AI 時代的「基本功」：一句永遠不會錯、也永遠無法驗證的話
AI 寫程式的能力每三個月上一個台階，於是一種說法開始在技術圈流行：「工具會變，但基本功才是最重要的。」這句話聽起來成熟、穩重、政治正確，底下的留言通常一片認同。
但我每次看到都想追問一句：你怎麼知道什麼是基本？
基本功是事後追認的
回顧軟體業的歷史，「基本功」這個頭銜的持有者換過很多輪。
組合語言曾經是基本功——不懂暫存器怎麼配得上叫工程師？後來編譯器成熟了，它變成屠龍之技。手動記憶體管理曾經是基本功——不懂 malloc/free 的人寫的程式不能信任。後來垃圾回收普及了，它變成特定領域的專業知識。手寫 SQL、理解 TCP 握手、自己配 webpack，每一項都曾被某一代工程師認證為「不懂就不算入行」的基礎，然後被下一層抽象變成選修。
規律很清楚：每一代人都傾向把自己苦練過的東西封為基本功。 這不難理解——如果我花了三年打磨的能力被宣告過時，等於承認那三年的投資虧損了。「基本功永遠重要」不只是一個技術判斷，它同時是一份心理資產保值聲明。
所以當有人告訴你「AI 時代基本功最重要」，值得先分辨：他是在預測未來，還是在捍衛自己的沉沒成本？
一句無法被證偽的話
「基本功最重要」還有一個修辭上的狡猾之處：它永遠不會錯。
如果十年後演算法知識依然值錢，說這話的人可以說「你看，我早說過」。如果十年後它被 AI 完全取代，他也可以說「我說的基本功本來就不是指這個，是指思維能力」。這個詞的邊界可以隨時伸縮，往內縮是資料結構與演算法，往外擴是抽象思考與解決問題的能力——反正總有一種解讀能讓這句話成立。
一句不能被證偽的話，提供的不是資訊，是安慰。它讓說的人不必冒險做出具體預測——「未來五年，X 技能會貶值，Y 技能會升值」這種話說錯了要負責，但「基本功最重要」永遠安全。這和刷題面試把判斷外包給題庫是同一種心理結構：用一條永遠正確的規則，逃避一個需要持續承擔風險的判斷。 只是這次外包的對象不是流程，是格言。
但「什麼都會過時」也是一種逃避
寫到這裡，很容易滑向另一個極端：既然基本功是事後追認的，那就沒有什麼是持久的，一切都在貶值，學什麼都一樣。
這個結論同樣站不住，因為它忽略了一個事實：技術棧裡各層的半衰期不是均勻的。
技能貶值的速度確實可以被測量。Deming 與 Noray 分析了近乎全量的線上職缺描述後發現，應用型 STEM 學位的高薪資溢價在職涯頭十年內下降超過五成——正因為 STEM 職位的技能需求變動特別快，舊世代的技術知識過時得也特別快 [1]。這是「變化太快」一方最硬的證據。但同一份研究也隱含另一半的訊息：貶值的是「特定技術知識」，不是所有能力。
框架的半衰期大概兩三年，前端生態尤其明顯。程式語言長一些，十年上下。但再往下走，有些能力的半衰期長得驚人：把一個模糊的需求拆解成可執行的步驟、判斷一個系統為什麼慢、讀懂別人寫的爛程式碼並安全地修改它、在兩個都有道理的方案之間做出取捨並承擔後果。這些能力從打孔卡時代活到了 LLM 時代，沒有任何跡象顯示它們即將貶值。
更關鍵的是，AI 恰恰讓其中一項變得空前值錢：判斷 AI 的輸出是不是錯的。 控制實驗顯示，使用 Copilot 的開發者完成任務的速度快了 55.8% [2]——產出程式碼的邊際成本正在趨近於零。但早期證據的綜述同時指出：開發者對 AI 建議的審查往往比對人類協作者更寬鬆，未經驗證的建議會引入缺陷與不安全的模式，正確性高度依賴測試、審查與明確的規格 [3]。換句話說，AI 把「會寫」變便宜的同時，把「會驗證」變貴了。程式碼可以無限生成，但決定哪一段可以上 production 的判斷力不能。這是供需關係的直接推論，不是雞湯。
所以那場爭論的真相是：雙方對「基本」的定義根本不同，卻在用同一個詞吵架。把基本功定義成「手刻紅黑樹」，反對者是對的；定義成「驗證與取捨的能力」，支持者是對的。詞沒有共識，吵贏吵輸都沒有意義。
兩種說法犯的是同一個錯
有趣的地方在這裡：「刷基本功就安全了」和「反正什麼都會被淘汰」，表面上是對立的兩派，實際上犯的是同一個錯——都想用一個靜態結論，一次性地解決一個動態的問題。
前者想找到一張永久有效的保單：只要練好這幾樣，未來就穩了。後者想用虛無豁免努力：既然都會過時，就不必認真挑選學什麼。兩者共同逃避的，是那件真正麻煩的事：「判斷什麼會持久」本身就是一個需要持續更新的判斷，沒有一勞永逸的答案。
在一個變化快的領域，你每隔一段時間就得重新評估：哪些知識正在被抽象層吃掉？哪些能力因為 AI 而升值？我現在投入時間的東西，賭的是什麼假設？這些假設還成立嗎？這件事沒有規則可以外包，沒有格言可以代勞，錯了要自己承擔——這正是大多數人不想做它的原因。
結語
所以「AI 時代基本功最重要」這句話，對錯取決於你怎麼用它。
把它當成一個提醒——在追逐工具之前，先想清楚哪些能力的半衰期比較長——它是有用的。把它當成一份保證——練好某張清單上的技能，就可以不必再面對不確定性——它就成了又一種決策外包，跟迷信題庫、照抄大廠流程沒有本質區別。
真正的基本功也許只有一項：在沒有人能告訴你標準答案的情況下，持續做出自己的判斷，並且為它負責。而這項能力最諷刺的特徵是——它無法透過尋找「什麼是基本功」的標準答案來獲得。
參考文獻
[1] Deming, D. J., & Noray, K. (2020). Earnings Dynamics, Changing Job Skills, and STEM Careers. The Quarterly Journal of Economics, 135(4), 1965–2005.
[2] Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv:2302.06590.
[3] GitHub Copilot's Impact on Developer Productivity: A Review of Early Evidence (2025).