停止让 AI 为你写代码。让它像对5岁孩子解释一样解释。

Source: Dev.to

Introduction

我每天都在使用 AI 工具——大多数人也是如此。把 AI 当作拐杖和把它当作大脑的火箭助推器之间有着巨大的差别。

一开始，当我在一个难概念上卡住时，我会把问题粘贴到 ChatGPT 并请求答案。它给了我可运行的代码，我感觉自己高效了几分钟。

但随后我意识到一件可怕的事：如果 AI 明天消失，我根本不知道该如何自己解决问题。我把自己的理解外包了。

The Feynman Technique Meets AI

费曼技巧（Feynman Technique）以物理学家理查德·费曼命名，原则很简单：在你能够用初学者（或五岁儿童）能懂的方式解释清楚之前，你并没有真正理解一个复杂的主题。

AI 在生成复杂技术文档方面非常擅长，但它在生成极其简单的类比方面更是得心应手。于是我不再让 AI 为我完成工作，而是把它当作世界上最有耐心的导师来使用。

The “Aha!” Moment: Python Lists and Zippers

最近我在看一些涉及列表推导式和 zip 函数的 Python 代码：

def mulTable(n):
    return [n * i for i in range(1, 11)]

l1 = mulTable(3)  # [3, 6, 9, ...]
l2 = mulTable(6)  # [6, 12, 18, ...]

# The confusing part:
s = [x + y for (x, y) in zip(l1, l2)]

标准的文档搜索会把最后一行解释为：“列表推导式遍历 zip 对象生成的元组，根据对应的索引聚合元素。”这虽然准确，却不容易在脑海中留下印象。

于是我改了提示，问 AI：“像我五岁一样解释这段代码。” 解释彻底改变了我对数据的可视化方式。

The ELI5 Explanation

AI 没有说“遍历元组”，而是讲了一个关于篮子和拉链的故事：

• 想象 l1 和 l2 是装满编号球的两个长篮子。
• zip 命令就像夹克的拉链。它把两个篮子并排拉在一起。
• 它取出篮子 A 的第一个球和篮子 B 的第一个球并把它们压在一起（相加）。
• 然后向下移动，拉上下一对，直到得到一个全新的篮子。

突然间代码不再抽象——它变得可视化了。我能够“看到”拉链把两个列表拉在一起的过程。

How to Make This Work for You

在学习新框架、语言或算法时，不要只问“怎么做”。要请求一个类比。

Prompt Ideas

• “用关于集装箱运输的类比解释 Docker 与 Kubernetes 的区别。”
• “像幼儿园小朋友堆积木一样解释递归。”
• “不要给我代码。给我一个真实世界的例子，说明为什么我会使用链表而不是数组。”

AI 不会取代真正理解自己手艺的开发者。能够利用 AI 加深理解的开发者将取代那些只会复制粘贴的人。

如果使用得当，AI 可以成为你最好的导师，教会你任何东西——前提是使用了正确的提示！