这是一个非常深刻的行业共性问题。在 AI 时代，“写代码”本身已经不再是成长的阶梯，而是变成了廉价的体力活。如果实习生只做“二传手”（把需求传给 AI，把代码传给导师），他不仅无法成长，反而会成为团队的负资产（引入不可控风险）。

基于第一性原理和麦肯锡结构化思维，我为您拆解这个问题，并制定一套**“AI 时代新人培养成长 SOP”**。

---

第一部分：核心问题分析

1. 方法论推演

第一性原理（回归本质）：人才成长的本质是什么？

• 旧时代：成长 = 记忆语法 + 熟悉 API + 积累 Bug 经验。

  • 路径：通过手写代码，建立肌肉记忆和业务逻辑的神经连接。

• AI 时代：AI 剥夺了“手写”的过程，导致神经连接无法建立。

  • 本质冲突：技能的习得需要“认知负荷”和“试错反馈”。AI 把认知负荷降到了 0，把试错过程黑盒化了。

  • 结论：成长的本质没有变（依然需要脑力激荡），但载体变了。现在的成长必须从“如何实现（How）”转移到“为什么这么做（Why）”和“它是对的吗（Verify）”。

麦肯锡结构化思维（MECE 分析）：问题出在哪里？ 我们将实习生的工作流拆解为三个环节，发现全部崩塌：

• 输入端（Input）：跳过思考。直接把模糊需求丢给 AI，自己没搞懂业务实体关系。

• 处理端（Process）：思维偷懒。不看 AI 生成的过程，只复制结果。失去了“调试”这一最宝贵的学习机会。

• 输出端（Output）：责任落空。出了 Bug 认为是 AI 不行，或者找导师兜底，缺乏“代码所有权（Ownership）”意识。

2. 核心痛点定义

“空心化工程师”危机：实习生变成了 Prompt Operator（提示词操作员），而不是 Software Engineer（软件工程师）。他们只有“调用能力”，没有“构建心智模型”的能力。

---

第二部分：重塑新人培养逻辑 —— “逆向防守”策略

在 AI 时代，我们不能禁止实习生用 AI，而是要提高使用 AI 的门槛。我们将导师的角色从“教你怎么写”转变为“拷问你为什么这么写”。

核心策略：将 AI 从“答案生成器”转变为“苏格拉底式的陪练”，并利用你们已经建立的 Core Workflow 作为强制约束工具。

---

第三部分：AI 时代新人培养成长 SOP

我们将新人的成长路径重构为四个阶段，每个阶段都有明确的AI 协作红线和导师考核点。

阶段一：业务架构师训练（禁止盲目编码）

目标：强迫新人建立业务心智模型。 痛点解决：解决“不知道业务直接开发”的问题。

• SOP 动作：

  1. 强制物理隔离：接到需求的前 30 分钟，禁止打开 Cursor/IDE。

  2. 手绘业务图：实习生必须用笔或白板画出业务流程图、数据流转图。

  3. AI 辅助分析：允许使用 AI（如 ChatGPT/Claude）进行需求质询。

     • Prompt：“我是一名实习生，我要做这个功能，请作为资深架构师，反问我 5 个关于该业务逻辑的漏洞或边界条件。”

  4. 导师准入卡点：在写第一行代码前，向导师讲解业务图。讲不清楚业务逻辑、数据来源、废弃字段的，驳回，禁止进入开发阶段。

  • 利用 Core Workflow：严格执行 requirements-analysis.md 和 workspace-detection.md。

阶段二：代码审查官训练（从写代码转为读代码）

目标：培养代码鉴赏能力和批判性思维。 痛点解决：解决“直接复制粘贴，不知道代码在干嘛”的问题。

• SOP 动作：

  1. AI 生成代码：允许使用 Cursor 生成代码。

  2. 强制注释重构：要求实习生给 AI 生成的代码写注释。

     • 规则：不是翻译代码（如 i++ // i加1），而是解释意图（// 此处使用Map是为了降低查找复杂度到O(1)）。

  3. AI 交互留痕：提交代码时，必须附带与 AI 的对话链接/截图。

  4. 导师验收卡点（Code Review）：

     • 导师不问“这个函数是干嘛的？”

     • 导师问“AI 给出了几个方案？为什么你选了这一个？”

     • 导师问“如果把这段 AI 代码删掉，换成暴力写法，会有什么性能差异？”

  • 利用 Core Workflow：利用 functional-design.md 中的设计决策进行拷问。

阶段三：测试驱动开发者训练（验证能力的培养）

目标：建立对代码质量的敬畏心。 痛点解决：解决“只改对一个场景，其他全挂”的问题。

• SOP 动作：

  1. 先写测试（TDD 变种）：在 AI 生成业务代码前，要求实习生先利用 AI 生成测试用例清单（Test Cases）。

  2. 边界攻击：要求实习生专门针对 AI 代码进行“攻击”。

     • 任务：找出 AI 代码在什么参数下会报错、死循环或内存溢出。

  3. 集成验证：对于跨子项目需求，要求实习生手动跑通全链路，并截图留证。

  • 利用 Core Workflow：严格执行 build-and-test.md 中的“兼容性回归”和“跨系统集成测试”。

阶段四：故障复盘复述（兜底能力的培养）

目标：培养解决问题的独立性。 痛点解决：解决“解决不了就甩锅给导师”的问题。

• SOP 动作：

  1. 禁止直接求助：遇到报错，严禁直接把错误发给导师。

  2. AI 诊疗单：必须带着**“三段式诊疗单”**来找导师：

     • 现象：报错信息是什么？

     • AI 的分析：AI 认为是什么原因？AI 尝试了哪些修复方案但失败了？

     • 我的假设：我认为 AI 错在哪？我怀疑是哪里出了问题？

  3. 事后知识库：问题解决后，实习生必须将该 Case 录入团队知识库，并标记“AI 盲区”。

---

第四部分：导师的“新角色”

在 AI 时代，导师不要做“Debug 机器”，要做“思维检察官”。

• 不要说：“这行代码写错了，应该改成 X。”（这是在喂饭）

• 要说：“AI 为什么在这里用了 useEffect？这会导致什么副作用？你去问问 AI，如果不自用 useEffect 怎么实现，然后回来告诉我。”（这是在练脑）

总结

这套 SOP 的核心逻辑是：利用 AI 的强执行力，倒逼实习生提升设计力和判断力。

• 以前：实习生是工匠，靠重复劳动熟练手艺。

• 现在：实习生是指挥官，必须懂地图（业务）、懂战术（设计）、懂验收（测试），才能指挥 AI 这支军队。

通过你们制定的 Core Workflow（10 个节点），实际上就是把这套 SOP 代码化、强制化了。 实习生如果跳过思考，Workflow 中的 requirements-analysis 和 functional-design 就会卡住他，这就是最好的训练。