 总量"的关键证据。

反方与辅助观点

• Anthropic Learning Mode 上线（engadget 报道）—— 厂商终于开始把 “教学"作为产品维度，但用户接受度仍低。
• Stack Overflow: AI vs Gen Z（原文）—— Junior 工程师就业岗位 2022 至 2025 下滑 20% 的原始数据来源。
• Microsoft Research: AI Critical Thinking Survey（PDF）—— 微软自己的研究也指向同一方向：AI 用户在批判性思维任务上"努力度"下降。

站内交叉阅读

• 我之前推过的《教会 Claude"为什么"：Anthropic 把对齐训练从"演示动作"升级为"传授原则"》 —— 教 AI 与教自己是同一件事的两面。
• 《资深开发者为何"说不清"自己的价值：Speed 与 Scale 的两个循环》 —— Addy 这篇可以看作 Speed/Scale 循环的"个体微观版”。
• 《CTF 场景已死：澳洲安全工程师写给那条被 Frontier AI 蒸发掉的成长阶梯》 —— 行业新人成长阶梯的宏观侧。
• 《17 分钟一篇 PhD 章节：Fields 奖得主 Gowers 实测 ChatGPT 5.5 Pro》 —— 同样的工具，资深研究者 vs 学生的不同后果，是 Addy 三角形的极端案例。
• 《Emacs 化的软件世界：当 AI Agent 让每个人都能写自己的原生应用》 —— 工具会更加民主化，但"会用"的标准也会更高。
• 《把"金门大桥 Claude"的开关递给你：Sean Goedecke 谈 LLM Steering》 —— 用户开始能调模型，也终于该调自己。

8. 配套资料导览

本篇配套：

• cover.svg —— 封面图，深色背景，主题：Posture > Tool
• mindmap.svg —— 全文知识地图（三大实验 + 五个不可外包临界点 + 六条姿势补丁）
• concept-cards.md —— 12 张关键概念卡（Posture、Cognitive Debt、Cognitive Surrender、Comprehension Debt 等）
• glossary.md —— 32 条中英对照术语表

9. 谁应该读这篇

最后引一下 Addy 的那句结语，作为这篇导读的关门钉子——

原文：“You don’t have to choose between using AI and learning. You do have to choose a workflow that does both, because the defaults won’t choose it for you."（你不必在"用 AI"和"学习"之间二选一。但你必须主动选择一个让两者同时发生的工作流，因为默认设置不会替你选。）

本文为「好文共赏」深度导读。所有观点解读、对比映射、延伸推论由编辑独立完成；原文引用严格控制在合理使用范围内（< 10%，单段 ≤ 3 句，均以 blockquote 标注"原文”）。强烈推荐配合三项原始研究和 Addy 自己的"认知三部曲"前两篇一起阅读。