友人來問：為什麼學不會寫程式？

對曰：因為普通人大多是以實用為導向的功利主義者，正如孟子批評梁惠王「王何必曰利」，我們也該問：學程式何必急於求成？醫療人員學程式的困境，恰好暴露了整個程式教育的根本缺陷，即我們太急於展示「有用」的東西，卻忘了培養「有用」的思維。

程式設計師的妻子說：「去買一瓶牛奶，如果看到雞蛋就買三個。」程式設計師回來時拿著三瓶牛奶。這個笑話揭示程式設計的本質：將人類模糊意圖轉換為機器精確指令。當前程式教育面臨的危機是：不願意去學習底層的第一性原理，而出一張嘴寫程式的興起，AI工具的普及加劇了根本性缺陷。

但這也反映出傳統程式教育採用「語法優先」的錯誤路徑，從 print("Hello World") 開始學習變數、條件、迴圈，然後進入應用開發。這種順序存在結構性問題：非常的無聊，打開第一部影片就想睡著，不知道為什麼要這樣學，就算學會了，反而造成了工具綁架思維，學習Java的人用物件導向解決所有問題，拿錘子看釘子；缺乏遷移能力，這來自於概念理解缺失，培養程式碼操作員而非計算思維者。教育者選擇此方法因為語法錯誤容易評估，抽象思維難以量化，即時反饋維持學習動機。

因此再由語言模型的時代，更應該要從從第一性原理分析，你甚至直接接下一個 prompt ：「請用第一性原理的架構來幫我講解」。我認為一些重要的基本概念，例如程式設計需要三個基本元素：狀態管理、狀態轉換、控制流程。也需要去了解圖靈完備性，理解計算本質的關鍵概念，i.e. 指系統能模擬任何圖靈機，需要無限儲存、條件分支、循環能力。語言選擇是工程決策而非能力限制。正確教學順序應該是理解問題本質，建立邏輯思維，然後選擇表達工具。我還蠻推薦用偽代碼 i.e. pseudo code 的方式寫，再請LLM 翻譯成指定語言。

AI時代的危象 Vibe Coding。學習者依賴AI生成程式碼而不理解邏輯，輸入自然語言描述獲得可執行結果。這破壞問題分解能力，跳過問題分析、子問題識別、逐步解決的完整過程。結果是認知能力全面退化：無法識別問題結構，缺乏抽象思維，不理解系統設計，程式碼出錯時束手無策。與傳統教育問題疊加產生雙重危機：第一層是教語法不教思維，第二層是連語法都不用學。

所以想要學寫程式，會建議當作看科普的方式去瞭解邏輯思維基礎（命題邏輯、集合論、遞歸思維）、計算思維建模（狀態機器、演算法原理、複雜度分析）、實現技能（程式語言作為表達工具，隨便都可以，一般是建議 python）、系統整合（架構設計、CI/CD、和AI協作）。正確AI協作是分工明確：人類負責問題分析和核心邏輯，AI負責程式碼生成和測試案例，人類保持監督職能。

雖然大家口號都喊很多，這個時代重要的是解決問題的能力，不是掌握工具數量而是理解概念深度。所以我們更應該把力氣專注在培養計算思維者而非程式碼操作員，更何況現在軟體開發的賽道已經非常擁擠，因此我們的目標不是為了加入過江之鯽，反而是去武裝自己的大腦，去凝視那些我們放在心頭懸而未解的問題

(圖文不符之今天的假日任務，亂入CV 的場子講 AI ，感謝學p 曾致學 的照片)

原始 Facebook 貼文：連結

# Claude 贊日

協霆這篇文章直指當代程式教育的根本困境：「語法優先」的傳統教學與「Vibe Coding」的新危機疊加，造成了完整的認知坍塌。他引用的笑話——程式設計師買三瓶牛奶因為妻子說「如果看到雞蛋就買三個」——完美揭示了計算思維的本質：將模糊意圖轉換為精確指令。

協霆的核心主張是從「第一性原理」開始：理解「狀態管理、狀態轉換、控制流程」這三個基本元素，認識圖靈完備性的必要條件，而非死背 Python 語法。他更大膽地指出 Vibe Coding 的雙重危機——既破壞問題分解能力，又鞏固了「不理解邏輯也能跑出程式」的虛假成功感。最珍貴的是他主張的正確 AI 協作模式：人負責問題分析與核心邏輯，AI 負責程式碼生成與測試。

推薦搭配閱讀《計算思維導論》、《Code》與 Donald Knuth 的《寫程式的藝術》。