71名高年级CS学生在2.3万行Python遗产代码中使用Copilot 10天，信任曲线先升后跌，最终集体达成共识：AI再强，也离不开懂行的人。
来自加州大学圣地亚哥分校（UCSD）和北卡罗来纳州立大学的一支六人教学研究天团，把71名即将踏入职场的高年级CS学生扔进一个23500行的Python遗产项目里，让他们和Copilot面对面硬刚10天，最后竟然集体悟出一句灵魂暴击：“没我它不行！”
为什么这六位六人教学老炮要搞这么一场实验？因为现在整个行业都疯了。面试不再问你会不会写代码，而是问你会不会用Copilot。
但问题是，如果你过度信任AI，生产环境可能直接变成灾难片；如果你完全不信，KPI又跑不过那些靠AI提效的同事。学生到底该怎么拿捏“信”与“不信”的火候？没人教，也没人系统研究过。于是这群教授决定：不如让学生真刀真枪上战场，看看信任这玩意儿到底怎么变。
实验地点设在UCSD一门高阶软件工程选修课上，课程主题正是“棕色地带开发”——即在庞大的、未经设计的旧代码里打怪升级。选中的项目是Python标准库中的idlelib，它实现了IDLE这个给新手用的轻量级IDE。别看它简单，代码量却高达23500行，分布在128个文件中，还包括10000行测试代码。随便翻两页，都能闻到2003年的代码尘。
参与实验的71名学生，平均年龄在大三到大四之间，多数即将毕业进入业界。他们的Copilot使用经历可谓五花八门：
49%的学生课前从未用过Copilot，纯纯小白；
42%只拿它写过“Hello World”级别的脚本；
12%曾用它读大型代码，但没动手改过；
仅有极少数7%的学生尝试过在遗产项目里使用AI，堪称稀有国宝。
整个实验节奏安排得张弛有度。先是80分钟的“极速直播课”：
前10分钟，老师用简单语言科普NLP基础概念，比如上下文、训练数据、token概率分布；
接着30分钟演示Copilot的炫技功能，从行内注释生成代码，到Copilot Chat支持文件上下文，再到/expalin、/fix、/docs等魔法命令；
最精彩的是中间15分钟，老师故意让Copilot生成有bug的代码，让学生亲眼看到它“翻车”，弹幕瞬间刷屏“就这？”；
最后15分钟，学生自己用Copilot完成一个微小功能修改，亲身体验它的威力与局限。
然后进入重头戏——为期10天的个人项目。任务是给IDLE添加“跳转到定义”（Go to Definition）功能。在VS Code这种现代IDE里，这功能稀松平常，但要在IDLE这种轻量级遗产项目里实现，挑战不小。学生需要：找到右键菜单的定义位置、添加新菜单项、编写跳转逻辑、绑定事件、还要处理各种边缘情况。看似只需30行新代码，但每一步都得深入理解现有架构，堪称遗产代码的地狱迷宫。
整个过程中，研究团队安排了三次信任问卷：课前、课后、项目完成当天。问卷基于经典信任量表改编，包含6个核心问题，比如“我相信Copilot的输出”“它输出的质量等同于高能力程序员”“我理解它的行为逻辑”等，用1到5分李克特量表打分。此外，每次调查都附带一道开放题，让学生自由吐槽，结果情感浓度爆炸，金句频出。
数据出炉后，信任曲线比比特币K线还刺激。
49.3%的学生在课后立刻“路转粉”，信任飙升；
但到了项目结束，这波人中有40%又“粉转黑”，直言“被AI耍了”。
剩下的人则进入冷静期，不再盲目吹捧，也不一棒子打死，而是把AI当作工具。
细分维度上，S3条目“我理解Copilot下一步会做什么”在课后显著提升（p<0.001），说明10分钟的NLP科普立竿见影；
而S2条目“它输出≈大神手写”在项目后也显著上升，学生反馈：“它有时比我室友还聪明，但有时连print都写错，我裂开了。”
个人偏好（S5）则呈现经典的“热恋—下头”曲线。
有意思的是，新手和老手的态度差异肉眼可见。没用过Copilot的学生，60%在课后信任上升；而有经验的学生只有38%再被圈粉。虽然统计上不显著，但开放题里清一色是“见过世面就是难骗”“之前被坑过，不敢再信”。
学生的原声吐槽更是精彩纷呈。
课前印象如：它曾给我生成递归爆栈，我对它的信任像头发一样日渐稀少。
课后惊喜包括：原来能@workspace把整个目录喂给它，瞬间感觉AI开了天眼
老师讲了token概率，我悟了，它不是神，只是统计狂魔。
项目翻车现场更是惨烈：“我让它找右键菜单在哪，它指到火星，最后我自己grep赢麻了
它写的goto骨架OK，但边缘case全是我熬夜debug，合着我是它免费QA？
但最让人拍案叫绝的，是那些“人间清醒”发言：“它不是替代品，是脚手架，得我先会盖房，它才能帮我刷墙。”这句话道出了本次实验的核心结论：AI不能取代程序员，但能放大程序员的能力——前提是，你得先有能力。
从学术角度看，研究团队用MATCH模型对现象做了深度解构。
Ability（能力）维度上，Copilot在代码生成和上下文理解上得分70，偶尔抄错行；
Benevolence（善意）上，学生普遍认为GitHub没有恶意，但也没少挖坑；
Integrity（正直）则体现在Transformer架构本身——它不撒谎，只是过度自信。
Trust Affordance（信任外挂）方面，行内代码插入、/explain命令、透明度按钮（显示参考文件）都是关键信任构建点。
而Trust Judgment（信任判断）则分两类：系统式（逐行review、diff高亮）带来安全感，启发式（看AI自信就accept）则容易社死。
基于这些发现，研究团队提炼出四条教学铁律，堪称AI时代软件工程教育的黄金准则。
第一，任务难度必须拉满。只让学生用AI写“打印三角形”根本测不出真实信任，必须扔进遗产代码这种复杂环境，让他们自己踩坑。只有亲身体验过AI的局限，才能建立理性信任。
第二，传统技能绝不能丢。读码、调试、单元测试这些基本功，就像程序员的徒手健身，必须天天练。AI再强，也扛不住需求变更的暴击，学生得先成为1.0版本的“人肉编译器”，才有资格驾驭AI。
第三，NLP速成课必须安排。10分钟讲清“上下文+概率+token”的原理，学生立刻明白“AI不是通灵，只是算得猛”，期望管理一步到位。这种认知对冲，能有效防止盲目信任。
第四，功能演示要炫。/explain、/fix、/docs这些魔法命令，老师必须现场连招打一遍。学生看到“还有这种操作？”，信任值瞬间回血。这不仅是技术教学，更是信任基建。
当然，研究团队也坦诚指出了实验的局限。
第一，只测了态度，没测行为。学生嘴上说“不信”，手指可能诚实地狂按Tab。下一阶段计划引入眼动仪、键盘记录甚至脑电波，看真实行为是否与态度一致。
第二，样本单一，全是Python背景的学生，在C++、Java或前端项目中，信任曲线可能完全不同。
第三，时间太短，10天只能体验“热恋期”，真正的“七年之痒”得追踪到他们毕业进厂。
第四，存在教师光环效应——老师一句“业界都在用”，等于官方背书，学生信任值直接+20%，但现实中老板可没空给你灌鸡汤。
最后，学生还给后来人留下了三条血泪忠告：“别在deadline前第一次用Copilot，你会想砸电脑。”“先自己画调用图，再让它填空，顺序反了就是灾难片。”“把它当猫撸，顺毛就给你卖萌，逆毛就给你一手爪痕。”
收尾高能，主播敲黑板：信任不是玄学，而是肌肉记忆。你得先自己硬，AI才能飞。把legacy code当成健身房，把Copilot当成私教，练出八块腹肌般的debug直觉。未来无论AI怎么升级，你都能淡定回一句：“小样，我懂你。”
这场10天的信任实验，最终没有诞生神，也没有制造恐慌，而是让71位准程序员认清了一个朴素真理：AI是工具，人是主体。技术再炫，也绕不开“懂行”二字。这不仅是给学生的忠告，更是给整个行业的清醒剂。