小編精選 - 技術文章翻譯 · 09月11日

開發者的學習之旅：學習方法隨時間演變

程式設計模因

「活著就像明天就要死去。學習就像永遠活著。」——聖雄甘地

在科技領域，學習永無止境。但學習的方式會隨著時間而改變。一開始感覺完美的東西，幾年後可能會變成障礙。

這是我個人的故事，講述了我的學習體系如何從面對面的 IT 學校發展到影片課程，從在建置寵物專案時閱讀文件到結構化、實踐性強的程序，最後發展到與人工智能的謹慎關係。

如果您認識到自己有這樣的情況，那麼您並不孤單。

第一階段：IT 訓練營（IT 學校）作為初學者的指南針（2018 年）

由於我來自完全不同的領域，我需要三樣自學無法提供的東西：

結構－清晰、精心設計的課程，依正確的順序排列正確的主題。
支援—當您遇到困難時可以向導師和指導員求助—他們可以為您解除障礙並幫助您前進。
同儕社群－共同奮鬥的人，他們明白為什麼一個缺少的分號會毀掉你的整個夜晚。

在這個階段，零散的影片教學和單一技術的迷你課程，感覺就像是隨意堆砌磚塊來蓋房子，缺乏我需要的全面、系統化的方法。

訓練營（對我來說，是IT學校的課程）成了顯而易見的選擇。現場參與增添了必要的氛圍和動力——親臨現場會讓你認真對待。與同學一起進行團隊專案，並加入一個討論解決方案的社區，讓整個過程倍增。沒有什麼比你向別人解釋你的bug，然後突然想到解決方案的那一刻更讓人興奮的了。

就這樣，我透過全端 JavaScript 開發者專案進入了程式設計的世界。那時候，React 還是用類別元件寫的！ 😄（對於年輕讀者來說——是的，我們以前到處都寫componentDidMount和this.setState ，而且我們挺喜歡的……算是吧。）

IT 訓練營能為入門者提供良好的基礎，幫助他們順利進入這個行業，非常適合初入職場。一旦你了解了行業概況，就可以開始獨立探索了。之後，再回到訓練營學習新的主題就感覺有點小題大做了。我的大學教育已經教會了我查找和分析資訊的必要技能；我只需要在進入這個行業之前給自己一些動力。

這種認識讓我重新考慮了視訊課程。像Udemy這樣的平台－一開始不太管用，現在突然變成了完美的工具。

第二階段：影片教學 - 快速沉浸（前兩年經驗）

當你初次學習技術，且缺乏相關經驗時，循序漸進、直觀易懂的訊息傳遞方式，以及循序漸進的講解，是幫助你理解的最佳方式。你認真跟隨講師的講解，完成課程專案，並融入自己的創意。最終，你就能牢牢記住所學。這是一種快速掌握新工具的方法，無需投入大量資金。

我在 Udemy 和類似平台上花了無數時間。學習內容涵蓋了早期 Node.js 的高階概念，以及隨著經驗累積而學習的 TypeScript 和 GraphQL。

但隨著我知識的增長，這種模式突然失效了。我發現了幾個痛點：

理解的錯覺。一切立刻變得有意義。無需在IDE中敲擊程式碼——一切都顯得簡單明了。這完全扼殺了效率。學習必須透過實踐，而不是被動觀看。這與懶惰無關，而在於盲目自信地認為「我懂了」。結果呢？你看了一部兩週後就會忘記的電影。
細節過多。為了通用性，資訊解釋過度——即使是初學者也適用。即使以 1.5-2 倍速閱讀，我還是缺乏耐心，只想跳過。如果某種格式讓你感到厭煩，就該尋找替代方案了。
到處都是同樣的老師。他們會教你整個 JavaScript 堆疊。最終，千篇一律的聲音、習慣和演示風格會讓人感到厭煩。就像你最喜歡的歌，你反覆播放到無法忍受為止。無意冒犯老師——他們做得很好。這只是我認知的演進。
跟風的無聊。我想建造自己的船，而不是抄襲別人的藍圖。課程的價值消失了——啟動一個自己喜歡的專案，利用人工智慧的文件在實踐中學習變得更簡單了。
缺乏真正的評估。小型的自動測驗無法測試實際技能。迫切需要的是專案作業，以及後續的評審或指導。

綜合起來，你不再適合這種學習模式──它開始阻礙你。你雖然勾選了，但實際上並沒有學到任何實質的東西。

一個完美的例子：學習 GraphQL。在視訊課程中，一切看起來都合乎邏輯且清晰明了——模式、解析器、查詢。你感覺自己已經掌握了它。但在實踐中，真正的樂趣才剛開始：Apollo 用戶端快取無法如預期運作，分頁與訂閱結合會破壞快取更新邏輯，而錯誤處理則需要深入了解框架的內部原理。在流暢的教程中看似簡單的事情，在現實中可能需要花費數小時進行除錯和文件挖掘。「理論上理解」和「實踐中發揮作用」之間的差距是這種格式的主要限制。

這種模式大約兩年來運作良好，但後來出現了改變的需求。當你準備獨立工作但經驗不足時，這種模式非常理想——你腦子裡還沒有類似的模式，而且對每個細節都充滿興趣。對於經驗豐富的開發人員來說，「跟隨」模式就失去了價值。

第三階段：文件和寵物專案 - 獨立探索

如果說官方文件曾經顯得枯燥乏味、缺乏條理，無法提供全局視角，那麼經驗則會顛覆一切。有了技術堆疊的心理模型，聯想記憶和對常見原理的直覺就能幫助你快速掌握新工具。你不再需要手把手的指導和循序漸進的說明——文件和紮實的 Google 功夫就能填補這些空白。

當枯燥的官方文獻成為首選的學習方法時，觀察這種演變是令人著迷的。

沒有廢話——您可以在需要時閱讀您所需的內容。
務實的學習－你會遇到真正的錯誤，尋找真正的解決方案，並記住它們，因為它們會帶給你一些痛苦。你會跌倒，跌倒，然後站起來，正是這種掙扎讓知識牢牢地紮根在心底。
遷移學習－先前的模式可以幫助您更快地掌握新工具，透過直覺和經驗將各個點連結起來。

“閱讀文件而不去實踐就像閱讀食譜而不去烹飪——你可能了解食譜，但你還沒有學會烹飪。”

光閱讀文件毫無意義。原則不變：邊做邊學。打造你自己的航船（一個學習的寵物專案），並保持文件開放，就像你的地圖一樣。例如，我就是這樣在商業上從事其他技術棧工作的同時，保持我的 MERN 技術棧技能的新鮮感的。當文件稀缺時，可以選擇性地引入其他工具——關鍵在於自由飛行：能夠獨立尋找、解讀和應用資訊。

這種格式對初學者來說比較難——如果沒有現成的思維模型，文件可能會讓人感到困惑和不完整。但有了經驗，它比影片教學更快、更「專業」。

循環：專案 → 問題 → 文件 → 修復 → 重複。這就是你學習實際工作方式的方法。

這種方法也解決了一個行業悖論：招聘訊息通常要求“2年以上X行業經驗” ——但如果沒有這些經驗就沒人僱用你，你又如何獲得這份工作呢？透過文件和自己喜歡的專案自學並不等於一份工作，但比被動學習教學更接近。這證明你有能力解決不熟悉領域的問題。

經驗法則：始終以專案為起點。讓專案驅動你的閱讀清單。

第四階段：課程與作業－結構加自由

科技不斷擴展，新工具層出不窮。全端工程師需要廣泛的知識基礎，但知識儲備是針對特定專案的——在特定工作中，你用到的知識遠非全部，而其他技能自然也逐漸被淘汰。最終，無休止的一次性專案也會讓人感到厭倦和沮喪。你渴望新的模式。

我最近發現了赫爾辛基大學的全端開放課程，它非常適合複習熟悉的技術，也適合學習新的技術。它對我很有用，因為：

動力很重要。你可以獲得大學正式學分。這需要你實際提交作業。雖然沒有直接的回饋，但感覺上還是有的——知識庫會經過人工審核，以分配學分。而且是免費的。
自行建造。許多作業必須獨立完成。你可以擴展作業，使其超越最低要求。課程提供理論和指導，但最終的執行由你決定。

這本質上和你自己的專案（有文件）沒什麼區別，只不過是在大學的支持下，有結構化的程序。有時回歸本源也挺不錯的。俗話說： 「一切新事物都會被遺忘。」這種方法將不同的方法與新鮮的空氣融合在一起。

透過 FSO，我了解了：

後端： Node.js、Express、Supertest、Node 測試框架
前端： React、Redux Toolkit、React Query、Vitest、Playwright、Cypress
資料庫： MongoDB、Mongoose、Sequelize、PostgreSQL
CI/CD： GitHub Actions
容器： Docker
其他： TypeScript、GraphQL

不，大腦不可能記住所有這些技術的每個細節（我下次會專門討論認知極限）。但你可以學習如何運用它們來解決實際的商業問題。

第五階段：人工智慧在學習上的應用－一把雙面刃

這是一個危險的領域，我還沒有完全劃定界限，但有些事情值得強調。人工智慧既可以加速你的成長，也可以完全阻礙你的進步。

優點： AI 是一位全天候的導師，可以加快工作速度，減少谷歌和 Stack Overflow 搜尋的時間，立即解釋複雜的主題，提供現成的解決方案。

缺點：如果你正在學習新東西，直接把AI生成的程式碼貼到你的專案中，可能會讓你失去真正累積專業知識的艱苦流程。在學習模式下，你需要經歷痛苦的循環：中斷 → 修復 → 重構 → 重複。而理解正是在這些循環中建立起來的。

反模式： “逐行解釋這段程式碼，我就能記住它。”

如果你不去爭取的話，你就不會成功。

即使AI詳細解釋了程式碼，你也會忘記，因為你沒有親身經歷過這個過程。經驗遠比被動理解重要。學習過程中複製貼上現成的解決方案是一種反模式：你沒有內化錯誤和修復方法，所以你沒有掌握這項技能。

如果你已經是一位經驗豐富的開發者，那麼依賴人工智慧並不那麼危險——你可以有意識地閱讀、調整和應用程式碼。但在學習新工具時，你需要先成為不依賴人工智慧的專家，然後才能將其作為槓桿。否則，你可能會產生一種自以為已經掌握了知識的幻覺，最終發現，如果沒有人工智慧的幫助，即使是簡單的任務也解決不了。

需要澄清的是：我並非在任何情況下都反對人工智慧。我現在正在使用它——不是為了產生我的想法，而是為了幫我潤飾文字，使之成為一篇可讀的文章。這和僱用一名編輯沒什麼兩樣。想法是我的，工具只是幫助我更好地表達它們。這沒關係，因為我的目標不是成為職業作家或編輯。但在我的核心領域——軟體開發——規則有所不同。這就是區別所在：如果這是你的職業，你需要透過工作來生存。如果不是，那麼外包就是可行的。

本文並非旨在製定規則——我只是分享我的觀察。但在IT學校擔任了四年導師之後，我冒昧地給初學者提個建議：使用人工智慧時務必格外謹慎，或者更好的是，在你能夠自信地獨立處理這項技術之前，完全不要使用它。正是這種掙扎，讓學習變得真實。