从写代码到说人话
——看计算思维的进化史
计算思维的核心是两件事：抽象和自动化。
先把现实世界里的问题抽象清楚——"我要解决什么"；再用计算机把解决过程自动化——"让机器来做"。听起来简单，但这两步能做到什么程度，取决于你手里的工具有多强。
我是一名大学老师，每周的每节课都要批改上百份学生作业。这件事让我亲身经历了计算思维工具的三次进化。
先说问题本身
100个学生的作业，从系统里导出就是100个压缩包，解压后是100个文件夹，文件夹里的文档名五花八门，有的叫作业3.pdf，有的叫homework_final_最终版_真的是最终版.pdf，还有人把作业塞在一个zip里，zip里套着一个文件夹，文件夹里才是正文。
说说我批改时的真实状态：打开第一个同学的文件夹，找到PDF，看完，关掉，回退打开第二个同学的文件夹，发现是个zip，解压，里面是3个Word，再逐一打开浏览，看完，关掉，打开第三个，可能是张手写作业的拍照照片......如此循环100次。
整个过程不是在"批改作业"，而是在"找作业"。真正读内容的时间可能只占一半，剩下的时间全耗在切换目录、打开关闭文件上。
这就是需要被抽象和自动化的问题。
如果能把100个人的作业合并成一个PDF，每页自动标好学号姓名，我只需要从头翻到尾，批完拉倒——这个效率差距是决定性的。
但是，光是把这堆东西整理成一个文件，就能让人先崩溃一次。
所以我开始折腾自动化。这一折腾，就经历了三个时代。
第一阶段：自己动手，丰衣足食（累）
写脚本 / 调bug / 肝到深夜
这是计算思维最原始的形态：你自己完成抽象，再自己写代码实现自动化。
我得先把问题想清楚：有哪些文件格式？每种怎么处理？合并顺序怎么定？水印放哪里？这一步是"抽象"，要把现实世界的混乱整理成计算机能理解的逻辑。
然后是实现：
- 先学怎么用Python处理PDF（好，找到了个库）
- 发现有的PDF是扫描件，处理方式不一样（好，再找方案）
- 发现有的文件是Word，有的是Markdown，有的是zip压缩包（好，一个个处理）
- 写完发现中文水印显示乱码（好，调字体）
前前后后花了好几个周末，最终磕磕绊绊搞出了一个能用的脚本。用的时候要打开终端，输一长串命令，一旦报错只有我自己能看懂。
这个阶段的瓶颈很明显：抽象和自动化都压在一个人身上。你得同时是"懂问题的人"和"会写代码的人"，缺一不可。
交付物：一堆代码。使用者：只有我自己。
第二阶段：AI帮我写代码（省力，但抽象还得自己来）
Vibe Coding / 描述需求 / 几分钟出结果
后来大模型火了，分工变了：你负责抽象，AI负责自动化。
于是我把想清楚的需求告诉AI："帮我写一个Python脚本，合并学生作业PDF，按学号姓名加水印，支持zip解压和Markdown转换。"
AI噼里啪啦写了一大段，我复制粘贴，跑起来，改几个小问题，完事。
原来要花一个周末的活，现在一个下午搞定。
这个阶段有个专门的词叫 Vibe Coding——你描述"感觉"和需求，AI帮你实现。你不需要记住每个函数怎么写，不需要自己查文档，只需要把问题想清楚、说清楚。
但有个事没变：你还是要有一个软件。
脚本要维护，要更新，要在别人的电脑上配环境。换个学期想改改逻辑，还得找回代码，重新让AI修改。
"自动化"这件事被封装进了一个软件，软件这个壳还在，只是造壳的成本降低了。
交付物：一堆AI写的代码。使用者：还是只有我自己。
第三阶段：连软件都省了（抽象一次，永久自动化）
Agent / Skill / 意图即指令
最近我在用一个叫 Qoder CLI 的 AI 编程助手，它有个功能叫 Skill（技能包）。
这一阶段的变化是：抽象的成果直接变成了AI的行为准则，不再需要翻译成代码。
简单说，就是把一套处理流程写成一个自然语言的说明文档，告诉AI："遇到作业批改任务，你按这个流程来。"然后这个说明文档就变成了AI的一项技能。
下次我要处理作业，只需要对AI说：
"合并这个目录下的作业"
AI就自动调用这个技能，找文件、解压、转换格式、加水印、合并输出——全部搞定。
你可能会问：那Skill本身不也要有人来写吗？
对，但Skill是一次性的抽象。写一次，以后每次处理作业都能用。更关键的是，Skill本质上是自然语言写的流程说明，不是代码——你把问题想清楚了，直接写下来就是Skill，不需要懂编程。
软件这个形态消失了。 以前，"自动化"意味着有一个程序在那里，你去操作它。现在，"自动化"意味着你把问题描述清楚，AI自己决定怎么办。
交付物：一个技能包。使用者：任何人。
三个阶段，抽象与自动化的分工在变
| 谁来抽象 | 谁来自动化 | 门槛 | |
|---|---|---|---|
| 第一阶段 | 你自己 | 你自己写代码 | 得懂技术 |
| 第二阶段 | 你自己 | AI写代码 | 得会描述 |
| 第三阶段 | 你自己 | AI直接执行 | 得想清楚 |
注意看"谁来抽象"这一列——三个阶段都是你自己。
这才是计算思维真正的核心：把现实世界的问题想清楚、说清楚。这件事AI替代不了，也不该替代。变化的只是"自动化"这一步的门槛，从必须会写代码，到只需要说一句话。
有人担心：AI会不会让程序员失业？
我觉得这个问题问偏了。真正发生的事情是：原来需要程序员才能做到的自动化，现在普通人也能做了。能力的门槛在降低，但"把问题想清楚"这个能力反而更值钱了——因为它成了唯一还需要人来做的事。
而我，一个平时要花很多时间整理作业文件的老师，现在只需要一句话。
剩下的时间，我用来认真看学生写了什么。