“我刷了600道题，但接不住一个需求”

一个周末的下午，朋友把笔记本电脑推到我面前，屏幕上是一段不到一百行的脚本。“帮我看看，为什么它爬下来的数据全是乱的？”他盯着屏幕，表情像是被谁骗了时间。三个月前，他刚刷完热门题库，信心满满地准备转型。可第一次面对真实需求时，那些精妙的算法技巧、倒背如流的动态规划模板，像被格式化了似的，一点都没用上。这件事让我想起一个被反复讨论却始终没有共识的问题：对一个想把能力变成价值的人来说，学AI编程和刷题，到底哪条路更值得走。

很多人都经历过类似的过程。离职、跳槽、转行，在每一个需要证明技术能力的关口，刷题似乎都是那条最稳妥的路径。可现实是，你花费几个月刷出来的题库熟练度，很可能在做第一个项目时就撞上南墙。刷题教你怎么在已知边界内找最优解，而AI编程教你的是怎么在边界模糊的地方，自己造一把尺子。

先看一组刺眼的数据对比：一个中级前端岗位能收到大约600份简历，但其中能独立完成一个带后端接口的全栈项目的人，往往凑不齐一轮面试。另一个常见的现象是，很多人刷完300道算法题后，仍然无法回答面试官一个看似简单的问题：“这个功能你从前到后怎么实现？”

这中间差的不是代码行数，而是一种完全不同的能力结构。

刷题的本质是在一个已经被清晰定义的问题空间里，寻找已知的最优解。题目会告诉你输入是什么、输出是什么、边界条件是什么。你不需要判断需求真伪，不需要拆解业务逻辑，更不需要考虑这段代码在生产环境里会不会被骂。它锻炼的是局部优化能力，而AI编程锻炼的是端到端的交付能力。

但真实世界的需求从来不会这样递到你手上。真实的需求是：用户只想少点两下鼠标，你能不能把三个页面的流程压成一个智能表单？老板只关心库存周转能不能快两天，你能不能从零搭一套预测模型？这些场景里，没有人给你预设好输入输出，你得自己定义问题，然后再解决它。这种能力，刷题永远给不了你。

一个残酷的真相是，单纯靠手写函数的能力，天花板已经越来越低了。同样的功能，你用一天写出来，另一个人用AI编程辅助可能只要一小时。表面上看是效率差距，但更深层的是思维模式的代差。前者还在纠结二分查找的边界条件怎么写，后者已经在思考怎么把大模型、向量数据库和业务流串成一条完整的链路。

这并不是说算法不重要，而是说算法应该服务于系统构建，而不是反过来。把精力花在刷那些你一辈子可能都遇不到的偏题怪题上，远不如用这些时间上手搭一个真实可用的应用。

过去判断一个人会不会编程，看的是他能不能手写出没有语法错误的代码。但这个标准正在迅速过时。就像没人再用算盘去考核会计一样，当AI编程工具已经能将自然语言直接转成可运行代码时，衡量能力的标尺必然从“写代码”本身，前移到“描述清楚要做什么”和“把做出来的东西整合成系统”上。

一个很直观的对比：

这些数字不是理论推演，而是正在发生的日常。以前端领域为例，一个熟练使用AI编程的开发者，已经可以在一天之内交付一个带完整交互逻辑、响应式适配、甚至包含动效的企业官网，而同样的工作量放在两年前，至少需要三到五天。效率差距不是一倍两倍，而是呈指数级拉开。

更关键的是，这种效率优势会随着项目复杂度上升被进一步放大。简单的CRUD模块差距不大，但一旦涉及跨语言调用、复杂的数据清洗、或者需要快速理解一个陌生框架时，AI编程的优势就会变成碾压级的。

这是AI编程最迷人的地方。一个具备系统思维的开发者，加上AI编程工具的辅助，其产出已经不亚于过去一个小型团队。他能从需求分析直接跳到原型验证，能在一天之内切换三种技术栈去测试哪种方案更优，能同时推进前后端开发而不用在沟通协调上消耗精力。

这种“个人即团队”的能力，在当下这个追求敏捷验证、快速迭代的环境里，几乎就是最核心的竞争力。企业招人的逻辑也在悄悄改变：与其招三个只会单一模块的执行者，不如招一个能用AI编程打通全流程的人。即便从最务实的安全感角度出发，一个能独立交付完整产品的人，在任何市场周期里都更不容易被替代。

如果只是从效率层面讨论，很多人可能会想：那我先刷题进大厂，进去再学AI编程行不行？这个想法的风险在于，它假设了能力可以按线性顺序慢慢叠加，但外部环境的变化速度已经不允许这种从容了。

过去两年，技术面试的考察重点正在发生肉眼可见的位移。越来越多企业在技术面环节加入“实操环节”：给一个模糊的业务场景，要求候选人在限定时间内从搭建环境到产出可演示的原型。这种考察方式天然利好那些习惯AI编程、熟悉全栈思维的候选人，而对只会手写快排的刷题型选手极不友好。

一位资深后端面试官私下说过一句很直白的话：“我们现在更怕遇到‘刷题满分、项目零经验’的人。因为这意味着我还要花半年时间教他怎么把代码变成能用的东西。”说到底，企业要的是解决问题的人，不是解题的人。

有一个很形象的比喻：刷题像是在反复打磨一把锋利的刀，而AI编程是在造一台多功能机床。刀再快，也只能切割；机床却可以钻孔、打磨、塑形。当行业对人才的需求从“能切一刀”变成“能把一整块原料加工成成品”时，手里拿的是刀还是机床，决定了你的职业天花板有多高。

更务实的一点是，AI编程能力具有很强的复利效应。你今天搭的项目、整合的组件、解决的坑，都会沉淀成明天可以复用的资产。而刷题能力呢？三个月不碰，就会生疏到需要重新热身。两者的积累方式完全不同，一个在滚雪球，一个在推石头上山。

坦白说，刷题和AI编程并不是非黑即白的对立关系。但如果把有限的精力当作一笔投资，这笔钱投在哪儿回报更高，答案已经非常清楚了。刷题提升的是你的应试水位，而AI编程提升的是你的价值水位。

很多人迟迟不碰AI编程，是因为心理门槛太高，总觉得要先学懂原理才能动手。但其实最好的学习方式就是直接跳进去。给自己定一个小到不可能失败的目标：用AI编程做一个自动整理桌面文件的脚本，或者搭一个能自动回复邮件的服务。这些项目不需要什么高深的理论，但它们能让你迅速建立起“我能用AI做成事”的信心。

一旦跑通第一个项目，你就会发现一扇新世界的大门。原来那些曾经卡住你的技术细节，用AI编程往往几秒钟就能解决。原来你以为需要学三个月的框架，其实借助AI辅助可以边用边学。这种正向反馈会推着你不断往前走，远远比刷题那种枯燥的“挑战-挫败-再挑战”循环来得更有动力。

真正的护城河，不在于你会多少种排序算法，而在于你能多快把一个想法变成可用的产品。AI编程给了你这种能力：早上灵光一现的点子，中午就能跑通原型，晚上就能拿给用户测试。这种快速闭环的能力，在未来的职场中只会越来越值钱。

更长远地看，当越来越多的人都能借助AI写代码时，纯粹的“代码实现”环节会逐渐变得无差别化。到那时候，真正的稀缺资源就是那些能定义问题、设计系统、整合资源的人。而AI编程，正是通往这条路的入口。

我经常想起朋友那天下午的表情——不是愤怒，而是一种被时代悄悄绕过去的茫然。他刷的那六百道题，每一道都对了，但合在一起却没能帮他解决一个真实的请求。这大概就是问题的核心所在：你花了大量时间去准备一场考试，但世界早就换了考题。说实话，我也没想到变化来得这么快。但眼下最聪明的做法，可能就是承认这个事实，然后把时间花在那件更值得的事情上。