自从我开始使用智能体辅助编程以来，我的生产效率提升巨大。对于常规数据处理或前后端工程的工作，我以往几天的工作量往往能在几个小时内完成。我身边的朋友们也都同样呈现这样的趋势：无论原先技能水平高还是低，最后都走向了通过智能体提高生产力的工作模式。（除了那些可以直接调用人工的智能的领导们）。

然而，随着我把工作（编程）交给智能体之后，尽管我能更快地完成，但编程技能一直在退化。有人比喻说，就像计算机普及之后人们就提笔忘字了一样，不必杞人忧天。然而，我发现我的代码实现能力遇到了巨大的瓶颈：我能交付的都是脚本化的代码，或者一个表面好看的 demo，对于真正完整的系统项目我几乎没有成功过。

我回想，我对技术学习的习惯也发生了很大转变。一方面，因为借助智能体我可以涉足更广的技术栈，包括一些我从未学习过的领域，我完全没办法靠人力来编辑、维护甚至理解智能体做出来的项目，故而无法进行学习训练。另一方面，我也因为智能体的便利，变得不再关心技术细节。这导致我停止了对领域技术知识的学习，除此之外，我也没有持续学习运用智能体的能力。我陷入了一种循环：快速的开发一个原型，然后卡在原地。我试图做一个 Node.js 的项目，但是我连装依赖、编译和运行都一知半解，也不知道有哪些适合项目需求的库，甚至连运行时、包管理工具都还没分清楚，只能看着智能体在忙碌地帮我编辑 TypeScript 代码。随着项目代码的逐渐臃肿，更多的 bug 出现，而我已经看不懂代码在做什么了。

我开始重新思考这个问题：智能体时代的技术学习真的没有必要吗？我觉得有必要。在智能体时代，人的领域技术能力借由智能体获得放大。人对技术框架的理解，对技术选型的熟悉，甚至于对代码语法细节的把握，这些原本重要的领域技术能力依旧重要，它是技术能力的基础数值。同时，人对智能体使用、智能体工具的了解，将是技术能力的放大倍数。对于希望在一个技术栈持续精进的目标而言，应当通过学习同时提高二者的技能水平。只不过，相比于过去，代码细节不再是第一道门槛，但依然是必要的基础能力。而对于面向产品需求的广技术栈的能力提高需求，一方面应当提高通用化的能力培养（比如编程当中的抽象概念，项目依赖的理解，技术选型的调研方法），另一方面应拓展智能体工具集的广度（找对工具对智能体工作很重要）。

更进一步，智能体并不只能被用来取代原本我们应该开展的学习，反而还可以用来助力人的学习。我多次在网络上看到，未来教师/培训行业会受到 AI 的巨大冲击。对于具体的示例，我仅看到国外研究人员让学生使用智能体开展学业学习，并让他们评估智能体的教学质量和效率，还没有看到具体的教育产品。

几天前，我在视频号看到有人在推荐 Matt Pocock 开发的利用智能体辅助人的学习的技能：Learn Anything With My /teach Skill，它的仓库地址是：mattpocock/skills: Skills for Real Engineers. Straight from my .claude directory.。

Matt Pocock 是知名 TypeScript 教育者、工程师，Total TypeScript 的作者/创建者，专注用课程、短视频和实战练习帮助开发者掌握 TypeScript。官网也显示他近年开始教授 AI engineering，曾在 Vercel、Stately 工作。(from ChatGPT)

我安装了这个 teach skill，并让它为我准备直接面向我的项目需求的 TypeScript 的课程。（这很巧合，这个 skill 本身和 TypeScript 技术栈没有关联，而恰好它的作者是 TypeScript 的作者。）它首先通过一些问题评估了我的能力水平，然后创建了第一课的 HTML 文件。课程中它不仅提供知识讲解，还在最后通过问答的形式来评估我的掌握程度，以方便在下一课进行更加定制化的教学。同时，它的内容和上手训练，不仅仅有传统学习的系统化知识，还能直接针对需求来练习项目 demo 。

比起自己去啃大部头的编程语言教程，我觉得智能体教学要有趣地多，也更能给出适合我技术水平的教学表达。如图所示，里面用 python 的 pip 来类比 pnpm，就是结合了有 python 能力背景的人的教学技巧。

总之，我愈发觉得，在智能体时代，对人本身的技术能力要求从未降低。智能体只是将入坑技术的门槛降低了，但要做出真正可用产品，仍需要自身具备深厚的技术积累。与此同时，对智能体的运用成为一项当前时代的新技术栈，将成为放大领域能力的倍增器。无论是领域技能，还是使用智能体的能力，都应当通过持续学习来精进。最后别忘了，智能体也可以成为我们学习的好帮手。

最后修改于 2026-06-16