不考写得出来，考说得清楚

吴恩达又说了一遍那个反直觉的建议：人人都该学编程。面对"AI 会把编程自动化掉、所以别学了"的高管论，他的反驳是——逻辑正好反了：正因为 AI 辅助让写代码变得前所未有地容易，才更值得每个人都去学。

他已经在多个岗位上看到了明显的生产力差距，而且不只发生在软件工程师身上：市场岗最好的人不等工程师、自己把网站做出来；招聘岗最好的人不肉眼筛简历、写个程序代劳。会把需求交代给计算机的人，正变得强得多、高效得多。

这段话里最要紧的一句被很多人划过去了：他说的学编程，不是一行行手敲——他自己几乎从不这么做。学编程的实质，是学会用计算机听得懂的方式把需求说清楚。

这一下就把编程课的考试大纲换掉了。过去的编程教育考的是"写得出来"：语法记牢、算法手推、边界条件不漏；AI 时代考的是"说得清楚"：结构化、有边界、可验收——这恰好是把需求翻译成机器指令的能力。同样一门课，评价体系从手指挪到了语言组织；同样一个学生，过去的短板可能是指法和语法，现在的短板是描述不清自己要什么。

这跟今晚几条线严丝合缝地对上了。说清需求＝prompt 写得像规格、＝任务规格是最稀缺的资产、＝不收 PR 收 prompt 的贡献新通货——编程的内核一路收敛到"表达"；再往回看那条"语言从目的降为底料"的判断，两篇其实是同一件事的两面：语言作为手工艺在贬值，作为表达的语法在升值。底料不能没有，但底料的意义不再是敲出来，是读得懂、说得清。

更实际的是它对非技术岗的暗示。吴恩达举的例子都不是程序员：市场做落地页、招聘做筛选器——这些活的共同点是"需求明确、范围有限、试错便宜"，正是 AI 辅助编程最顺手的一类。对职场人来说，接下来拉开差距的不是你写多快，而是你能不能把"我想要什么"压缩成计算机不产生误解的一段话。

给想补这一课的人一句落地的：别从算法刷题开始，从改写自己的工作流开始——把你上周手动做了三遍的那件事，用一句话描述给 AI，看它误解在哪。误解点就是你的表达漏洞；把漏洞补完，你就已经会"用计算机的方式说话"了。