过去，一个刚入行的程序员会从小任务做起：改接口、修超时、写数据库迁移。代码被打回，测试漏掉边界条件，上线时才发现回滚脚本没有验证。一次次返工，逐渐让他知道什么只是写法问题，什么可能让系统停摆。
现在，AI 几分钟就能给出代码、测试和迁移清单，甚至主动提醒备份、分批执行、观察锁等待。过去靠工作年限积累的文档、案例和常见套路，正在迅速变得廉价。
更深的冲击发生在经验的生成过程。当 AI 接管初级任务，新人也可能失去练习和犯错的机会。他可以更快交付一个像专家做出的结果，却没有经历成为专家所需要的反馈。
AI 可以告诉他数据库迁移有哪些风险，却不能替他在请求开始堆积时决定继续还是回滚，也不能替他承担决定的后果。正是这些现场反馈，让人知道哪些只是建议，哪些一步都不能省。
所以，AI 时代的学习不能只追求少犯错，还要保留可控的犯错机会。让 AI 提醒和复盘，但不要把第一次尝试、现场判断和最终责任全部交给它。
AI 让“见过”变得便宜，也让“做过、错过、负责过”变得更贵。
