Codex 用滿四年會拉開差距嗎？答案在兩本帳的餘額裡

提問把技能想成一本每天存款的帳，代理工具讓存款分流：一部分記在你名下，一部分記在 AI 名下。四年後的差距，取決於你自己那本的餘額。

先看一個反直覺的數字：19%。2025 年年中，研究機構 METR 做了一場隨機對照試驗，找來一組資深開源開發者，讓他們在自己熟悉的專案裡解任務，一半人用 AI 工具，一半人不用。結果，用 AI 的那組平均多花了 19% 的時間。這羣人並非新手，他們比誰都熟悉這些工具，結果仍然變慢了。

帶著這個數字，再看知乎上這道熱門提問，滋味會不太一樣：「大學生用四年 Codex，每天進步一點，四年之後，與沒用上 Codex 的同學會有很大的差距嗎？」

提問預設了兩件事。其一，存在一羣「沒用上 Codex 的同學」可以當對照組；其二，「每天進步一點」會像存款一樣複利，四年後結出一筆明顯的差距。這兩個預設恰好都值得檢查。

對照組並不存在

先處理第一個預設。在一間 2025 年入學的資訊科系教室裡，找到完全不用 AI 寫程式的學生，難度可能高於找到重度用戶。沒訂閱 Codex 的同學，手上大概率是 Cursor、Claude Code、Gemini CLI，或者免費額度就夠用的通義靈碼。這些產品的能力有落差，但屬於同一代：你描述需求，它生成可執行的程式碼。

所以這道提問實際比較的，多半是「重度用戶」與「普通用戶」，兩邊都站在代理工具的時代裡。單純「有沒有接觸 AI」這個變數的解釋力只會越來越弱，就像今天沒有人因為「會用 Git」在履歷上獲得加分。真正的變數藏在用法裡，這點後面會回到。

為什麼是現在問這題

程式輔助工具在近兩年跨過一道門檻。從補全單行、生成函式，到能在終端與雲端領工單、跑測試、改檔案的代理，工作單位從「一行」變成「一項任務」。Codex 這個名字的履歷可以說明變化有多快：2021 年，OpenAI 用它稱呼驅動 GitHub Copilot 的程式碼模型，2023 年除役；2025 年同名產品回歸，這次是代理。四年之內，同一個名字指過兩種不同的東西。

這帶出討論這題時最常被忽略的時間尺度。四年，在代理工具的世代裡是地質時間：一個 2025 年入學的學生若把職涯押在某個特定工具上，畢業時那個工具的形態大概又換過一輪。押注工具本身是脆弱的，這幾乎是提問裡唯一能先確定的結論。

提問會熱，還有課堂端的因素。作業邊界被打穿之後，同一門課的學生悄悄分成兩條路線：一條用 AI 把作業寫完，一條用 AI 把作業學會。兩條路線的產出在外觀上難以區分，計分方式一時也跟不上，分流就這樣在校內無聲進行。焦慮則來自推甄研究所與爭取實習的時程：差距什麼時候變成不可逆，沒有人給得出答案。

進步會分流，記在兩本帳上

第二個預設把技能想成一本帳：每天存一點，餘額就是能力。代理工具出現後，存款會分流。AI 接手的環節包括語法記憶、樣板程式碼、API 用法回憶與框架設定；留在你手上的，是把模糊需求寫成明確規格、判斷生成結果對不對、跨檔案除錯，以及決定哪個方案值得留下的品味。

每天用 Codex，四年的「進步」按比例落進兩本帳。工具那本增長飛快：專案跑得動、測試是綠的、成品看起來很完整。你這本的增速，取決於你有沒有逐行讀懂送出的程式碼，有沒有在代理出錯時自己接手。帳面產出可以完全一樣，帳本內容天差地別。

心理學家 Robert Bjork 有個概念叫「必要難度」：學習發生在費力的地方，提取越喫力，記得越牢。代理工具的設計目標，恰恰是把費力消除。這不等於用工具就學不到東西，閱讀優質的生成程式碼、提早接觸真實專案的規模，都是真實收穫；但摩擦被選擇性移除了，而摩擦正是大學課程原本在教的事。

實證研究給出的圖像是分裂的。GitHub 團隊 2022 年的實驗裡，開發者用 Copilot 實作一個 HTTP 伺服器，速度加快約 55%。哈佛商學院與 BCG 合作的顧問實驗則發現，AI 在能力範圍內的任務能提升表現，範圍外的任務，過度信任 AI 的人反而更容易出錯。把這些與 METR 的 19% 放在一起看，方向其實一致：速度增益是真的，但集中在模型本來就擅長的任務；一旦任務越過能力邊界，成本就轉移到驗證端，而驗證端記在你自己的帳上。

驗證成為新瓶頸，別的領域先碰到過。資安圈今年的案例：AI 掃出的候選漏洞大量增加，Mozilla 把其中 271 個修進 Firefox 150，真正的關卡移到驗證與修補的消化速度。寫程式的場景相同：生成端產能過剩，消化端定義實際產出。

每一波工具，都把考題往上移一層

歷史上有現成的鏡子。計算機進入數學課堂後，考試把運算交給機器，比分移到建模與應用題。Stack Overflow 世代，背 API 用法貶值，判斷答案可信度升值。每一波工具都壓縮某一層技能，衡量標準就往上移一層。這一波壓縮的層數多了些，從語法一路壓到初步設計，所以衡量標準會移到更高處：定義問題，以及驗收結果。

同一種位移也出現在其他內容工作。電競內容圈今年的說法是，會打比賽的 AI 還沒到，會講比賽的先上工了：生成端先被接手，判斷與驗收留在人這邊。工程工作的分界線位置不同，方向一致。

另一半的預設也該翻過來看。「沒用上 Codex 的同學」若真的手寫四年，他那本基礎帳會很厚：資料結構與演算法的基本功，加上硬啃出來的除錯直覺，白板題多半佔優勢。但工作流程那本偏薄，而畢業後接手的，是代理時代的程式碼庫。兩邊各有一個缺口要補，提問卻假設只有一邊有差距。現實是兩邊補的東西不同，補的速度也不同。

可用的判斷：每月對一次帳

與其問四年後有沒有差距，不如每個月做一次對帳。項目不必多，四題就夠：

• 關掉代理，能不能講懂上個月送出的每一段程式碼？
• 代理在錯誤裡繞圈時，有沒有能力接手收尾？
• 下指令之前，能不能先把需求寫成清楚的規格？
• 有沒有自己設計過讓 AI 產出失敗的測試案例？

四題都過，每天的進步確實記在你名下；四題都卡，進度感很強，餘額記在工具那邊。METR 那批資深開發者變慢，一部分原因正是在對帳：審查生成結果的成本真實存在，也真實必要，省掉這道工序的人，把成本轉成了看不見的負債。

回到原提問。差距會有，但決定差距的變數，已經從「用不用 Codex」移到「每天的進步落在哪本帳」。工具的世代四年會翻好幾輪，規格撰寫、驗證、除錯與品味這幾欄卻會留下來，因為它們是代理跑不掉、也交不出去的工作。與其押注某個工具，把對帳紀律練成習慣，是目前比較穩的做法。