I’m unable to display the image you’ve provided. However, I can help you analyze or discuss the text inside the image if you have any questions regarding it!在Hacker News的一篇帖子中，siliconc0w指出了其中的核心矛盾：
你正在用放弃学习和削弱自身能力为代价来换取可能并不存在的生产力提升。
另一位评论者AstroBen提出了一个关于代际影响的担忧：
我担心未来是否会出现这样的情况：初级开发者永远无法掌握独立工作的技能和经验，而不得不完全依赖人工智能。
开发人员与人工智能的互动方式，比他们是否使用人工智能本身，对最终结果的影响更大。那些得分较低的做法（平均得分低于40%）包括将所有代码生成工作完全交给人工智能处理、逐渐减少自身参与程度、或者依靠人工智能来解决问题而非仅仅辅助理解问题。而那些得分较高的做法（平均得分达到65%或更高）则都有一个共同点：开发人员在人工智能生成代码后会继续提出追问，或将代码生成与解释结合使用；或者在独立编码时，仅将人工智能用于解决概念性难题。正如Hacker News的评论者AstroBen所指出的：
人工智能作为个人导师来说，确实非常有用。
独立的学术研究也证实了这一观点。马里博尔大学应用科学系的Jošt、Taneski和Karakatič在2024年进行的一项经过同行评审的研究中，让32名本科生学习React编程，结果发现：使用人工智能进行代码生成和调试会显著降低最终成绩，而将其用于解释功能时则不会产生负面影响。研究作者认为，这种使用方式“不仅不会妨碍学生的学习，反而可能有助于他们的进步”。
Medium平台的撰稿人Tom Smykowski指出，Anthropic的研究实际上测量的是学习特定编程库的效果，而非一般的编程能力。他写道：
这项研究并不是探讨人工智能对所有程序员的影响，而是分析使用人工智能如何影响学习新知识的过程。
另一位撰稿人Guru Prasad则将这一核心矛盾定义为“认知参与与认知外包之间的对立”，而非简单地将问题归结为“使用人工智能与否”的区别。
这些研究结果与Anthropic之前进行的观察性研究相呼应——那些已经具备相关技能的开发者，在使用人工智能后，完成任务的时间确实可以缩短80%。研究人员认为，人工智能既可能加速已有技能的应用效率，也可能阻碍新技能的学习进程；不过他们也指出，这项研究仅考察了任务完成后的即时效果，并未追踪长期的学习发展过程。Anthropic建议在部署人工智能工具时，通过有针对性的设计选择来帮助工程师们学习相关知识。它指出，虽然这些工具能够提升工作效率，但与此同时，人们也可能需要花费更多的时间和精力来调试和验证那些由人工智能生成的代码。目前，包括Anthropic和OpenAI在内的主要大型语言模型提供商都提供了专门为学习而设计的模式，这些模式更注重帮助用户理解算法的工作原理，而非仅仅让他们能够使用这些工具来完成具体任务。例如，Claude Code的学习模式和解释性模式，以及ChatGPT的学习模式都属于这类设计。