如何为编程的未来做好准备

Source: Dev.to

你并不孤单。作为一名作者，我也在慌乱中。为什么要阅读这篇文章，而不是直接向你喜欢的 LLM 提出同样的问题，让它进行一场随你需求而调节的、可以宽泛也可以技术化、可以长篇大论也可以简短、可以轻松也可以严肃的讨论呢？这个想法困扰了我好几天，这篇文章也一直是空白文档。唯一拯救我的，是记起了我最初为何要做这个系列。

我想为学习者创建一个资源，让他们在全新的 AI 世界中更好地理解编程。我阐述了为什么仍然值得学习编程的理由，探讨了初学者程序员的心理学，并讨论了是否应该使用 AI 学习编程。那么，现在该怎么办？

我们知道编程会改变——编程已经改变。但到底是怎样的改变？改变的幅度有多大？哪些知识可以确定会保持为基础？我们应该学习什么来为未来的世界做好准备？

答案因人而异。你的净资产是否与 AI 热潮正相关？你的工作是否过于复杂、社交或重要，以至于 AI 难以介入？你对风险的态度如何？你对变化的感受如何？你对未来需求的信念是什么？

这些问题没有人能替你回答。不是我、不是科技 CEO、不是你妈妈，当然也不是聊天机器人。我们生活在一个平台和教育机构急于回答“我能学什么？”的世界（顺便提醒一下，去查看我们的免费课程目录），但真正能给出“我应该学什么？”、“你能真正给出理由吗？”以及“你能保证它在未来仍然有用吗？”这类问题的资源寥寥无几。

我不能保证你学到的任何东西在未来几年仍然有用，但我确信学习本身会有用。关于这个话题，下面给出几条简短的建议，帮助你为编程的未来做好准备。

了解你的教育体系的缺陷

你所在的机构是否庞大且适应缓慢？AI 的使用是否在课堂上被公开讨论，还是被禁止？你是否在自行学习且进度自定，却缺乏同行或导师网络？你的教育是提供该领域的宽泛概览（学士学位），还是引导你走向专业化和特定工作（训练营/实习）？

两种方式各有价值，只是适用的时间线不同。宽泛的概览可以在行业变动时为你提供更多选择，而专业化则能在短期内帮助你。无论哪种方式，都要在自己的薄弱环节上进行补偿，这样才不会出现“资历过高却就业不足”或“唯一技能被淘汰而失业”的尴尬局面。

📚 练习： 用 10–20 分钟的时间，从宏观角度反思你的教育经历。思考它的优势以及可能留下的空白。下面提供了一些填补这些空白的建议，你也可以自行头脑风暴。

如何拓宽你的知识面

如果你已经拥有实用技能，却担心它们的保质期，现在是培养对更广阔领域好奇心的好时机。这与学习具体技能不同，因为评估进步的方式不那么明显。留意不同领域的想法相互碰撞的瞬间——那是你在扩展通识并看到全局的信号。

拓宽知识面的实用方法

• 🧑‍🎓 选修其他领域的短课程。 我们的知识地图可以帮助你可视化可能感兴趣的主题，甚至可以考虑完全脱离计算机科学。把技术专长带进写作课程，可能会写出精彩的科幻作品，或进行有趣的应用哲学练习。
• 🧰 参与需要宽泛技能但不要求专业水平的项目。 开发一个搞笑的应用，需要一点前端、一点后端、API 工作，甚至一点平面设计。它可能丑陋且低效——关键是你完成了。如果动力不足，找一个技能互补的伙伴，互换角色。
• 👯 注重沟通与批判性思维。 即使你自认“技术型”，这些软技能在不确定的未来中同样关键，因为纯技术岗位往往最容易被自动化。

如何深化你的知识

就我个人而言，我很难专精。我的兴趣总在跳来跳去，几乎没有长时间坚持以至于达到精通。这曾让我焦虑——如果我不能专注于一件事，我怎么能做好工作？我后来明白，专精的压力更多是为了“可辨识性”，而非能力本身。我们喜欢容易归类的人。实际上，精通一项技能会让学习其他技能变得更容易。

深度是让你具备适应性的关键。表层知识很快会过时。理解底层原理——系统到底是如何运作的，而不仅仅是如何使用——能够让你把已有的知识迁移到新工具和框架上。当行业格局变化时，你不必从零开始。