AI都生成代码了，Java程序员还学基础干嘛？讲点扎心的大实话

你负责“复制粘贴”，AI负责“生成代码”——看起来很美好，直到凌晨三点被一通电话叫醒

上个月，团队里来了个实习生，用了两周就把一个 CRUD 模块写完了，代码行数不多，但跑得挺顺。我问他：“这块逻辑你是怎么设计的？”他笑了笑，说：“问的 GPT，它给的代码直接就能跑。”

我没说什么。

一周后，这个模块上线了。凌晨三点，报警电话把我叫醒——系统 OOM，堆外内存泄漏，GC 日志里全是 Full GC，Metaspace 几乎被打满。排查了两个小时，最后定位到实习生写的那段“完美代码”：动态代理生成类没有限制，配合某个框架的类加载器复用问题，每次请求都往 Metaspace 里塞新类，十几个小时就把元空间撑爆了。

实习生很委屈：“AI 生成的代码，我看着也没问题啊。”

我问他：“你知道 Java 的类加载机制吗？知道 Metaspace 是干什么的吗？知道动态代理生成的类是怎么被加载和卸载的吗？”

他摇头。

我问他：“那你觉得，AI 能替你回答这些问题吗？”

先别急着怼，AI确实有用

我必须承认，AI 写代码的能力在飞速进步。现在的 Copilot、ChatGPT、Claude，在以下场景简直是神器：

• 生成标准的 CRUD 接口代码
• 写单元测试模板
• 完成重复性的数据转换逻辑
• 解释一段陌生代码的含义

我每天也在用。一个 Controller 从数据库查数据、转 VO、返回，这种活儿我从来不让手写，全是 AI 代劳。

但问题在于——很多人把 AI 当成了“编程能力本身”，而不是“编程能力的辅助”。

这就好比你会用计算器，但你不能不懂加减乘除。计算器按快了也会出错，而你连验算的能力都没有，那就只能等着账算错。

AI 写代码，最容易在这 5 个地方翻车

下面我说的每一个场景，都是真实踩过的坑。你自己对号入座，看看有没有中招。

翻车场景 1：事务注解“假装”有效

让 AI 写一个用户注册方法，注册完要插入积分记录。AI 很自然地给了这段代码：

java
@Transactional public void register(User user) { userDao.insert(user); pointsService.addPoints(user.getId(), 100); }

看起来没问题是吧？

但如果addPoints方法内部捕获了异常而没有抛出（比如记录日志后吞掉了），整个事务不会回滚，用户注册成功，积分却没加上。

懂基础的程序员知道，@Transactional默认只回滚RuntimeException和Error，检查异常不会触发回滚。而且事务要生效，方法不能是private，调用方必须走 Spring 代理。

AI 不会主动告诉你这些。你问它“这段代码有问题吗”，它会说“看起来正确，建议测试一下”。——这等于没回答。

翻车场景 2：线程安全的“我以为安全了”

让 AI 写一个计数器，统计接口调用次数。AI 给了这段：

java
private static int count = 0; public void increment() { count++; }

懂 Java 的人看到count++就知道，这不是原子操作，多线程下结果一定不准。

但如果你不懂 JMM、不了解synchronized或AtomicInteger，你可能就直接拿去用了。等线上压测发现数字不对，你还以为是业务逻辑算错了。

翻车场景 3：N+1 查询，性能杀手

让 AI 写一个“查询所有订单及订单项”的接口。AI 最常见的写法：

java
List<Order> orders = orderMapper.listAll(); for (Order order : orders) { List<Item> items = itemMapper.getByOrderId(order.getId()); order.setItems(items); }

这段代码在开发环境（10 条订单）跑起来毫无压力。上线后数据量到 1000 条订单，SQL 执行次数 = 1 + 1000 = 1001 次。

懂基础的程序员知道，这种情况要么用JOIN一次查出所有数据，要么用IN批量查询。AI 不会替你考虑“数据量增长后会发生什么”。

翻车场景 4：Redis 分布式锁的坑

让 AI 写一个分布式锁，它大概率给你这个：

java
Boolean flag = redisTemplate.opsForValue() .setIfAbsent(key, value, Duration.ofSeconds(30));

单看这行没问题。但解锁的时候呢？如果不判断是不是自己加的锁就del，可能把别人的锁给删了。

懂基础的程序员会告诉你：要用唯一标识value来验证身份，并且解锁操作要保证原子性——最好直接用 Redisson，它会自动帮你处理锁续期和释放的细节。

AI 能给你这些经验吗？不能。它只会给你“看起来对”的代码。

翻车场景 5：内存泄漏的隐藏彩蛋

让 AI 写一个缓存工具类，它很可能给你一个static Map无限往里塞数据，没有淘汰策略。

懂基础的程序员看到static就知道，这些对象的生命周期和 JVM 一样长，如果不控制，迟早 OOM。他会考虑用Guava Cache、Caffeine或者自己实现 LRU。

AI 不会提醒你“这段代码在生产环境跑一周会出事”。

为什么基础差的人，会被 AI 困在“舒适区陷阱”？

我给你画个表，一目了然：

不懂基础的人，AI 用着用着，就成了“AI 的传声筒”。

今天 AI 能写 Java，明天就能写 Python、Go、Rust。如果只会“让 AI 写代码，我负责复制”，那你的可替代性，约等于一个不需要工资的实习生。

哪些基础知识，是 AI 时代反而更重要的？

我不跟你讲废话。以 Java 为例，以下 5 个模块，优先级最高：

1. JVM 内存模型 + 类加载机制

为什么重要？AI 不会替你排查 OOM、不会替你分析 GC 日志、不会告诉你怎么优化 Metaspace。

学到什么程度？能说清楚堆、栈、方法区（Metaspace）分别存什么；知道类加载的双亲委派机制；能看懂 GC 日志里的关键指标。

2. 并发编程

为什么重要？AI 给的线程代码，十个有八个不是线程安全的。你不懂 happens-before、volatile、锁的升级过程，就看不出来。

学到什么程度？能手写一个生产者-消费者模型；能说清楚synchronized和ReentrantLock的区别；知道什么是死锁以及怎么避免。

3. 集合源码（至少 ArrayList、HashMap）

为什么重要？集合用不对，性能翻车是大概率事件。AI 不会告诉你 ArrayList 的扩容开销有多大，也不会提醒你 HashMap 在多线程下会形成环形链表。

学到什么程度？能说清楚 HashMap 的 put 流程、扩容机制、为什么容量是 2 的幂次方。

4. 设计模式

为什么重要？AI 能把代码写对，但很难写好、写优雅、写扩展性强。你让它写一个支付模块，它能给你 if-else 写到底；懂设计模式的人会自然地用策略模式或工厂模式重构。

学到什么程度？单例、工厂、策略、模板方法、代理这 5 种能熟练应用。

5. SQL 优化 + 索引原理

为什么重要？慢 SQL 是线上最常见的性能杀手。AI 能生成正确的 SQL，但不会分析 explain 结果，也不会告诉你该建什么索引。

学到什么程度？能看懂 explain 的 type、key、rows、Extra；知道联合索引的最左前缀原则。

AI + 扎实基础 = 下一个时代的稀缺能力

我最近越来越觉得，AI 不会淘汰程序员，但会用 AI 的“胶水程序员”会被淘汰。

懂基础的程序员，AI 是副驾驶——生成重复代码、自动补全、快速查文档，把时间省下来去做架构设计、性能优化、业务建模。

不懂基础的程序员，AI 是轮椅——离开 AI 连一个简单的循环都写不顺，AI 给什么就信什么，出了问题两眼一抹黑。

你想当哪种？

写在最后

这篇文章没有劝你放弃 AI。恰恰相反，我每天深度使用 AI 来写代码、写文章、查资料。

但所有这些“高效”，都建立在一个前提下：我知道 AI 给的代码为什么对，也知道可能哪里会错。

这个“知道”，靠的不是天赋，而是日复一日的、枯燥的、甚至有点反人性的基础积累。

✍️思考题

最近你用 AI 写的一段代码里，有没有出现过“看起来对，但仔细一想不对”的情况？欢迎在评论区贴出来，大家一起排雷。

推荐阅读

这个问题——”AI 生成的代码如何审查？“——我建议是先学习一下基础，可以关注一下下面的公众号。

如果你也想系统地夯实这些“AI 替不了你”的基础

这个公众号叫「从CRUD到架构师」，名字起得很直白——从每天写增删改查开始，一步一步走到能设计架构、能排查深坑、能带团队。

接下来，我会把 Java 学习路径的每个阶段，拆成每周一篇的干货：

我不保证每篇都是爆款，但我保证每篇都是自己踩过坑之后写的。

不是告诉你“这个东西怎么配置”，而是告诉你：

• 为什么这么设计
• 面试官为什么爱问这个
• 真实项目里到底踩过什么坑
• AI 给的方案哪里不够、怎么改

如果这篇文章对你有启发

欢迎「关注」「从CRUD到架构师」公众号，每周一三五，我们一起把 Java 的基础和架构，一块块吃透。

技术这条路，一个人走容易迷路，一群人走，方向会越来越清楚。

—— 来自「从CRUD到架构师」