把代码和计算机科学分开

编程语言会持续变化。从机器指令、汇编语言到高级语言，再到自然语言辅助编程，人类一直在提高表达计算意图的层级。工具的变化不等于学科本身消失。

计算机科学研究什么能够被计算、怎样更有效地计算、系统如何组织数据与资源，以及人如何可靠地使用这些系统。语法只是入口，不是终点。

AI 改变的是工作分层

当生成工具能够完成更多样板代码，单纯把明确需求翻译成语法的价值会下降。但问题定义、体系结构、验证、安全、交互与责任不会自动消失。

这并不意味着每个人都要成为研究者。它意味着工程师需要把注意力从“我写了多少代码”转向“我澄清了什么问题、建立了什么约束、验证了什么结果”。

从执行者到系统构建者

一个系统构建者需要同时理解局部与整体：算法在理想条件下如何工作，数据在现实中为何偏离，接口在哪里失效，以及用户怎样误解系统。

NIST 对 AI 风险管理的建议同样强调治理、映射、测量和管理，以及清晰的人类责任。这说明 AI 系统的难点不仅是生成输出，更是把技术放入可追责的流程。

我的选择

我仍然会认真学习 C++、Python 和系统工具，但不会把掌握某个框架当成终点。更长期的目标，是建立能够跨越模型、软件与组织边界的判断力。