AI辅助开发中,review的重点从逐行敲代码转向验证结果和意图是否匹配;能省的是打字和重复操作,不能省的是判断与验证。新程序员应先补环境与部署的基本功,再练怎么问、怎么看结果。
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。
review看的是结果与意图是否对得上,不是逐行读代码
石扬说,AI coding agent一次能生成极长的产出,过去没有这样的review挑战,关键变成“怎么快速找到是哪犯错了”,并主张review远比typing更重要1。他描述的方向是把大段产出做总结——这段大概干了什么、可能出了什么错,再让人快速跳到出错处1。在同一段对话里,立正转述Cursor的理念是“不要去review代码,而是要去验证结果”,并要有足够好的状态信息帮助验证;这是立正在转述,不是他本人的独立主张2。Ryo Lu则说,agent可以在沙盒里跑代码、点前端、写测试,验证原来的intent和input/output能不能对上,做完再给用户发截图或说明改了什么2。综合看:review的对象是意图、结果和证据,读diff只是其中一种手段。
能省的是打字和琐碎操作,不能省的是判断
石扬把AI coding工具要做的事归为三件:更好地和AI沟通、更好地review产出、给AI更多工具和context3。他用小程序作比:小程序重review而不重操作,未来AI coding里的plugin可能只需点一两下看一眼3。这支持“省操作、留review”的方向,但这是他作为产品负责人对工具形态的判断,不等于说review本身可以省。他还说,做serious APP时人的比重会很高,vibe coder和professional coder现阶段没法融合3。换句话说,越接近真实应用,人的判断越难外包。
新程序员:先补环境和部署,再练问与看
AI推演立正在自己的分享里把新手卡点分成几类:脑子懂了手不会、玩具项目到真实应用、被动接收后不会自己判断取舍、本机跑起来到部署交付4。他给的起步动作很具体:把Cursor、Claude Code、Codex下载下来,想用ChatGPT时就打开它们;用文件夹管理任务;让AI教自己注册GitHub、上传代码;再用Vercel之类部署出去给别人用4。他还说绝大多数问题出在runtime这一层,所以“动动词比名词重要”——跑起来才会遇到真问题4。在另一篇署名文章里,他观察到很多同学不是不会prompt,而是不熟悉编程环境和上线环境,比如没打开过terminal、不清楚IDE各窗口的关系、不会用Git5。据此,新程序员的review练习可以先从“我让它做什么、它实际做了什么、我怎么验证”三件事开始,而不是一上来追求读懂每一行。这是AI基于上述材料的应用建议。
石扬关于review方向和工具形态的说法来自产品视角的访谈,不是经过验证的工程规范;立正转述的Cursor理念也未经Ryo Lu本人逐句确认。材料没有给出具体的review清单或检查项。
出处
- 1AI编程下一站,会自动化哪些白领工作?|Trae产品负责人石扬访谈_上
石扬谈AI产出过长后review的挑战,以及review比typing更重要。
- 2设计师前途很清晰:少用Figma,多“操作”代码|Cursor设计负责人Ryo Lu
Ryo Lu讲agent如何跑代码、写测试、验证intent与输出是否匹配;含立正对Cursor理念的转述。
- 3AI编程下一站,会自动化哪些白领工作?|Trae产品负责人石扬访谈_上
可回到原文核对这部分判断
- 4从焦虑到上手: 白领/投资者的AI实战第一课【串台课代表立正】
立正列新手四个卡点,并给出下载工具、用GitHub、部署上线的具体起步动作。
- 5个人网页,数字资产,AI编程的最后一公里
立正观察新手卡在环境和上线流程,而非prompt本身。
追问2026年11月6日
AI时代下编程能力和编程只是还重要吗
语法和算法这类“编程知识”在贬值,但编程能力没有:会用AI的人仍需要环境亲和力、把需求说清楚、把问题拆开。
贬值的是语法,不是编程能力
立正把编程门槛分成两层。旧门槛是语义和语法,比如Python、C++怎么写;他明确说“语法是不重要的”,因为AI能搞定这部分1,2。但另一层没有消失:看到命令行不害怕、看到报错不慌张、能把脑子里的想法清晰描述出来。他把这称为环境亲和力和逻辑描述力,并说这两样在AI时代仍然重要1。所以问题不是“要不要学编程”,而是学哪一部分。
没有编程基础,AI确实更难用好
立正观察到一个矛盾现象:不需要编程基础也能用自然语言跟AI对话,但有编程基础的人用AI用得好,没有的人确实用不好1。他署名的一篇社区文章给了具体解释:很多同学不是不会写prompt,而是不熟悉编程环境和上线环境——没打开过terminal,不清楚IDE里那些窗口是什么关系,不知道怎么用Git和部署服务3。这和他说的“真正的编程基础”是同一件事:不是背语法,而是对工具环境有基本掌控感。
对个人学习的含义
AI推演按这个区分,学习重点可以放在三件事上:敢在命令行里操作、遇到报错把它当线索而不是终点、把需求拆成AI能执行的步骤1。立正说这类门槛“一晚上就可以学会”,并给出退款承诺;这是他对自己课程的说法,不是对所有人学习速度的保证4。一个可观察的检验方式:找一件自己真实想解决的小事,从描述需求到跑通报错,全程不用聊天框而用编程代理工具完成;卡在哪一步,就说明该补哪块基础3,5。这是AI基于上述材料给出的应用建议。
材料主要来自立正本人的课程宣传语境,他对“一晚上学会”的承诺带有销售性质;Terry对LeetCode训练价值的看法属于另一位嘉宾的判断,本次未展开,不能当作立正立场。
出处
- 1AI时代,“精英阶层”正在如何重构教育?
最直接区分旧编程门槛(语法)与新基础(环境亲和力、逻辑描述力)。
- 22026年,要抓紧把贬值的”技能“转换为升值的“资产”
明确说旧编程基础课教的语法算法在AI时代不重要。
- 3个人网页,数字资产,AI编程的最后一公里
用具体案例说明非技术岗卡在环境与部署,而非prompt。
- 4118. 从「象牙塔」到「真本事」,AI时代如何打造个人价值|课代表立正
可回到原文核对这部分判断
- 52026年,普通人想跟上AI时代,这件事必须要做
说明用agents的人与只用聊天框的人的差距,以及该学什么。
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
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。