传统 CS 教育建立在两个默认假设上：作业能逼你亲手写代码，以及写会代码就能找到工作。2023–2025 年，ChatGPT、Copilot 把第一个假设打穿——从"实现快速排序"到"调试这段 C 程序"，入门课作业几乎全部可被 AI 直接解决；就业端的变化同样剧烈（详见本系列 025 篇）：初级岗位收缩，"会用 AI 生成代码"从加分项变成起跑线。教学目标因此被迫上移：当生成代码免费，读懂、判断、验证与定义问题成为新的稀缺能力——这正是本轮课程改革的共识方向。
| 路线 | 代表做法 | 优点 | 短板 |
|---|---|---|---|
| 禁止/围栏 | 入门课禁用通用 AI，或只允许用课程自带的受限 AI 助手（只解释、不给完整答案）；考场改为纸面/上机闭卷 | 保住基础能力训练，评价仍然有效 | 执行困难（检测不可靠），且与产业现实脱节 |
| 围栏内拥抱 | 哈佛 CS50 模式：自研 AI 导师（如 CS50 Duck）帮找 bug、给反馈，但限制直接产出整题代码；作业明确标注 AI 使用边界 | 学生获得 7×24 助教，边际成本近零 | 自研工具有维护成本；边界声明依赖自觉 |
| 课程重构 | 高年级与研究生课把 AI 设为默认工具，考核转向代码审查、规格撰写、测试设计、系统权衡与口头答辩 | 对齐真实工作（AI 时代工程师的核心动作） | 对师资与助教的要求陡增，评分主观性上升 |
训练营一端出清更快：2U 在 2025 年初关停旗下 coding bootcamp（此前该业务曾大规模投放），行业媒体普遍将其归因于"AI 冲击初级编程岗位 + 替代性证书退潮"的双重挤压；BloomTech（原 Lambda School）等幸存者则把营销转向"AI 驱动的技术职业培训"。这与大学端的"改革但稳定"形成对照：训练营的商业模式直接抵押在就业率上，因此对就业市场的变化更敏感、死得也更快。
CS50 是全球注册量最大的入门 CS 课程之一，它的选择颇具标杆意义：2023 年 6 月起为课程配备自研 AI 工具（CS50 Duck），定位是"近似一对一助教"——帮学生定位 bug、解释报错、对程序设计给反馈，但刻意限制其直接给出整题解法；与此同时，课程规则仍然不允许学生在作业中直接使用 ChatGPT/Copilot 生成答案。逻辑很清楚：与其假装 AI 不存在，不如提供一个"符合教学法"的 AI，同时保住作业的训练价值。这是"围栏内拥抱"路线最完整的公开范本，被众多高校课程参照。
中国高校的节奏略有不同：多数学校尚未像 CS50 那样系统化部署"课程自研 AI"，常见做法是分级声明 + 考核改造——平时作业允许（甚至鼓励）使用国产大模型与编程助手，期末与保研机试改为闭卷上机；程序设计竞赛（ACM/ICPC、蓝桥杯）因赛制天然禁 AI，反而成为"无 AI 编程能力"最受认可的信号之一。这对国内学生的策略含义是：平时训练要有意识地"关 AI"保留基本功，简历上则用竞赛、开源贡献、可运行的独立项目三类证据分层展示能力。
自学者是这轮变革里最受益也最危险的群体：门槛（装环境、找教材、答疑）被 AI 抹平，人人可以起步；但"教程完备→基础空心"的坑也被放大。可行的自纠机制是给自己制造验收压力——每学完一个阶段就在公开平台（GitHub、掘金/博客、独立小产品）交付一个别人能用的东西，用真实用户的反馈替代不存在的考试。
2025 年的教育实证研究提供了三类结论：其一，动机与情绪改善明确——Fan 等人对 AI 辅助结对编程的实证研究（发表于 International Journal of STEM Education，被引已近两百次）发现其提升学习动机、降低焦虑并改善表现，但协作深度不及人类结对。其二，学习效果未必随使用而提升——Lepp 等人在入门编程课程中的对照研究（Computers and Education Open）发现生成式 AI 的使用与最终学习成果之间关系并不如预期乐观，"用了 AI 的学生学得更好"缺乏一致证据。其三，系统性综述（ASEE 等）指出 AI 结对带来正向学习体验的同时伴随社会连接减少与依赖风险。翻译成大白话：AI 是极好的助教和陪练，但是个坏老师——它能把"卡住的挫败"变成"推进的多巴胺"，但也就能把"必要的挣扎"（学习恰恰发生在挣扎里）悄悄拿走。
机会（面向教育创业者与内容创作者）：①"AI 时代代码审查/规格撰写"的实战课程极度稀缺，B 端（企业内训）付费意愿强；②"带围栏的 AI 助教"——只苏格拉底式提问、不直接给解——是高校愿意采购的形态；③就业端的新配套：AI 作品集辅导、agent 工作流认证、面向转行者的"验证能力"训练营。评价体系重构（AI 时代的考核题库、口试自动化）也是真空地带。