投资人Andrew Aymeloglu呼吁计算机课程全面转向AI智能体编程

Andrew Aymeloglu 2026年11月3日 8 2 分享

几乎所有从硅谷走出来的技术，受益的都是职场新人，而非行业老手。而智能体编程（agentic coding）第一次有可能把这一格局反过来。面对这一变化，我认为计算机科学专业从入门课之后的课程开始，就应当全力让学生用智能体来写代码。今年早些时候，我有机会在奥斯汀大学把这一想法付诸实践。

Commit Capital 投资的是种子轮和 pre-seed 轮的技术公司，这些公司在未来十年甚至更长时间里都会持续招聘工程师。我希望应届毕业生的招聘管道保持畅通，也希望未来技术创始人（尤其是我们偏好的开发工具和基础设施领域）的管道保持畅通。而且，由于智能体能大幅放大单个人所能完成的工作量，我相信未来十年会造出多得多的软件，只不过不再需要人逐行敲代码了。

任何人都可以把逐行写代码的工作外包给智能体，如今连搭建网站或计算集群所涉及的手动 DevOps 工作也可以外包。但对于有经验的工程师来说，用这些工具要轻松得多，而且质量、安全性、韧性等优秀软件的标志性特质不会打折扣，有时甚至还会提升。智能体作为有经验工程师的“力量倍增器”，引出了一个担忧：计算机科学是不是一个正在衰落的专业，有志学生是不是该避开它。考虑到软件的重要性只会继续上升，我认为围绕学习计算机科学的悲观情绪，很大程度上源于学术机构无力适应现代变化。如果学生带着数年学术环境下使用智能体的经验进入职场，我相信这场智能体革命会像以往任何一次技术革命一样，让那些早早掌握工具的年轻技术人占据优势。

奥斯汀大学（UATX）给了我检验这一理论的机会。作为一所新大学，它没有历史包袱沉重的计算机科学系——那种院系一旦学生读到一半，就极难推翻重来。我在那里的职位让我有机会从第一性原理出发，思考对于2028年或更晚毕业的学生来说，什么才是最好的计算机科学教育。

以下是我在思考这个问题、搭建部分计算机科学入门课程、并在今年春天实际授课之后得出的一些结论。

CS1 和 CS2——不管你们学校具体叫什么——选课的主要是那些不会主修计算机科学、也不会以编程为职业的人。这些课非常棒。二十多年前我在斯坦福教过它们，它们之所以棒，是因为它们向从未接触过算法、问题分解或程序基本构件的人传授新的思维方式。这才是这些课程的首要目标——它们本就不是为了培养以写代码为职业的人。智能体会削弱这一目标。把 LLM 当作助教/聊天机器人仍然很好用，但既然这些课的重点不是培养编程专家，那么“如今大部分编程都是用英文完成的”这个非常正确的观察，在这里基本无关紧要。

我喜欢各种形态的 CS1；如果我是在从零设计一所大学，只能从 STEM 领域挑几门课要求所有学生必修，我会选统计和 CS1。两者都传授新的思维方式，而入门课的重点应当留在这里，而不是用智能体来升级打怪。

今年春天，我在 UATX 教了入门系列的第三门课。这门课在不同学校可以有不同的形态，但我们决定把它命名为“软件工程”，并以此为重点。这门课上的大多数学生很可能会以编程为职业，无论是传统软件，还是随着软件持续吞噬世界而出现的邻近领域。基于上述原因，我们希望学生在进入行业之前，有大量时间和经验与智能体协作。因此我们决定，从软件工程课开始，以及后续专业内的所有计算机科学课程，智能体都可以放心使用，甚至受到鼓励。一笔捐赠让我们得以在第一学季为所有学生补贴前沿订阅，所有课程作业也都是基于这一前提设计的。

有了智能体作为助力，我们在一门课里覆盖的内容远超该阶段专业的通常水平。课程包含一个期末项目，每个学生团队都要交付一个全栈、经 CI/CD 部署、带注册和鉴权、可通过公开 URL 访问的 Web 应用。测试和云工具这两块，正是我当年做招聘经理时总觉得应届生欠缺的地方，所以能从讲台的另一侧补上这些缺口，让我感到很欣慰。

这样教学确实会导致语法掌握程度下降。学生并不会突然多出几个小时来专门学习；他们的时间一样，脑子也一样，而作为教师，我们是在做一个取舍，判断什么对他们2028年毕业时更有价值。作业和考试也应当体现这一点。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）