课程设计截止前一晚，宿舍灯还亮着。电脑屏幕上的网页登录功能一直报错，电脑前，一名同组的同学先翻教程，又在群里请教他人。最后，他只能把报错信息发给人工智能(AI)。几分钟后，页面跳转成功。大家都松了一口气，但他却盯着屏幕说：“程序跑是跑起来了，但我不知道AI改了哪里。”

　　这一场景让身为计算机相关专业学生的我印象深刻，因为它说出了我们正在经历的尴尬——AI能帮我们更快地写完代码，却未必能让我们真正理解代码。我自己也会用AI查报错、理思路、看示例，它确实有用，但越是有用，越容易让人跳过编程学习中最慢、最笨也最关键的部分。

　　如果一门编程课最后只看程序能不能运行，问题随之而来——这个分数到底是在评价学生的能力，还是在评价AI生成结果的完成度？过去，如果代码写不出来，知识的薄弱处便暴露得很明显；而现在，一份AI辅助完成的作业可能格式规范、注释完整，甚至比学生本人写的代码更“像样”。但表面质量的提高却遮掩了真实理解能力的不足。学生可能连“我其实没懂”这件事都没来得及意识到，就把作业交了上去。

　　编程课训练的从来不只是语法能力，还有把模糊问题拆成清晰结构的能力。一个管理系统为什么要分表？为什么要做输入校验？函数为什么这样封装？异常情况如何处理？这些问题如果答不上来，即使代码能够运行，也只是一份完成了的作业，而不是长在学生身上的能力。

　　这影响的不只是一门课。如果编程课中的理解被“完成度”掩盖，后续的数据结构、数据库等课程都可能建立在一种并不牢固的能力假象上。彼时，学生缺的不是某个知识点，而是面对问题独立拆解、验证和修改的能力。

　　所以，AI写代码之后，编程课不应只问“这段程序能不能跑”，还要问学生“能不能说明它为什么这样跑”。想象一节课上，老师不再只是收走代码，而是随机点开一份作业，请学生讲清某个函数的作用；临时改一个需求，看他能否调整结构；给出一段AI生成的错误代码，让他判断问题出在哪里……这样的考核也许不如统一提交作业方便，却更能锻炼学生的真实能力。

　　学生依旧可以提交设计说明、调试记录和AI使用标注，但这些材料本身也可能由AI生成。因此，问题的关键不是多交几份文件，而是让学生在课堂追问、现场修改和口头解释中重新面对自己的代码。那一刻，代码不再只是屏幕上的结果，而变成了学生必须说清楚、改得动、担得起的东西。

　　AI会写代码并不意味着大学生不必学编程。恰恰相反，它提醒我们，编程教育不能再满足于培养“能交作业的人”，而是要培养知道该让AI写什么、知道AI哪里可能写错，也知道自己为什么这样写的人。

　　我后来常想，如果那个晚上，老师就站在我们身后，指着那段被AI改好的代码问一句“它到底改了哪儿”，也许那个跑通的页面才会真正变成一堂编程课。

　　作者：赵星皓 来源： 中国科学报

　　(作者单位：中央民族大学海南国际学院)