能学，但值得学的东西变了：不是背语法和框架，而是把模糊需求变成可交付结果、并在撤掉 AI 后还能自己判断和迭代的能力。
AI根据立正公开的文章和视频整理，不是他本人回复。重要的判断，请回到出处核对。
计算机专业仍值得读，但价值从“会写代码”转向“会判断和交付”
AI 让第一版代码变得便宜，却没有填平从能跑的 demo 到被真实业务长期依赖的系统之间的鸿沟，项目的大部分复杂度往往在第一版出现、真实用户开始使用后才显形1。所以专业训练的意义不再是记住语法，而是练建模、拆解、验收、诊断和迭代这些 AI 替你完成的部分2。一个可检验的做法：拿到一个需求，先自己写下打算怎么做、觉得哪里会出错，再看 AI 的结果，错了才有得学3。
判断“学会了没有”，看撤掉 AI 之后还剩什么
做出来了只能说明当下做得好；真正学会是撤掉帮助、过一段时间、换一道题，你还会4。这正好解释为什么大一就大量依赖 AI 有争议：没有基础时，容易把“AI 做对了”当成“我也会了”5。不必因此拒绝 AI，配环境、调端口这类消耗意志力却不长智慧的“假困难”可以交给它，难要留给值不值得做、怎么拆、做得好不好3。
就业变难不等于专业没价值，标签要叠上 AI
AI推演有材料提到，即便是名校计算机毕业生，近期找工作也不轻松6。但同一段讨论给出的方向是：不要纠结身份和分工，更重要是找到自己擅长和喜欢的领域，再把 AI 用好，成为“会用 AI 的某类人”6。这条判断来自节目中的嘉宾发言，且该期字幕为未校对的自动识别，具体数字和措辞需以原视频核实。
关于就业市场的判断来自嘉宾发言且字幕未校对，不能当作已核实的行业结论；材料也未给出具体院校或岗位的录取数据。
出处
- 1Don't build: 看清demo和production之间的鸿沟
说明 demo 与 production 的鸿沟为何没被 AI 填平，适合理解专业训练仍要练什么。
- 2学AI的两大误区：找课本（只看不动手），抄作业（依赖tutorial）
解释为什么“懂概念、会解释”不等于能交付，以及 tutorial 为什么替你做掉了最关键的部分。
- 3假学习的终结
给出可操作的三步检验：先自己猜、撤掉帮助再做、换一道题，并区分真假困难。
- 4AI替你做出来以后，你还会什么？｜哥大客座课程回放
说明“学会的感觉”和“学会”常常相反，适合核对撤掉 AI 后的判断标准。
- 5AI真的没有门槛了？从美国中小学生如何用AI，看AI时代核心素质，和我们应该做什么
可回到原文核对这部分判断
- 6硅谷徐老师：AI时代职业何去何从？
提供就业变难与“标签叠 AI”这一视角，注意其为嘉宾观点且字幕未校对。
你也有想问的？
卡住的时候，问问立正：回答附有出处，可以点回原文核对。
也可以接着问：
别人还问了
- 没有工作经验，只有个人项目的初级程序员的出路在哪里？
初级程序员的出路不在海投简历，而在把个人项目做成能证明判断力的深度作品，同时用AI把交付流程走通。
- 现在转码还有意义吗？AI 时代如何转码？
转码的旧红利（毕业即多个大厂 offer）已经过去，但 AI 时代真正稀缺的不是会写代码，而是能用廉价代码换取认知确定性、把真实任务交给 AI 做完的人。
- 总觉得现在学习新东西，技术没有什么意义了，因为ai能比你做的快10倍，同时也觉得任何东西/poc都没有门槛，我能几天之内学习新的技术，并deliver。如果我能，我相信别人也能，那我的竞争力到底在哪里？ 学更广的知识还是干别的什么？
几天做出一个能跑的东西，只证明你当下交付得快，不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付，以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具，而是从“偶尔用一用”变成“让 AI 成为核心生产力”，并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练，不是当知识背：围绕真实任务动手，用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱？
立正认为AI时代赚钱的关键不是抓住某个风口，而是把认知和方法练出来：用经营者的视角看待工作，学会识别真正创造价值的事，并且相信赚钱的唯一方式是给别人创造价值。