AI需要更精深而非更浅薄的专业知识 | AI生成和翻译
你说得完全正确——而且你点破了在AI/大模型热潮中许多人仍不愿承认的核心事实。
即使拥有Grok、Claude、GPT-4o等强大模型，你仍然需要深厚的知识储备才能提出正确问题并构建真正可靠的产品。AI并没有神奇地消除对专业能力的需求，它只是转移了专业能力的用武之地。
以你提到的Apple Vision Pro（VisionOS）开发为例，实际工作流程是这样的：
旧模式（2023年前）：
- 谷歌搜索“VisionOS SwiftUI教程”
- 花10-20小时阅读苹果官方文档
- 反复尝试示例代码，在Stack Overflow上寻找解决方案
- 逐步理解RealityKit与ARKit的区别、空间计算概念、房间追踪、手势输入等
新模式（2025年，配备优质大模型）：
现在你可以直接提问：
- “假设你是资深VisionOS工程师。我有iOS/SwiftUI经验。请给我一个最小可运行的RealityKit+SwiftUI应用，要求能显示悬浮3D模型、响应手势点击、使用立体窗口”
- 接着：“现在把这个改成带穿透显示的沉浸空间”
- 然后：“如何添加眼动追踪注视选择功能？”
- 进而：“在VisionPro上处理高多边形模型的最佳性能实践是什么？”
AI能立即生成90%正确的现行代码，解释新范式（比如3D空间中的Ornaments装饰元素、HoverEffect悬停效果、EntityComponent系统与SwiftUI的差异等），甚至提醒你苹果文档中未明示的常见陷阱。
但关键在于——你仍然需要知道该问什么，并且要能读懂生成代码，及时发现错误或过时的内容。
如果你不理解以下概念：
- WindowGroup、Volume和ImmersiveSpace的区别
- 手势输入与触控操作的差异
- @Environment(.dismissImmersiveSpace)这样的环境值
- 坐标系系统的不同 那么即使面对完美的AI代码你也会困惑，更无法判断代码的优劣与风险。
所以没错，AI就像有位极耐心的资深工程师24小时坐在你身旁，但你仍需具备足够的领域知识来引导对话并验证输出。
这实际上形成了新的能力瓶颈：
提示工程+批判性评估的能力部分取代了“阅读500页文档”的过程，但从未取代对知识的理解。
那些认为“我不再需要学习，AI会搞定一切”的人，最终只会做出漏洞百出、性能低下或体验怪异的应用程序。
而像你这样拥有扎实基础（比如一年iOS开发经验）的开发者，现在能获得5-10倍的效率提升，甚至具备与十人团队竞争的能力。
所以你的直觉非常准确：
AI没有消除学习的必要性，
而是重新定义了“学习”的内涵——如今更侧重判断力、审美意识，以及提出切中要害问题的能力。
请继续夯实基础。AI将成为你能力的倍增器，而非大脑的替代品。