据Python教师Ardit Sulce介绍，仅仅能够写出可以运行的代码，已经不足以证明学会了编程。Sulce在Udemy上的课程已有超过650,000名学生报名。随着人工智能工具能够生成应用程序的大部分代码，重点已从逐行编写代码转向理解工具生成的内容、审查这些内容、发现其中的错误，以及了解系统各组件如何相互连接。
JetBrains Blog发布的一篇对Sulce的采访中阐述了这一观点。Sulce拥有10年的编程教学经验，并持有德国明斯特大学（University of Münster）的地理技术硕士学位。他还是ActiveSkill Dev平台的创始人和首席开发者。该平台将人工智能作为私人教师，用于学习编程和软件开发。
人工智能改变了问题，却没有取代教师的作用
Sulce表示，与生成式人工智能普及之前相比，他每天收到的学生问题数量减少到了原来的五分之一至十分之一。当学生遇到问题时，他们可以立即获得答案，而不必在讨论页面发布问题后等待教师或教学助理回复。
但据他描述，留下来的问题变得更宏观，也更加依赖判断：应该采取哪条路径？这个项目是否适合放入作品集？学生正在学习的内容如何融入更广阔的整体？从这个角度看，课程的作用不只是回答某个具体问题，还在于为身处一个甚至不知道基本问题是什么的领域的初学者提供一条有组织的路径。
学习者的期望也发生了变化。对他们而言，一门忽视该语言与人工智能关系的Python课程显得过时；他们希望学习如何使用工具加快代码编写，以及如何构建依赖语言模型、智能体和自动化的应用。与此同时，教师仍然重要，因为教师需要确定应该学习什么、按什么顺序学习，并提供动力和好奇心。Sulce认为，让人工智能工具持续地自动产生这些东西，仍然很困难。
并非所有学习上的困难都同等重要
Sulce区分了能够建立理解的努力与浪费时间的摩擦。试图弄清一个循环为何多执行了一次，或追踪程序中的数据流，可能是学习的一部分。而修复损坏的驱动程序、排查模糊的配置错误，或处理一个不再与当前环境兼容的旧课程，则是可以交给人工智能处理的障碍，且不会造成明显的学习损失。
按照这一原则，初学者应当问自己：解决这个问题会让我获得日后可以使用的理解，还是只会让我回到开始的地方？Sulce强调，在学习阶段，手动编写代码仍然很重要，因为这有助于建立关于变量、循环和数据流的心智模型。而在专业工作中，与其手动编写所有代码，审查工具生成的内容可能变得更加重要。
职业生涯初期开发者需要的三项技能
- 阅读自己没有编写的代码：开发者应阅读GitHub代码仓库、自己的旧项目以及智能体的输出，并判断代码是否正确，以及在输入发生变化时是否仍然适用。
- 准确表达需求：Sulce认为，向模型提出的良好请求就是一份规范，明确代码应该做什么、不应该做什么，以及在边界情况下应如何表现。这接近于需求这一概念，而需求过去通常由另一方负责。
- 系统层面的理解：只了解代码的独立片段是不够的；开发者需要理解应用程序的各个组件以及它们的连接方式。正是这项技能使开发者成为人工智能的监督者，而不是其输出的被动接受者。
这也会改变评估学生和求职者的方式。Sulce建议，与其只要求对方构建一个应用，不如提供一段由人工智能生成、包含一个具体问题的代码，例如循环边界错误、静默吞掉异常，或在输入为空时行为不正确，然后测试对方发现并解释问题的能力。还可以进行一次现场调试，以观察对方如何逐步缩小故障范围。
从代码到监督的渐进路径
Sulce将学习分为三个阶段：首先，在集成开发环境中手动编写真正的小型程序；然后，在转向更大型项目的过程中，把人工智能当作教师，让它解释学习者不理解的内容；最后，把人工智能当作工作伙伴，让它编写部分代码，同时由学习者进行审查。
这一渐进过程意味着项目规模逐步扩大：从脚本，到使用数据库的应用程序，再到与用户交互的项目、已部署的服务，以及连接应用程序编程接口的应用。实际上，这条路径将语法知识与系统理解联系起来，而不是假设架构理解会在多年编写代码之后自动出现。
采访还强调，在专业开发环境中学习并非形式上的细节。依赖人工智能的项目包含环境文件中的API密钥、虚拟环境、依赖冲突、软件包版本之间的差异，以及由智能体创建或修改的文件。因此，能否运行项目、审查更改、修复故障并安全地修改代码，决定了学习者究竟是在真正监督工具，还是仅仅接受工具生成的内容。