今天一个朋友在我文章下面评论：一个美术生转专业去英国读 CS 硕士，结果发现学校还在教 Java、数据库、软件开发，于是跑来问要不要自己学 Machine … · @UPing123zzz · TwKit

@UPing123zzz

今天一个朋友在我文章下面评论：一个美术生转专业去英国读 CS 硕士，结果发现学校还在教 Java、数据库、软件开发，于是跑来问要不要自己学 Machine Learning。 我看到的第一反应也是，卧槽，AI 都发展到 RAG、Agent、自动化工作流了，怎么英国的计算机研究生还在学这些基础的东西？ 后来仔细想了想，发现这件事没那么简单。 其实不只是英国，中国、美国也有类似的问题。大学的课程体系和真实产业之间，确实存在时间差。AI 技术可能几个月就迭代一轮，但学校的课程设置、教学方式、考核标准，很多都是按年更新的。 但反过来说，Java、数据库、算法、计算机网络这些东西，真的过时了吗？我觉得完全没有。 我自己现在就在企业一线做 AI 落地，接触 RAG、Agent、工作流、数字人这些项目，越往后做越发现，调用一个 API、跑通一个 Demo 其实没那么难。真正难的是系统怎么设计、数据怎么管理、服务怎么部署、出了问题怎么排查、如何保证稳定性，以及怎么真正交付给客户。 而这些东西，恰恰需要大量传统计算机基础。 真正的问题不是大学还在教 Java，而是很多学校的教育和真实工程实践脱节了。 学生可能会考试、会写算法题，甚至拿到了计算机硕士学位，但不一定能独立交付一个真实项目。 反过来也一样，现在很多人天天研究各种 AI 框架，今天学这个 Agent，明天学那个 Skill，看起来什么都会，结果离开 AI 辅助，连代码为什么报错都搞不明白。 这两种情况其实都有问题。而且还得区分培养方向。一个美术生跨专业读 CS，本来就需要从编程、算法、数据库开始补基础，不能因为他读的是研究生，就认为学校必须直接教最前沿的大模型技术。 未来真正有竞争力的程序员，不能只是会写代码，也不能只是会调用 AI。 你既要有计算机底层基础，又要跟得上 AI 技术的发展，还要理解产品、业务、客户和商业逻辑。 技术是用来解决问题的，不是用来集邮的。 大学的价值在于帮你建立长期有效的知识体系，真实项目的价值在于让你知道这些知识到底怎么用。 最怕的不是学校教的东西太基础，而是学了四年甚至六年，依然不知道怎么解决真实世界的问题。 同样，最怕的也不是自己非科班出身，而是天天追最新的 AI 工具，却从来不愿意补底层基础。 AI 时代，工具可能几个月就换一轮，但真正理解技术、理解业务、能把事情做成的人，永远有价值。

曝光 613 · 评论 4 · 点赞 8 · 书签 1