一句话看懂：Hacker News 上的一篇讨论引发了对 AI 导致人类技能退化的广泛忧虑。早期实验已表明，使用 AI 辅助的软件工程师在后续知识测试中的得分显著低于未使用 AI 的同行，这一现象引发了对依赖 AI 可能削弱基础能力、甚至抑制创新的深层担忧。
事件核心：发生了什么
这篇讨论围绕一个核心实验展开：软件工程师被要求完成一项编程任务，其中一组使用了 AI 助手，另一组则没有。任务结束后的测验显示，AI 组的平均得分仅为 50%，而非 AI 组则达到了 67%。尽管部分评论者认为这类基础任务本身不值得记忆，但数据结果支撑了“AI 在解决问题时，使用者并未同步加深理解”的观点。此外，讨论中还提到，GLM 5.2 在编码能力上被部分用户认为与 5 月底发布的 Opus 4.8 相当，而两模型的发布时间仅差约三周，表明模型迭代正在加速，用户快速切换工具也可能导致技能集中度下降。
为什么重要
这件事的重要性不在于 AI 是否存在“上限”，而在于人类依赖 AI 后可能出现的技能空心化。讨论中一个被反复提及的观点是：真正的威胁不是 AI 一夜之间取代人类，而是 AI 维持在现有水平，人类却因过度外包思考过程而让自身技能逐步萎缩，进而导致创新能力停滞。 AI 目前能高效执行大量重复性任务（如生成样板化的产品文案、FAQ 或基础代码），但尚未展现出真正的创新能力。如果开发者、写作者等群体长期放弃在此类基础工作上的思考与练习，整个行业的知识结构可能会逐渐变薄。
对用户/开发者/创作者的影响
对开发者：过度依赖 AI 完成常规编码任务，可能会削弱调试、理解底层逻辑和举一反三的能力。正如有评论者指出的，AI 是一层“不泄漏细节的抽象”，但一旦这层抽象遇到边缘情况，缺乏基础技能的人可能完全无法修复或改进。对创作者：AI 生成文本的易得性正在使“写得好”与“写得像人”之间的界限模糊化，长期使用 AI 书写博文、文案的人可能丧失对语言风格和情感的把控力，且产出内容高度同质化。对普通用户：类比 GPS 导致人们方向感下降，AI 正在重塑一种“认知外包”：用户省去了思考步骤，但同时也丧失了学习过程中的试错与内化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，技能评估工具是否会兴起。 随着 AI 辅助成为常态，开发者社区或企业招聘中可能会涌现更多用于测试“脱离 AI 后独立解决问题的能力”的测验或认证。第二，模型易用性与技能退化之间的权衡是否会被拿上台面讨论。 目前没有机构明确定义“合理的 AI 使用边界”，但这一场讨论可能推动相关行业准则的出现。第三，开源与闭源模型在编码比拼中的迭代速度是否会加剧用户焦虑。 例如 GLM 5.2 与 Opus 4.8 的快速对位，意味着开发者须不断适应新工具，而高频率切换本身就可能削弱对特定工具链或编程范式的深度沉浸。
来源：hackernews
