用代码的方式思考Aishwarya Goel *2026 年 9 月 5 日*

过去几个月，我一直很享受做一些小型编程题：循环、条件判断、伪代码、调试——这些东西，对于那些真正学过编程的人来说，大概很多年前就已经熟练到几乎意识不到它们的存在了。

但我没想到的是，这件事竟然极大地改变了我现在使用编程 Agent 的方式。

现在有一种很流行的观点：LLM 的出现，让学习编程变得没那么重要了。

如果我们所说的“编程”，指的是记住语法，那我觉得这确实是真的。我越来越不需要准确记得某件事在 Python 里到底该怎么写。模型生成代码的能力，已经远远超过了大多数普通人实际会需要达到的水平。

但编程从来就不真正关乎语法。

它真正关乎的是：把一个模糊的想法，变得足够精确，让计算机可以执行。

而以后，我们所有人都会越来越频繁地做这件事。

编程最先学到的东西之一，就是伪代码：在真正写代码之前，先用简单的指令描述应该发生什么。

```text读取邮件判断紧急程度```

而其实，这短短几行背后藏着很多概念。

**循环（loop）** 会训练你发现：很多看起来不同的任务，其实只是同一个任务被重复执行。

条件判断会迫使你定义：究竟在什么情况下，一件事应该发生。

`while` 循环会迫使你回答一个人类尤其不擅长回答的问题：

我们到底在什么时候才算完成？

`if/else` 会让你不得不考虑另一条分支——如果你原本以为会成立的事情并没有成立，那接下来应该怎么办？

而调试，也许教给了人最有价值的一种习惯：

你以为系统正在做的事，和系统实际上正在做的事，是两回事。

最近，我开始在很多地方看到这些概念，而不只是在写代码的时候。

一个有点好笑的副作用是，它甚至改善了我和伴侣之间的沟通。

以前我会说：

“可以从盒子里给我拿块饼干吗？”

他会把饼干递给我，然后把盒子敞着放在那里。

严格来说，他完美地完成了指令。

现在我会说：

“给我拿块饼干，然后把盒子关上。”

非常优秀的程序。

不确定这个例子到底有多相关，也许我只是想找个机会吐槽一下他的行为。

总之，回到计算机。

**比如这样一个提示词：**

研究这个市场，然后找出其中最有意思的公司。

这一句话里，大概藏着十个没有明确说出来的决定。

什么才算“这个市场”？

应该去哪里搜索？

怎样的公司才叫“有意思”？

要不要包括大型公司？

应该找多少家？

什么时候停止搜索？

如果两个信息来源互相矛盾怎么办？

LLM 非常擅长自行填补这些空白，好到我们有时候会忘记：这些空白其实一直都存在。

但每当我们留下一个没有定义的问题，我们实际上就等于把一个决定权交了出去。

AI 编程也是一样。

“帮我做一个页面，精选优质的 GitHub 讨论。”

听起来像一条指令。

其实并不是。

它更像是一个结果描述。

用代码的方式思考，会让你本能地把它改写成更接近这样的东西：

接收一个 GitHub URL。

首先判断它指向的是仓库、Issue，还是 Discussion。

提取这些字段。

如果缺少必要字段，就不要保存。

在向数据库写入任何内容之前，先把解析结果展示给我。

第二个版本更好，并不是因为它用了更多文字。

而是因为它包含了更多结构。

这也让我越来越觉得，“提示词工程（prompt engineering）”可能并不是描述我们真正需要提升的能力的最佳方式。

这个说法听起来像是在学习：怎样找到更好的措辞。

但很多时候，更好的提示词并不是更好的文字表达。

它其实是一个更好的程序，只不过是用自然语言写出来的。

在计算机发展历史的大部分时间里，普通用户并不需要具备这种能力。

软件自带界面。

别人已经提前替你决定好了有哪些可能的操作，并把它们做成按钮、表单、菜单和工作流。

LLM 正在逐渐移除这一层。

我们越来越可以直接告诉计算机我们想要什么：

研究这个。

整理这个。

监控这个。

构建这个。

一直做这件事，直到某些东西发生变化。

自然语言正在成为一种计算接口。

所以我怀疑，计算思维很快会变得对远远更多的人有用——甚至比“学会编程”曾经覆盖的人群还要广。

你不需要成为软件工程师。

你可能也不需要背会 Python。

但理解什么是循环，还是很值得的。

理解什么是条件和分支。

什么是状态。

为什么程序员总是在考虑边界情况。

一旦理解了这些基本结构，你就会开始在日常问题里看见它们的形状。

LLM 正变得越来越擅长替我们写代码。

这也许会让“学习如何写代码”变得没那么必要。

但我认为，这反而让“学习如何像代码一样思考”，变得更加有用。