先说一个真实发生的事。
一位实习生，会用 FastAPI 写接口、会用 Linux、会写前端——放在三年前，这已经是一份很能打的简历。最近他让 AI 帮他写一个任务调度服务，结果把服务器连续干崩了：
- 新旧两个守护进程同时在跑，都在画图、都不清理本地图片，图片量翻倍，单张体积还比以前大好几倍；
- 磁盘被写满，服务连日志和临时文件都写不进去，直接崩溃；
- 一个“检查数据是否缺失”的守卫，在某个提交里从“检查某一列”悄悄改成了“检查整行”——语义变了，永远判断不成立，缺数据的任务每 60 秒被重试一次，空转队列只增不减；
- 换服务器也没用：配置文件跟着代码一起部署了过去，坏代码在新机器上又跑了一整天，再次写满磁盘。
他“会”的每一项——FastAPI、Linux、前端——都没能帮他提前发现这三个问题。最后是一位资深工程师，花了三十分钟定位根因、停掉服务止损，第二天重写。
这个故事不是为了嘲笑谁，它想说的是：AI 时代，计算机专业的学习逻辑已经彻底变了。 这篇文章想给正在读大学的你讲四件事：先分清该学什么，再学会怎么用 AI，然后把大学四年花在刀刃上，最后知道求职到底在考什么。
一、先分清三样东西：基础、工具、AI
很多人的学习焦虑，来自“什么都想学，什么都不敢落下”。要破解它，先给计算机领域的所有知识分个层：
| 层级 | 包含什么 | 特点 |
|---|---|---|
| 基础 | 数据结构与算法、操作系统、计算机网络、数据库原理、分布式与一致性 | 十年不变，决定你能走多远 |
| 工具 | Kafka、Redis、OSS、Docker、Linux、各种框架和中间件 | 更新快，用了就懂、不用就忘 |
| AI 能力 | 会用 AI 编程工具，能把 AI 用在真实问题里 | 新出现的溢价项，是放大器 |
判断一样东西值不值得深学，只需要一个问题：十年之后，它还重要吗？ 算法、操作系统、网络、数据库原理——十年后依然重要，它们是你理解一切上层技术的地基。而 Kafka、Redis 这些具体工具，十年后大概率被更好的东西取代；但它们背后的思想——消息队列、缓存、一致性——会以另一种形式继续存在，而那些思想，恰恰来自基础层。
Peter Norvig 在经典文章《Teach Yourself Programming in Ten Years》里说得很清楚：想在任何一个领域成为专家，大约需要十年，关键不是“21 天学会 X”，而是刻意练习——训练内容刚好超出当前水平、练习后分析表现、修正错误、再重复。他还特别强调：最好的学习方式是亲手构建，以及和比你强的人一起工作、读别人的代码、学多种语言。
一句话总结这层关系：基础是根，工具是枝叶，AI 是肥料。 肥料能让树长得快，但树能长多高，取决于根扎得多深。
二、AI 时代怎么学：让 AI 当老师，别让它当替身
AI 很强，这是事实。但恰恰因为 AI 强，“怎么用它”成了新的分水岭。
第一，AI 负责生成，不负责正确。 它输出的永远是“看起来合理的第一稿”，幻觉和埋雷是常态。没有基础，你分不清它对错；更危险的是，错误代码跑起来，比不写代码危害大得多。AI 时代新增的核心技能是“验证”，而验证的前提是理解——你无法验证你不懂的东西。
第二，AI 淘汰的是记忆，放大的是判断。 语法、API 用法这类记忆型知识，AI 比你强一万倍，别再花时间背。但“怎么拆问题、怎么选方案、怎么权衡取舍”这类判断型知识，AI 给不了你，只能靠基础一步步建立。回到开头的实习生：那三个 bug，没有一个是“AI 写不出代码”导致的，全部是判断力缺位导致的。AI 不会替你想“磁盘会满”“重试要有限度”“新旧进程不能同时跑”——这些恰恰是基础与工程素养，也是工具教不会你的东西。
第三，给 AI 立三条使用红线（每一条都来自真实事故）：
- AI 生成的代码 = 第一稿，不是成品。 进生产之前必须过 review、过测试、你能逐行解释。解释不了的代码不许合并——包括 AI 写的。
- 先判断，再问 AI。 先写下自己的方案，再让 AI 扮演最苛刻的 reviewer 来攻击它；先画出模块边界，再看 AI 会怎么拆；先预测故障点，再运行测试。没有“先答题”，所谓对答案，往往只是被答案说服。
- 核心能力不许外包。 关键算法自己手写一遍、系统设计自己画一遍、bug 复盘自己归因。AI 每天省下的时间，拿去读源码、做设计，是把产能换成判断力；全拿去刷更多 AI 产出，你的理解力就在悄悄折旧。
用对了，AI 是大学里最好的老师：让它解释概念、审查你的代码、生成测试用例、陪你 debug。但请记住一句话：会用 AI 的人很多，能对 AI 输出负责的人很少——稀缺的永远是后者。
（关于 AI 代码如何腐蚀系统架构的更系统讨论，可以看本站的《每个 PR 都合理，系统却在悄悄腐化：AI 时代的认知债》。）
三、大学四年怎么过：把时间花在刀刃上
现在把上面三样东西落到时间线上。原则只有一条：大一到大三积累“可验证的能力”，大四把它变成“可验证的履历”。
大一：打地基，别急着追新
- 数学（高数、线代、离散数学、概率论）——它是算法的土壤，别逃课；
- 一门语言打透（C 或 Python 都行），再接触一门强类型语言；
- 数据结构与算法，从大一开始刷题（洛谷、AcWing、力扣都行）——刷题是少数“刷了就有复利”的事；
- 尽快学会 Git、GitHub、命令行——它们是你的第二双手。
大二：啃硬骨头
- 操作系统、计算机网络、数据库原理——这三门课决定你面试的下限，值得反复读、配合实验和项目吃透；
- 开始写博客，参与开源，哪怕只是给别人的项目提 issue、修文档；
- 加入一个竞赛或项目团队，学着和陌生人协作、分工、Review 别人的代码。
大三：做项目 + 实习（最容易被低估的分水岭）
- 做一个自己负责到底、能上线、经得起深挖的项目。判断标准不是“用了多少技术”，而是三个问题：它上线了吗？有人用吗？你能讲清每一个设计决策吗？
- 实习几乎是现在校招的必需品，大量岗位走“实习转正”路径。“上线过、有人用”的经历，远胜“我学过”。
大四：冲刺校招
- 算法刷题保持手感，补系统设计入门（这是越来越常见的新考题）；
- 把项目、实习按“背景—动作—结果”整理成能讲 30 分钟的故事，讲给同学听、讲给镜子听；
- 秋招是马拉松不是百米冲刺，被拒是常态，心态别崩。
贯穿四年的四件事：
- 英语——一手资料大多是英文，这也是你的竞争力；
- 写作——把学到的东西讲出来，费曼学习法，教是最好的学；
- 身体——编程是体力活，别透支；
- 时间——刘未鹏在《暗时间》里讲：真正拉开差距的，是那些被浪费在切换和发呆上的时间，学会专注与深入思考。
如果嫌自己规划没头绪，北大同学整理的《CS 自学指南》（csdiy.wiki）和 Teach Yourself Computer Science（teachyourselfcs.com）是两条经过验证的自学路线，照着走不会错。
四、求职到底在筛什么：2026 校招的真相
先把现实摆清楚。
国内方面，据教育部统计，2026 届全国普通高校毕业生规模预计 1270 万人，同比再增 48 万人，供给持续走高；而岗位结构正在换牌——据脉脉高聘《2026 校招人才趋势洞察》，AI 相关岗位渗透率已达 37.6%，同比提升 11 个百分点，岗位需求同比增长 47.3%，传统通用开发岗则在收缩。薪资差距同样明显：
| 岗位方向 | 应届生月薪（均值） |
|---|---|
| AI 应用开发 | 14–18K |
| 传统开发 | 7–10K |
海外市场则更早传来信号：入门级开发岗位比 2022 年收缩约 67%，被称为“初级开发者危机”。
两边指向同一个结论：“会写代码”本身，已经不再稀缺。
但注意，这不等于“无脑卷 AI 就完事了”。招聘逻辑的真正变化，只有一句话：学历标签在贬值，可验证的能力在升值。
大厂面试官说得很直白：项目经历、开源仓库、AI 工程经验的权重，已经高于“985/211”标签；背诵型“八股文”不再是硬通货，系统设计开始下探到校招。面试时问得极细：项目为什么这么设计？调了哪些模型？效果不好怎么排查？怎么评测？上线了吗？谁在用？你自己负责了哪一部分？——每一个问题，都是在检验“这是不是真的属于你”。
按关卡拆开看：
| 关卡 | 过去 | 现在 |
|---|---|---|
| 简历关 | 学校、学历、竞赛 | 项目、实习、开源 > 学校标签；AI 项目是溢价项 |
| 笔试关 | 算法 + 八股文 | 算法仍是门槛，系统设计下探，八股贬值 |
| 面试关 | 会什么技术 | 深度追问：为什么、怎么办、上线没、你负责哪部分 |
| 能力关 | 编程能力 | AI 工具使用 + ownership + 沟通 + 学习能力 |
所以，求职准备的本质，是构建一条可验证的履历链：
基础（算法 / 操作系统 / 网络 / 数据库）→ 一个自己负责到底、能上线的真实项目 → 一段实习 → 能讲清每一处设计决策
这条链上的每一环，面试官都能查证。而你大学四年做的每一件事，都应该问自己同一个问题：它能不能让这条链更结实？
结语：成为“能对代码负责的人”
回到开头那个实习生。他缺的从来不是 FastAPI、不是 Linux、不是前端——这些 AI 一天就能替他写出来。他缺的是：判断什么代码能上线，并为它负责的能力。
AI 时代的人才分层已经出现：能驾驭 AI 的人越来越多，敢对 AI 输出拍板负责的人依然稀缺；会写代码的人很多，敢把名字写在代码上的人很少。前者会被替代，后者会被放大。
给大学生的建议，浓缩成三句话：
- 基础是你的护城河——AI 替代的是劳动，不是判断；
- AI 是你的杠杆，不是你的大脑——让它写，你来验证和负责；
- 大学四年最好的投资，是让自己成为“能对代码负责的人”——这比任何技术栈都值钱，而且 AI 越强，它越值钱。
参考资料
经典文章与自学资源
- Teach Yourself Programming in Ten Years — Peter Norvig
- CS 自学指南（csdiy.wiki）
- 一个仅供参考的 CS 学习规划
- Teach Yourself Computer Science
- 《暗时间》读书笔记（CSDN）