立正提到他的合伙人一个月写了五十万行代码，但自己动手写或改的可能只有几百行，绝大多数是说话让AI写出来的；他还说在AI之前，一个厉害的程序员一天大概写五百行高质量代码。这说明“几十万行”本身不是练出来的手速指标，而是把判断交给工具执行后的产量。对CS本科生来说，盲目追求行数容易变成重复劳动，真正值得练的是知道该写什么、哪些复杂度可以省掉⁠1,2。

立正讲“做完不等于学会”，AI能替你把作业和项目做出来以后，分数回答不了你到底会不会，得自己回答。他还说，没编程基础的人做这些，意义不在于比鸭哥做得好，而在于将来在自己领域发现机会时，能更有效地尝试、迭代、找合作伙伴落地。所以对本科生更实际的问题是：这段代码写完后，你能不能讲清为什么这样写、换一种做法会怎样。如果只是堆行数而没有这层理解，产量再大也难迁移到新问题⁠3,4。

立正给大学生的建议里，核心竞争力更偏能力和素质，写代码写得好可以算一项，但深度思考、兴趣广、阅读量大这些同样重要，大学正好有环境和时间去建立它们。这不否定写代码，而是说别把它当成唯一筹码。一个可试的做法：挑一个自己真正在意的小项目，用AI快速做出第一版，然后逼自己解释每一处关键设计、删掉不必要的部分，看自己能不能说清取舍；这比单纯累计行数更能检验你缺的是理解还是熟练度⁠5,2。

立正把“会用AI”和“懂原理”分开：撤掉AI不是要回到手写代码，而是看你能不能往深里多懂一层，比如不只会用RAG，还懂检索背后的原理⁠1。他还提到，能把复杂的东西做出来是能力，能判断哪些复杂度根本不需要也是能力，而后者很难展示——多加三个组件别人看得见，研究后省掉两个别人看不到⁠2。所以“必须学”的不是某个框架或提示词技巧，而是能比较几条路、知道为什么选这一条的能力。这个判断成立的前提是你确实经历过比较和排除；只记住老师给的结论，下次新品发布还是得等别人表态⁠2。

那期哥大课程的问答里提到，工作是手艺，像游泳和滑雪，只能在做的时候学⁠1。同一篇里，鸭哥补充说AI本身就是很好的老师，可以问它为什么这么写、为什么不用别的办法、各有什么利弊⁠1。能放心交给AI多少活，取决于你能不能判断它做得对不对，信任要像带新人一样先给简单任务再慢慢加码⁠1。对CS学生来说，这意味着把课程项目或小工具交给AI做，然后逐段追问取舍，比单纯刷题更能积累判断。

立正给过一条很具体的路径：看目标岗位需要什么样的人，想清楚自己怎么证明符合要求，差的部分花一两周补上，先拿到六十分再想七十分⁠3。他也提到，想学一个东西怎么搭，直接去读公司里真实的代码，再找当事人聊当时为什么选这个方案而不是别的⁠4。对还在读本科的人，可以试的是：挑一个真实的小需求（比如给同学做个工具、复现一个开源项目的一个模块），让AI写主体，自己负责判断和修改，并记录哪些地方你判断错了。这个尝试能检验你的判断力是否真的在长，而不只是产出变多。