很赞同吴恩达老师的观点，AI辅助编程确实可以让已有编程语言基础的人可以快速上手一门新语言，同时他也强调了理解语言背后的核心概念的重要性：

---

但是，理解不同语言背后的概念仍然很重要。这就是为什么学习至少一门像 Python 这样的语言，仍然能为你打下坚实的基础，去更好地提示 LLM 生成 Python 或其他语言的代码。如果你从一种编程语言转向另一种能完成类似任务但语法不同的语言——比如，从 JS 到 TS，或者 C++ 到 Java，或者 Rust 到 Go——一旦你掌握了第一门语言的概念，你也就掌握了提示 LLM 用第二种语言编写代码所需的大部分概念。（虽然 TensorFlow 和 PyTorch 不是编程语言，但学习了 TensorFlow 背后的深度学习概念，同样能让你更容易地让 LLM 为你编写 PyTorch 代码，反之亦然！）此外，你也能看懂大部分生成的代码（可能需要 LLM 稍微帮你解释一下）。

不同的编程语言反映了组织计算的不同思路，理解这些概念依然很重要。比如，如果一个人不理解数组、字典、缓存和内存这些概念，那么他让 LLM 用大多数语言写代码时，效果就会差一些。

同样地，一个想用 JS 做更多前端开发的 Python 开发者，如果能学习一些前端系统背后的概念，将会受益匪浅。比如，如果你想让 LLM 用 React 框架构建前端，那么理解以下内容会对你很有帮助：React 是如何将前端拆分成可复用的 UI 组件的，以及它是如何更新决定网页长什么样的 DOM 数据结构的。这样你就能更精确地给 LLM 提要求，并且在出问题时，也知道该如何修复。同理，如果你想让 LLM 帮你写 CUDA 或 ROCm 代码，那么理解 GPU 是如何组织计算和内存的，也会很有帮助。

就像精通多种人类语言的人能更轻松地与他人交流一样，LLM 也在让开发者能更轻松地在多种环境下构建系统。如果你还没试过，我鼓励你试试让 LLM 用你想学但可能还没抽出时间学的语言写点代码，看看它能不能帮你把一些新应用跑起来。

Keep building!

Andrew