---
date: '2026-01-08'
draft: true
guest: ''
insight: ''
layout: post.njk
source: https://www.youtube.com/watch?v=DxRCFOOd0Oo
speaker: 课代表立正
title: "孙教授：为什么高中生用AI编程比程序员更快？从 User 到 Builder 的思维转变"
summary: "本期访谈中，课代表邀请了既是大学计算机教授又是 K-12 编程教育创业者的孙教授，深入探讨了 AI 如何重塑编程教育。孙教授分享了多个生动的案例，展示了完全没有编程基础的高中生如何利用 AI 工具（如 Cursor、ChatGPT）在几周内开发出商业级应用。访谈重点讨论了“知识的诅咒”——为何经验丰富的程序员往往会把问题复杂化，而学生们却能通过极其朴素的 MVP 思维快速解决问题。孙教授强调，在 AI 时代，技术门槛降低后，核心竞争力已转向“发现问题的能力”和“执行力”，并提出了“From Users to Builders”的教育理念。"
area: "tech-engineering"
category: "ai-ml"
project: []
tags:
  - "ai-education"
  - "software-development"
  - "prompt-engineering"
  - "mvp-development"
  - "execution-capability"
people: []
companies_orgs:
  - "OpenAI"
  - "Roblox"
  - "Google"
  - "Apple"
products_models:
  - "Cursor"
  - "ChatGPT"
  - "Flutter"
  - "GitHub Actions"
  - "Roblox Studio"
media_books: []

---

### 从大学教授到 K-12 教育创业

**课代表**: 哈喽孙教授，欢迎来到课代表理争论频道。

**孙教授**: 哎，课代表，多谢邀请。我一直是您的忠实粉丝，终于有机会跟您在这边做一些分享。

**课代表**: 客气客气，可不可以请你做一个简短的自我介绍嘞？

**孙教授**: 好。因为我经常关注您频道，您请到的各行各业的朋友经历都特别值得学习。我个人的背景是做 Computer Science（计算机科学）出身，其实和大部分咱们华人的背景有相似之处，也有不一样的地方。

我 PhD 毕业之后先去了业界大厂工作，大概做了一年多。大概在 2012、2013 年左右，我和我的一个老师去做了一个 Startup（初创公司），当时做的是 Mobile AR，通过照照片来做识别。当时我们拿到了一些 Seed Funding（种子轮融资），那个 Startup 做了一年多，但不是特别成功。

所以在考虑下一步发展时，最直接的反应是重新回到大厂工作。但因为我跟 Vanderbilt 的一位 Professor 合作，我发现当 Faculty（教职人员）其实有很多好的地方，能开拓很多新思维，而且非常灵活。你可以做 Teaching、做 Research，之后想做 Startup 还可以再做。

所以大概在 2014、2015 年的时候，我就落脚回到南加州，在 **Cal State**（加州州立大学）理工分校的 Computer Science 系做 Faculty。在做 Faculty 的同时，我有时间和灵活性继续探索不同的创业机会。

过去将近 10 年的时间，我一直在专注于做 **K-12** 的 Computer Science 和 AI Education。起因主要是 2015 年的时候，我们在大学拿到了一些 Funding，当时美国有一个很有名的 Initiative 叫做 **CS for All**，是奥巴马当时提出来的，鼓励所有中小学生开始学编程。政府拨了很多 Grant，我们在大学做了很多 Teacher Training 和 Curriculum Development 的工作，教周边的中小学生 Coding。

受到这波影响，我就开始转头做正儿八经的 K-12 Education。到现在大概七八年了，从一开始我一个人教、开发课程、做运营，到现在我们在西海岸、南加州、西雅图大概有八个校区。过去这么多年，我们带过的学生大概有四五千人，涵盖了从学前班一直到高中生的整个 K-12 跨度。

**课代表**: 我们先不讲创业过程，今天主要 Focus 讲从你的角度，你看既当大学教授教大学生，又自己开始教 K-12 的中小学生编程。最近咱们一起上了一个活动，你在上面讲了大家是怎么学 AI 的，以及学生们是如何使用 AI 去解决真实问题的。

我自己得到的启发是，学生们脑子里没有成见，所以他们反而用得特别快，做了很多我们觉得做不了、但其实能做的事。我想重点听你分享一下这边的故事。

### AI 时代的编程：高中生为何比大学生更快？

**孙教授**: 好的。我们要先讲为什么开始带这些孩子们做 Project。最初教编程就是教 Java、Machine Learning 这些课，后来我们就反思，最终的出口和目的是什么？

我自己是从信奥赛（信息学奥林匹克竞赛）出来的，但我发现信奥赛、刷题虽然是很好的技能，但可能不是学编程的终极目标。终极目标其实还是要做应用。现在这个时代是一个做 Startup 的好时候。我就在想，为什么不能让年龄低一点的同学很早就开始有这种创业的体验？

我们发现软件是一个很好的突破口。你想让一个高中生去开奶茶店基本上不靠谱，需要资金也没时间运营；但是你教高中生做一个 App、做一个平台，这在一定条件下是可以完成的。

**课代表**: 我稍微问一个问题，很多人觉得高中特别忙，甚至是我这辈子最忙的时候之一。从你的角度来看，为什么高中生反而有时间去做这些事了？

**孙教授**: 我发现美国高中生其实比国内高考要更忙。国内高考目标单一，就是一个分数；而这边除了分数，还需要做很多课外的东西（Extracurriculars），而课外这个东西是没有天花板的，所以大家觉得压力很大。

所以我们在带高中生时，需要明确目标。你的时间是有限的，要优先做能出亮点和成绩的事。第二要看兴趣，不是每个人最后都要学 CS。假如我的目标是学商科，那我能不能围绕这个 Idea 做一个项目，哪怕我是用 AI 把它 Launch 出来？

**课代表**: 对，所以作为一个想用 AI 或者想把编程做好的人，AI 确实带来了很大的助力。对于这些高中生，他可能恰好就用上了这 10 倍的效率。

**孙教授**: 是的。现在 AI 导致的一个结果是，它减少了 Ivy League（常春藤）学生的优势，因为普通同学通过工具也能达到同样的效果。这给我们带高中生打开了一扇窗。以前想做技术含量高的项目，如果同学没有相当多的 CS 背景，可行性很低。

但今年我们尝试带高中生直接用 **Cursor**、用 **Claude** 去做，发现跟教大学生还不一样。大学生本身有一些 Coding Background，但我们在教高中生时发现，即使没有 Coding Background，这个东西也能做成。

### 案例一：K-Pop 粉丝开发电商 App

**孙教授**: 我分享一个女生的例子，她叫 Timmy，她本身不想搞 Coding 或 STEM，她想搞 Business。我说想搞 Business 我们就做一个创业项目，你要找到痛点和需求。

她很快分享了一个例子。她很喜欢 **Blackpink** 这些韩国明星，每次去参加演唱会都会自己准备很多歌迷道具。其他歌迷每次都问她：“你这个东西在哪买的？我怎么买不到？”她觉得这是一个很好的商机。

我说这特别好，我们能不能建立一个小社区平台，甚至 App 的形式。不仅卖东西，还可以放 Concert 信息，给歌迷交流空间。

后来我们就尝试用 Claude Code 来教 Timmy 做这个 App。现在做 App 常用 **Flutter**，因为它是跨平台的，用到的语言叫 **Dart**。这些东西其实我们在大学是大四的专业选修课才教的。现在在同学没有太多 Coding Background 的前提下，直接用 Claude Code 去做。

经过七到八周的时间，第一个版本已经上线了，在 Apple Store 和 Google Play 都能下载。她把自己设计的产品列上去，打印了 QR Code，下次去参加 Concert 的时候就可以分发。

一开始我还比较担心质量，后来发现经过大量反复的测试和反馈，还真的能够达到一个可用的版本。

**课代表**: 当时我看的那个 App，完成度其实是挺高的。七八周里边 Timmy 花了多长时间？你们是几个人？比重是多少？

**孙教授**: 其实是这样一个分配：
1.  **第一周：** 教 Timmy 基础知识。至少得知道手机开发怎么回事，把 Android Studio、Flutter 环境装上去，知道怎么用 Emulator。
2.  **过一遍 Foundation：** 稍微过一下 Frontend（UI、Layout）和一点简单的 Backend（Database、**Firebase**）。不用花很多时间，通过 Peer Programming 的方式带着走一遍。告诉她这个参数控制 Margin，那个参数控制 Color，让她改改试试，有一个直观印象。
3.  **全靠 AI 生成：** 后面就直接是 AI Code。最重要的是教同学两点：一是基础 Prompting，二是反馈（Feedback）。任何代码出来后，一定要知道怎么去 verify，不对的话怎么把具体的 feedback 给回 AI。

前期老师带得多一些，后期我们给她发很多 Feature 让她做 Homework，发现她在课下甚至可以独立完成相当多的东西。除了中间遇到一些 Build Problem 老师帮忙解决，大部分 Functionality 都是她主动完成的。

平均下来，一个同学一周大概花 4-5 个小时。这 7-8 周大概就是 30-40 个小时的工作量。

**课代表**: 30 个小时，那作为一个全职打工人的话，一周拿出 20 个小时来，其实两个周就可以搞定这些事情。

**孙教授**: 一定的。Timmy 现在对 Dart 语言熟悉吗？肯定不至于。她对整个 Architecture、Networking 熟悉吗？也不行。但这个东西真的重要吗？我觉得是个问号。因为她的目标就是要做产品，要把商品放出去，那我觉得这就足够了。

### AI 工具带来的效率革命：一周抵一个月

**课代表**: 以前没有 AI 辅助的时候，要让一个高中生做这种 App，基本上不可行吧？

**孙教授**: 是的。我在大学教大四学生做同样的课（Software Engineering），是 15 周的学期，每周两节课，大约 3 小时。通常 2/3 时间讲 Foundation（Flutter），1/3 时间做 Project。

在没有 AI 的时候，大四学生也就是用大概 6-7 周的时间去做 Project。有的做得复杂，有的做得简单。而在 AI 辅助下，效率完全不同。

举个例子，2023 年底我第一次教 Prompt Engineering 这门课时，还没有 Cursor。我给大四学生留了一个月时间做 Final Project（全栈 AI Agent）。今年再上这门课，大家已经用 Cursor 用得挺好了，我就做了一个尝试，把 Final Project 提到月中，只给大家一周时间。

结果这一周时间做出来的 Project Quality，远远超过上一次用一个月做出来的。

再比如 **GitHub Actions**。以前教学生 Setup CI/CD Pipeline 非常花时间，你要 Push change，再去 Test，很啰嗦。现在用 AI，GitHub Action 的 Workflow Configuration 基本上是一遍成。不存在反复 Debug 的情况。

**课代表**: 编程的门槛一下子拉低了这么多，那什么东西变得有用？你会看到什么样的同学，你会觉得这个人在 AI 时代能比较好地抓住这波机会？

### 核心竞争力：发现问题与执行力

**孙教授**: 我那天分享过，技术门槛确确实实下降很大。我自己写了这么多年程序，一开始也觉得有点可惜，感觉技术含量没那么大了。但现在想一想，其实有更重要的东西需要 Focus。

做得比较好的同学，无论研究生还是高中生，真的就是具备两个特别重要的技能：
1.  **发现问题的能力**。
2.  **执行力**。

比如创业，你要找到具体的问题，而且不能漫天去想，一定要围绕你的经历去想。

我再讲一个例子。有个同学是弹钢琴的，华人孩子很多都有乐器特长。他说最近学习压力大，弹钢琴是为了放松，不是为了考级，所以不喜欢边弹边翻琴谱，因为记不住谱子。

我就提示他，你最近不是在学 Python 吗？能不能做一些数据分析，判断音的位置，做成一个自动翻谱的 Software。

最后我们做了一个 Prototype 出来，效果非常好。就是一个 iPad 程序，把乐谱变成图片存进去，后台程序听你弹琴的声音。声音进到电脑变成 Number（Frequency），写算法去判断你弹在哪个位置。如果弹到页面末尾，就自动切换图片。

**课代表**: 这个我非常感同身受。我自己就是很善于发现问题的人。就像写脱口秀的人，生活中到处都是段子，是因为他带着发现段子的眼睛。每个人一天平均能发现三个值得解决的问题，只不过大家全都忽略了。

**孙教授**: 是的。而且我当时看那个项目印象很深，尤其是 Research 的问题。识别正确的音不简单，如果弹错了怎么办？

这其实引出了一个关键点：**Curse of Knowledge（知识的诅咒）**。对于程序员或有过经历的人来说，脑子里一下就把问题想复杂了，觉得“这太难了，我解决不了”，可能根本不会开始。但这个同学没有 Curse of Knowledge，他就直接去做，然后就解决了。

**课代表**: 他是怎么解决的？

**孙教授**: 事实上这个项目确实有难度。声音进入电脑后数字非常敏感，稍微弹错一个 Key，或者快慢、强弱、背景噪音、麦克风位置不同，数字完全不一样。

这里边无非就是找 Features，做特征分析。我们甚至中间也找了一些算法作为参考。

但最重要的是，因为他没有经验，我们需要告诉他：**不要一开始想得是完美的，要有 MVP（Minimum Viable Product）的概念**。

最后的解决方案其实非常简单粗暴：我们提前录下每一页翻页瞬间大概 5 秒钟的声音。当你去亲手弹的时候，我不做复杂的分析，我就对比你过去 5 秒钟的声音跟我之前录的 5 秒钟区别有多大。我们设一个 Threshold（阈值）。这个方法绝对不是最 Intelligent 的，但是 It works。

所以这里没有什么捷径，就是要教大家做迭代。一开始做原型，一步一步来。

### 案例三：越年轻赚得越多？

**孙教授**: 我发现这些年学生创业赚钱的例子，有一个很有意思的现象：**年龄越低，挣钱其实越多**。

我们技术同学里挣钱最多的 Revenue，是一个当时八年级的同学。他做了一个 **Roblox** 游戏。起初他想卖 Virtual Items，发现没人买，因为没有流量。

后来他发现有人在交易游戏本身。在 Roblox 平台上，每一个游戏相当于一个 App。他就把别人的游戏买过来 Run，有了 Traffic 之后，他发现没必要卖道具，直接把做好的带流量的游戏卖出去就好了。反反复复这样做，当时一个暑假大概挣了小几万美元。

这虽然是几年前的例子，但说明了几点：
1.  低年级同学没有束缚，敢想。
2.  像 Roblox 这种东西，我们成年人如果不了解社区，其实很难做，只有年轻人懂年轻人的钱。
3.  小的时候时间更多。一旦到了高中、大学，就要考虑申请、工作，反而没时间。

**课代表**: 执行这件事情是可以激活的吗？怎么培养？

**孙教授**: 发现问题的能力比较好培养，引导一下看一些例子就行。但执行力（Motivation 和 Confidence）很难天生具备，必须从成功的经历里来。

如果我们能通过一些实际操作，让你产生一点点成功的经历，你就愿意多投入点时间，慢慢变成良性循环。

比如有一个叫 Bernard 的七年级男生，很典型的喜欢玩游戏的男生，用 Alienware 电脑。我们教他做 Roblox 游戏开发。结课后过了一个月，我去检查大家的 App 链接。大多数同学的下载量是个位数，但我发现 Bernard 的 App 有 70 多次 Visit，而且他在课结束后还在持续 Update。

我去问他，他说：“老师你不知道，第一周就有陌生人来玩，甚至有人留 Comment 说有个 Bug。我很紧张，就自己试着去修改。”

这就是一个小的 Trigger。别人的 Comment 和下载给了他 Inspiration。前提是他当时把东西做出来了，并且 Launch 出去了。

### 总结：From Users to Builders

**孙教授**: 我们的课程叫 **"AI Builders"**，之前的名字叫 "From Users to Builders"。在 AI 时代，最重要的就是 Builder 的心态和习惯。

对于高中生以下，这件事容易；对于程序员来说，反而难。因为我们在新时代，很多觉得重要的东西（比如把数据库底层做得多深）未必那么重要。

**课代表**: 那在计算机教育里，通过学这些基础（Foundation），有什么东西是重要且可能被 AI 掩盖的？

**孙教授**: 这个问题整个学术界都在讨论。Fundamental 的 Programming、Algorithm 肯定重要。但我发现 **Software Engineering（软件工程）** 的重要性反而提升了。

以前教 Software Engineering，大家把时间都花在写全栈代码上。现在 AI 帮大家写代码，大家反而有精力去关注真正的 Software Engineering Principle：怎么管理项目？怎么做 Growth？怎么做 Scale？

**课代表**: 对，我之前看过一篇文章说，很多业界新人容易犯错，是因为他们缺乏 Software Engineering 的思维。现在 AI 把 Coding 的时间省下来了，我们正好可以去补这块。

**孙教授**: 是的。最后我想分享的是，发展实在太快，很难预测。唯一的办法就是多去动手和尝试。

如果你有孩子，可以很好地引导：
1.  怎么找生活中的痛点。
2.  在 AI 帮助下，怎么从 0 到 1 做 Prototype。

只要走过一次，有了信心，就会打开思路。就像学游泳一定要下水，用 AI 去 Build 就是在游泳。站在岸上学一堆课是学不会的。

**课代表**: 感谢孙教授。今天从业界、大学、再到 K-12 的视角，对家长和打工人都非常有启发。非常感谢！