AI 时代的编程元认知

yufenghuang009@gmail.com (Evan Wong) — Mon, 09 Nov 2026 00:00:00 -0800

写一个函数，有时真正费时间的是动手之前的停顿。这个输入应该得到什么结果？为什么选这个数据结构？上一次改动已经排除了哪种可能？卡住和挫败感常常是解题的一部分。停下来写出一个可验证的预期，可能比再改十行代码更接近答案。

这篇笔记源自 Clara Maine 在 JetBrains Academy 的视频。元认知在这里指解题时监控和调整自己的思考。你知道正在做哪一步，能说出目前的依据，并在证据与预期不符时调整策略。AI 可以把代码生成得很快，也让我们更容易把任务完成的进度当作自己理解的进度。JetBrains Academy 视频《Therapy for the Vibe-Coded Brain》

不用 AI 也会遇到的五种卡点

Prather 等人在 2018 年观察编程初学者做题时记录了五种卡点。下面用一个假想的 C# 背包练习来说明。每次拾取一件物品，优先放进同类物品的未满堆叠，再找空格。背包放不下的物品留在原地，玩家也可以手动调整格子里的物品。Prather 等人的 2018 年研究

构思（Forming）

你读懂了需求，却建立了一个表达不了需求的模型。比如用 Dictionary<ItemId, int> 作为唯一库存数据，只能知道有 101 个木材，无法知道哪一格放了 100 个、哪一格放了 1 个，也就保存不了玩家调过的位置。先拿一组必须区分的状态检验模型。试着把两个格子互换，如果交换前后在模型里完全一样，就需要把槽位也纳入状态。

脱困（Dislodging）

你已经怀疑原先的解释有问题，手却还在沿同一条路改。比如背包数量多加了一次，你反复调整 UI 刷新的时机，日志却显示界面刷新前库存就已多加了一次。此时先暂停改界面，跟踪一次拾取触发了几次库存写入。这个检查能把问题从显示层移回写入路径。

假设（Assumption）

你把一个相近的问题解对了。比如把「每格最多 100 个」理解成「同种物品总共最多 100 个」。代码和测试都可能自洽，因为它们沿用了同一个假设。回到题目，写一组能区分两种解释的输入和输出。背包里只有一格木材，已经叠满 100 个，旁边还有空格。再拾取一个木材应该占用一个新格子。

定位（Location）

你觉得只差把界面接上，实际还跳过了规则验证。先测库存的两种边界状态。有未满的同类堆叠时，即使没有空格也能加一件。完全放不下时，库存应返回失败且数量不变。然后从拾取入口走一遍失败路径，确认场景里的物品还在。知道这些步骤各自验证过什么，才好判断接下来该写界面还是回头改规则。

成就（Achievement）

代码写得越多，就越容易觉得再补一处就能结束。比如按钮回调和碰撞回调都能直接写库存，每出一次重复结算就给其中一处加判断。先写出一个能复现问题的用例，再把拾取决策收拢到同一个入口，由它判断这件场景物品是否已经拾取成功。重跑重复触发和正常拾取两类用例，确认修复保留了两条入口的正常行为。

使用 AI 时需要留意的三种卡点

Prather 等人 2024 年在一所大学观察了 21 名初学者在可使用 Copilot 和 ChatGPT 的情况下做一道练习，记录到以下三种困难。20 人完成了可运行的程序，研究者同时观察到部分学生对自身理解的判断偏乐观。这些观察来自一次特定的实验任务。Prather 等人的 2024 年研究《The Widening Gap》

进展（Progression）

AI 让背包能跑，读它的解释时你觉得每句话都懂。合上解释，遇到唯一的同类堆叠已经满了、旁边还有空格的情况，你却说不出代码会写到哪一格，也找不到这个决定在哪里做。先关掉补全，预测一组现有规则下的结果，再独立写个测试来检查。如果说得清，再试着给不同物品设不同的叠加上限，看看理解能否用到新条件上。

打断（Interruption）

你正在推演怎样优先填入已有堆叠，自动补全开始生成另一个版本，你转而评估它，原来的推演停在半路。构思时可以暂时关掉行内补全，先写下处理顺序和失败条件。拿一个既有未满的同类堆叠又有空格的例子手推一遍，能说明该写哪一格，再打开补全协助实现。

误导（Mislead）

AI 建议按物品类型过滤重复拾取，日志里的重复结算消失了，玩家拾起第二件同类物品时也被过滤掉了。用两个场景验证这条建议，背包都预留至少两件物品的空间。同一个拾取请求重试时，数量只加一。拾取两件不同的同类物品时，数量应该加二。用这组反例审查 AI 的建议，也用它检查教程和自己的猜测。

下次卡住时，先写三句话

目标。我想让哪组输入得到什么结果？
证据。目前哪一步已经验证过，哪一步还只是猜测？
下一步。哪个最小的检查能让我决定继续当前方案还是换路？

如果目标是练习一项能力，可以先请 AI 给一个反例或提示，再自己写预期、跑测试、解释结果。如果目标是交付，AI 可以承担更多实现工作，验收时仍要能判断代码是否满足真正的要求。练习做完后，可以合上对话，试着独立处理一个小变式，看看今天学到的办法能不能再用一次。

元认知 on 蜂窝