为什么先尝试还是先求助，顺序可能很重要
“先自己试”背后的直觉是：学习发生在挣扎的过程中，之后的 AI 帮助更像核对，而不是拐杖。证据与这一想法一致，但并没有把它单独分离出来。一篇关于编程教育中大型语言模型的综述报告称，人工与 AI 混合的工作流程——学生既动手又借助 AI——与更深的理解、对算法选择更好的推理以及更强的长期记忆相关 [2][5]。这描述的是独立工作与辅助工作的混合，而不是严格的“先尝试”规则，所以它支持这种做法的总体形态，却不能证明时机就是起作用的那个因素。
这篇系统综述还提供了一个机制层面的线索。它发现，结构化提示、渐进式提示、分阶段权限、反思性互动和逐步撤除支持——这些让学习者承担更多认知工作的设计——总体上比不受限制地直接给出答案更能支持主动参与，尽管对概念学习的影响参差不齐 [1]。通俗地说，在你已经认真尝试之后才以轻推形式出现的帮助，看起来比直接给出成品答案的帮助更有希望。该综述把真正的能力界定为对 AI 辅助编程的“可问责的掌控”，而不只是提示技巧或成功产出代码 [1]。
帮助在课程结束后真的留得住吗？
这里的情况就不那么整齐了。在一项让计算机科学学生完成 C 语言编程任务的研究中，ChatGPT 辅助的工作带来了更高的编程表现，但在即时和 48 小时间隔测量时，记忆并未受到显著影响 [3]。这是一个很短的窗口——两天算不上长期记忆——所以不应把它解读为 AI 帮助留不住的证据。它确实表明，任务中的更好表现不会自动转化为之后更好的回忆。
这篇系统综述从更广的角度得出了类似的谨慎结论：生成式 AI 更一致地支持即时的辅助表现、效率、反馈和参与度，而不是独立展示出的学习；关于延迟记忆、迁移和整合性长期能力的证据有限 [1]。所以诚实的证据状态是：辅助表现和持久学习是不同的结果，而后者被测量得少得多。
迁移是更难的考验，却几乎没有被测量
迁移指的是把学到的东西用在一个新的、不熟悉的问题上——可以说这是对编程最重要的结果。这里的证据最薄弱。该系统综述明确指出，关于延迟记忆和迁移的证据有限 [1]；而那项 ChatGPT 研究的摘要把 AI 辅助与较弱的迁移和过度自信联系起来，是作为更广泛文献中观察到的担忧，而不是它自己测得的结果 [3]。
迁移可能受损的一个原因是心理层面的：同一项研究在考察负荷和记忆的同时也考察了心理所有权，提示学习者觉得代码在多大程度上“属于自己”，可能影响他们投入的深度 [3]。这是一个提出的关联，而不是已确立的因果，但它与综述强调的验证——检查和理解 AI 的输出——相吻合，正是这一点把反思性的共同编程与复制并接受有缺陷的代码区分开来 [1]。
学习者或教师可以从中得到什么
如果你想要最可能有帮助的做法，证据倾向于先自己尝试，然后把 AI 用于核对、给提示或调试，而不是当作答案分发器。这一建议依据的是让学习者保持主动的设计 [1]，以及与更好理解和记忆相关的人工与 AI 混合工作流程 [2][5]，而不是一项把“先尝试”与“先求助”正面对比的研究。
由此有两点实际提醒。第一，用你在没有 AI 时能做什么来评判自己，因为辅助表现会高估独立学习 [1]。第二，不要以为一次顺利的课程就意味着持久的知识——唯一一项对照比较发现表现提升，但在 48 小时时没有显著的记忆效果 [3]。加入间隔重复和自适应题目安排的工具，正是为巩固长期记忆而专门构建的 [4]，这等于默认了单次 AI 辅助课程本身并不足够。
本文引用的文献
编程教育中的人机协同编程能力：一项系统综述
这项系统综述发现，生成式 AI 更一致地改善了即时的辅助表现、效率、反馈和参与度，而不是独立展示出的学习；结构化提示和分阶段权限比不受限制地直接给出答案更能支持学习者的主动参与；而关于延迟记忆和迁移的证据有限。
编程教育中大型语言模型的综述：启示
这篇综述报告称，编程活动中人工与 AI 混合的工作流程与更深的理解、对算法选择更好的推理以及更强的长期记忆相关，但没有说明 AI 帮助相对于独立尝试的时机。
你的编程学生与 ChatGPT 的认知：更高表现、更低记忆和更少所有权
在计算机科学学生完成 C 语言编程任务时，ChatGPT 辅助提高了编程表现，但在即时和 48 小时间隔测量时并未显著影响记忆；该工作还提出了对迁移较弱和心理所有权降低的担忧。
我的代码武器：AI 辅助编程教育中的自适应题目推荐与知识记忆安排
这篇论文介绍了一个自适应编程教育平台，结合动态难度校准、自适应题目推荐和间隔重复，以支持竞赛编程中的长期技能记忆。
编程教育中大型语言模型的综述：对计算机科学学习者的启示
这篇综述报告称，参与编程活动或人工与 AI 混合工作流程的学生表现出更深的理解、对算法选择更好的推理以及更强的长期记忆，但没有说明 AI 帮助是否只在独立尝试之后出现。