一项由Anthropic等机构开展的严谨实验揭示：在学习新编程库时使用AI辅助，虽未显著提升效率，却导致调试能力下降17%、概念理解明显弱化。这项研究直击AI时代技能培养的关键矛盾——效率与能力能否兼得。
智能速览
实验显示AI辅助组测试分数平均降低4.15分（降幅17%），效应量达中等偏强（Cohen’s d=0.738）
调试能力受损最严重，恰是人类监督AI生成代码最核心的能力
AI交互本身耗时显著，部分参与者单次查询耗时超6分钟，总交互时间超10分钟
遭遇并独立解决错误的次数，对照组（3次）是AI组（1次）的三倍，且错误更聚焦Trio核心概念
六种AI使用模式中，'概念性探究型’和’生成后理解型’测试得分最高（≥65%），而’AI委托型’最低
直接粘贴AI代码最快，但手动复制与对照组耗时相近，且两类AI使用者技能形成无显著差异
精华内容
当AI能快速生成代码，人却不再追问‘为什么这样写’，技能形成的根基正在悄然松动。这项研究不否定AI价值，而是划出一条认知参与的底线。
技能税实证
在35分钟Trio库学习任务中，AI辅助组平均测试得分12.85分，对照组为17.00分，差距4.15分（p=0.010）。该结果覆盖调试、代码阅读、概念理解三大维度，其中调试题失分最多——AI组平均仅得1.2分（满分4），比对照组低1.8分。这并非偶然波动，而是统计显著的系统性折损，相当于从合格线附近滑落至基础薄弱区间。
效率幻象
AI组平均完成时间32.4分钟，对照组33.9分钟，差异1.5分钟未达统计显著水平（p=0.23）。深入屏幕录像分析发现，11名AI组参与者单次AI查询耗时超3分钟，4人总AI交互时间超8分钟。一名参与者为澄清await语义反复重写提示6次，耗时5分42秒——所谓效率提升，实为将编码时间置换为提示工程时间。
错误即教材
对照组平均遭遇3.2个运行时错误，其中2.1个直接关联Trio核心机制（如RuntimeWarning: trio was not installed）；AI组仅遭遇1.1个错误，且92%为语法或拼写类低阶问题。这些被AI屏蔽的异步调度错误、结构化并发陷阱，恰恰是理解Trio设计哲学的关键入口。实验数据证实：每多解决1个Trio相关错误，概念理解得分提升0.87分。
六种用法，两种结局
AI委托型（4人）全程交由AI编码，平均得分31%，最快完成但零调试尝试；迭代式AI调试型（4人）频繁让AI修正错误，得分44%，仍依赖外部判断。反观概念性探究型（7人），仅提问‘Trio的nursery与asyncio的event loop本质区别是什么’，虽平均耗时36.2分钟，但得分达72%。关键差异在于：高分者把AI当作白板讨论伙伴，而非自动答题机。
粘贴无益理解
直接粘贴AI代码的9人组平均用时28.3分钟，手动复制的9人组为33.7分钟，与对照组（33.9分钟）几乎一致。但两组测试得分分别为13.1和12.9分，无统计差异（p=0.87）。这说明机械复述代码不增加认知负荷，真正驱动理解的是对生成逻辑的主动追问——手动输入只是表象，思维参与才是内核。
这项研究的价值不在否定AI，而在厘清人机协作的临界点：当AI替代了‘试错—归因—重构’的认知闭环，技能成长便失去土壤。未来开发者需在任务中预设‘无AI时段’，组织应在OKR中单列技能成长指标。技术演进永不停歇，但专业能力的深度，始终取决于人愿意在多大程度上与不确定性共处。
