我的观点是:越是AI横行的时代,越要把基础打牢。理由如下:
AI是强大的工具,写代码、补 BUG、出文档方面的优势很明显,但也有其局限性,如架构设计、系统思维、业务理解、代码评审等方面。我认为,工程师拥有深厚的基础知识,才能更好地驾驭AI、批判性地审视AI,并在AI无能为力时挺身而出。AI时代,工程师的价值不再仅仅是“写代码”,而在于解决复杂问题的综合能力。扎实的基础知识为你提供解决这些问题的底层逻辑和批判性思维,而AI则是你强大的信息处理和外脑辅助。因此,不必拒绝AI,但更要打好基础。真正强大的程序员,将是那些能站在坚实基础之上,并善于驾驭AI力量的人。
这个AI时代,真正会被替代的是那些同质化的东西,一些算法、网络、操作系统、编译原理会成为基础知识被大家使用,就像积木一样,只不过AI时代的积木模块多了、复杂了,这正是人类大显身手的时候,很多业务逻辑是相当复杂的,一些固有的算法或者模型需要进行调整,基础知识就是了解积木的最小单位,只有这样才能进行算法、业务的拆解,才能组合更新的算法或者模型。
肯定有必要啊 就跟建房子一样,需要稳固的地基,数据结构与算法、操作系统、计算机网络等核心理论是支撑技术能力的底层逻辑。虽然AI工具能辅助生成代码、解答问题,但程序员如果没有扎实的基础来判断技术选型、优化性能、排查故障,很难掌控AI生成内容的可靠性。
不要靠AI能够解决一切,把AI当做提升效率的工具。
我个人觉得还是要打基础。程序员的核心竞争力,从来不是 “写代码的速度”,而是 “解决复杂问题、创造技术价值的能力”,而这种能力恰恰需要系统性的底层知识来支撑。
要是把程序员的工作比作 “开餐馆”,那大模型顶多是个 “手脚麻利的帮厨”—— 能快速切菜备料(写基础代码)、擦桌子洗碗(补简单 BUG),但你总不能把 “今天卖什么菜、怎么控成本、客人吃坏肚子咋解决” 全丢给帮厨吧?最后还是得老板全局把关。
说白了,大模型是 “提高效率的工具人”,不是 “替你干活的冤大头”。你得先懂 “为啥这么干”,才能指挥它 “干得对”—— 不然就像拿着顶级手术刀的新手,刀越快,捅错地方越疼。毕竟没人想当 “只会喊‘AI 帮我写’,出了问题只会‘啊这’” 的 “代码传声筒”,对吧?