这学期开学，不少计算机专业学生发现，老师在第一堂课上不再说"不许用 AI"，而是直接把 Cursor、Claude Code 这类编程助手摆到了台面上：可以查、可以生成、可以改 bug，但考核方式悄悄换了——期末不再是交一份能跑的代码，而是被叫到白板前，当着老师的面把这段逻辑推演一遍。
这件事的底层逻辑很直接：当"写出能跑的代码"这件事被模型几秒解决，学校再用"代码跑没跑通"来打分，等于在考一个已经不存在的能力。与其堵代写，不如把考察点往后挪——你到底懂不懂为什么这么写。白板推演考的是拆解问题的能力，而这恰恰是当前模型最不擅长替人完成的部分。
对一线老师来说，这其实是把"教"和"练"重新切了一遍。以前课堂时间花在讲语法、纠低级错误上，现在这些交给 AI，老师把精力挪到架构设计和边界讨论。做自媒体的小李前两天的吐槽很典型：他旁听了一节数据结构课，老师用 AI 现场生成三种解法，然后让学生挑"哪种在十万条数据下会先爆栈"——这种课，光看模型给的答案反而学不会。
落到三类人身上影响不一样。对学生，最直观的变化是"抄答案"变难了，但"带着 AI 一起学"的效率确实高了，尤其是卡在某个报错里两小时、现在几分钟能定位的时候。对老师，备课重心从出题转向设计"AI 答得出、但人得想清楚"的问题。对企业雇主，未来校招可能更看重面试里的实时推演，而不是 GitHub 上那串越来越难辨真假的提交记录。
如果你是正在学编程的人，现在就该养成一个习惯：每次让 AI 帮你写完，合上编辑器，自己把"它为什么这么写、换种输入会怎样"在纸上讲一遍。把模型当陪练而不是枪手，这半年差距会越拉越大。至于老师那边，白板推演别慌，它考的不是背，是你真动手改过 bug 之后自然长出来的直觉。
更深层的变化其实在就业端。往年校招，一份 GitHub 仓库就是能力证明；现在招聘方也学乖了，面试当场给一道需求，让你在共享编辑器里一边想一边写，AI 可以开，但你被追问"第三行那个递归为什么不会栈溢出"时必须答得上来。说白了，AI 没有拉低门槛，而是把门槛从"会不会写"移到了"懂不懂"。这对肯下功夫的人是好事——过去靠背八股混过的，现在混不过去了；真正理解的人，反而借 AI 把练习量翻了几倍。