我先核实这句标题的原始出处和背后的数据，再按你的模板成稿。
这篇控诉之所以炸开，不是因为它说了 “AI 太强”，而是因为它指出了一个更难反驳的点：学校把 AI 用在了教学管理上，却没有同步建立稳定的规则。作者是自称大二学生的 Katie，普通家庭、没有名校背景、高中数学只拿 B，靠奖学金读计算机，唯一的项目经历是几个简陋的网页小游戏。她在个人博客写下 “AI 正在毁掉我的计算机学位”，24 小时内登上 Hacker News 首页第一，随后被国内媒体大量转译。她列举的荒诞细节很具体：课程大纲是 Claude 批量生成的，期末大作业由 LLM 自动批改，连导师的 “关怀邮件” 都是后台自动触发的告警；同一门课，上一个模块强制要求用 AI 并计入成绩，她自费开了 Claude 订阅，下一个模块提交同样的 AI 辅助代码，却被判 “学术不端、使用 LLM 扣分”；一份作业 3000 字说明、要交 15 份材料，作业量比以前翻三倍，DDL 前一周老师发勘误邮件说大纲有两处写错、请重新提交。她把根因指向管理层：能自动出题、自动批改，就不必再花钱聘助教、扩讲师编制。但要说清楚，这是一篇个人叙事，样本只有一个人，它揭露的是 “AI 进课堂后规则失序” 这一类问题，不能直接推出 “所有大学的计算机学位都已作废”。
一、先分清：哪些是事实、哪些是她的判断
| 内容 | 性质 | 证据强度 |
|---|---|---|
| 课程大纲由 Claude 生成、作业由 LLM 批改 | 学生自述 | 单方叙述，无校方文件 |
| 同一课程模块间 AI 规则相反，先强制后判违规 | 学生自述 | 有具体情境，但无课程文件佐证 |
| 3000 字说明、15 份材料、作业量翻三倍 | 学生主观感受 + 具体数字 | 数量可核对，但 “翻三倍” 是体感口径 |
| 导师邮件是自动告警 | 学生自述 | 单方叙述 |
| 根因是管理层削减助教与讲师编制 | 作者归因判断 | 无预算或编制变动数据支撑 |
| 帖子 24 小时登上 HN 榜首 | 可外部验证 | 平台热度事实 |
| 评论区两极分化 | 可外部验证 | HN 评论属自选择样本 |
这七条里，只有最后两条能靠公开页面直接验证；中间几条属于 “当事人体验”，这正是它有价值也有局限的地方 —— 它记录了一种真实感受，但不能当作全行业普查。
二、她到底遭遇了什么：四件事串成一条链
第一件，政策反复。 学校最初全面拥抱：用大模型打分、写评语、生成大纲、发全员催学邮件。不到三个月，发现幻觉和垃圾内容太多，又快速撤回。此后就一直在 “绝对不能用 AI”“所有人必须用 AI”“好像还是不能用” 之间来回切换。
第二件，同一门课自相矛盾。 上一个模块，教授明确要求用 AI 完成作业，并说这是成绩的重要考核维度；她自掏腰包开了 Claude Plus。下一个模块，她把 AI 辅助产出的代码交上去，得到的是 “学术不端，使用 LLM 要扣分”。规则在同一门课内部前后打架，学生无从预期。
第三件，作业量与质量反向走。 AI 生成的作业说明冗长、任务颗粒度过细：3000 字说明、15 份材料。原本由教授结合教学目标设计、在教研组过一遍的任务，变成了 “大模型生成的废话”。基础薄弱或转专业的学生只能走马观花速通知识点。
第四件，教学关系被自动化替代。 她平时几乎见不到导师，唯一的 “联系” 是好几天没登录学习平台后收到的一封邮件 —— 打开发现是系统触发的自动警报，不是导师本人写的。
三、为什么会出现这种局面：三层原因
| 层次 | 机制 | 直接后果 |
|---|---|---|
| 表层：政策能力不足 | 学校不知道怎么把 AI 纳入教学，只能一刀切禁用或一刀切放开 | 规则在同一课程内前后矛盾 |
| 中层：成本动机 | “规模化学习、自动化评估” 对管理层有天然吸引力 | 助教与讲师编制被压缩，讲师工作量靠人力完不成 |
| 深层：学徒制断裂 | 初级岗位原本是 “打怪升级” 的训练场，AI 接管了基础工作 | 学生既拿不到训练，也拿不到入门岗位 |
第三层是这篇博客和就业数据真正接上的地方。她在校园里感受到的 “学不到真东西”，和应届生在职场上遇到的 “没人愿意培养新人”，是同一个机制的两面。
四、“AI 毁了学位” 这句话，哪半句成立
| 说法 | 成立的部分 | 不成立或需限定的部分 |
|---|---|---|
| AI 毁了计算机学位 | AI 确实改变了教学交付方式，破坏了规则可信度与训练强度 | 学位本身没有被取消，课程体系、数学与系统训练仍然存在 |
| 学生学不到东西 | 在 “AI 代写大纲 + LLM 批改 + 作业注水” 的课程里，学习深度确实被稀释 | 不能外推到所有课程与所有院校，很多学校在反向加强线下考核 |
| 教授在偷懒 | 部分教师直接把需求丢给大模型生成教学材料 | 也有教师是被工作量压到只能用工具，根因在编制与预算 |
| 文凭不值钱了 | 初级岗位收缩，文凭不再是 “入场券” | 文凭仍是基础门槛，值钱的是它背后的能力结构而非纸张 |
一个更准确的表述是：被毁掉的不是学位，而是 “靠一张 CS 文凭换一份初级程序员工作” 这条通道。
五、那组 “19%/20%” 数据，到底是什么口径
这是整场讨论里最容易被误读的地方，也是媒体标题最容易放大的地方。
| 项目 | 准确表述 | 常见误读 |
|---|---|---|
| 研究来源 | 斯坦福大学 Digital Economy Lab（Brynjolfsson 等），基于 ADP 工资记录与 AI 暴露度匹配 | 被说成 “斯坦福说程序员要灭绝” |
| 样本口径 | 22—25 岁、处于 AI 高暴露职业（含软件开发）的就业水平 | 被说成 “全部程序员就业下降 20%” |
| 对比基准 | 与 AI 低暴露职业的就业趋势相比，低约 19% | 被说成 “绝对就业人数减少 19%” |
| 年龄分层 | 22—25 岁约 - 20%；26—30 岁约 - 5%；31—40 岁基本持平；40 岁以上持平或略升 | 被压缩成 “码农全行业崩塌” |
| 总量口径 | 开发者总就业大致持平，收缩集中在最初一级 | 被写成 “IT 行业整体萎缩” |
36氪同方向的其他数据也能对上：美国 CS 与计算机工程应届毕业生失业率约 7.1%，高于哲学、艺术史等传统上被认为 “就业差” 的专业；2024 年 CS+CE 毕业生规模约 36.2 万人，十年间增长约三倍；2026 年春季，四年制院校计算机与信息科学入学人数下降 8.4%。供给在最高点撞上了入门岗位收缩，这才是 “崩” 的结构性原因。
同时要放上反向证据，避免写成单边叙事：美国 NACE 的调查里，61% 的雇主表示并未用 AI 简单取代入门级岗位，41% 计划用 AI “增强” 这些岗位；METR 的研究甚至发现，对经验丰富的开发者而言，AI 工具在某些任务上反而拖慢了进度，因为人被迫变成 “找茬专家”。也就是说，AI 替代的是 “可标准化、可拆解的编码动作”，不是 “判断与责任”。
六、学位还值不值：三类人三种答案
| 人群 | 现实处境 | 更合理的策略 |
|---|---|---|
| 只想靠文凭进大厂做初级开发 | 通道最窄，竞争者是资深工程师 + AI | 尽早转向 “AI + 领域”，别把编码速度当卖点 |
| 数学 / 系统基础扎实、愿意深挖 | 需求仍在，架构、审查、调试、担责都缺人 | 把系统设计、并发、数据库、安全做深，练 AI 产出审查 |
| 只想 “用 AI 混过课程” | 短期成绩可能不差，长期能力空心化 | 把 AI 当陪练而非代笔，基础课自己动手跑一遍 |
英国高等教育监管机构 OfS 在 2026 年 11 月 11 日发布的报告，算是给这场争论加了一个官方注脚：超过 90% 的学生用 AI 帮助完成作业，AI 检测软件 “不够可靠、不能用于纪律处分”，建议大学更多采用线下考试、演示和口头答辩。它给出的判断很直接 ——AI 对大学诚信构成 “代际风险”，但解法不是抓作弊，而是 “设计一种让作弊不成选项的评估方式”。这恰好印证了 Katie 的核心诉求：问题不在 AI 本身，在规则与评估方式没跟上。
七、给在读 CS 学生的可执行清单
- 先查你所在课程的 AI 政策是否稳定：同一门课不同模块要求是否一致？是否书面明示？口头通知不算。
- 基础课必须亲手写一遍：数据结构、算法、操作系统、编译原理，这些是 AI 时代最保值的东西，因为它们是判断 AI 输出对不对的标尺。
- 把 AI 用在 “迭代” 而不是 “交付”：让它生成候选方案、写测试、解释报错，但最终提交前你要能逐行说清为什么这样写。
- 尽早绑定一个领域：金融、医疗、工业、法律，纯 CS + 纯编码的可替代性最高，CS + 领域知识才是护城河。
- 积累可验证的产出：3—5 个能跑、能演示、有提交记录的项目，比绩点更能证明能力。
- 练 “审查 AI” 的能力：读 AI 生成的代码并找出逻辑漏洞、安全问题和性能瓶颈，这是 2026 年招聘里真实存在的考察项。
【相关 FAQ】
问题 1：“AI 毁了我的计算机学位” 是谁写的，为什么会火？
回答 1：作者是自称大二学生的 Katie，普通家庭、无名校背景、高中数学只拿 B，靠奖学金读计算机。她在个人博客发文控诉 AI 正在毁掉她的计算机学位，24 小时内登上 Hacker News 首页第一。火的原因不是文笔，而是它把 “AI 进课堂后规则反复、作业注水、师生关系自动化” 这些具体体验写了出来，戳中了大量在读学生的共同感受。
问题 2：AI 毁了我的计算机学位，是不是说 CS 学位已经没用了？
回答 2：不是。被削弱的是 “靠 CS 文凭直接换初级程序员岗位” 这条通道，而不是学位本身。数学、系统、算法这些基础仍是判断 AI 输出对错的标尺；真正贬值的是 “只会写代码” 这一项能力。斯坦福的数据也显示收缩集中在 22—25 岁这一段，31 岁以上开发者就业基本持平。
问题 3：文章里说 “AI 毁了学位”，有数据支撑吗？
回答 3：有间接数据，但没有一对一的因果证明。斯坦福 Digital Economy Lab 基于 ADP 工资记录发现，22—25 岁、处于 AI 高暴露职业的就业水平比低暴露职业趋势低约 19%—20%；美国 CS 与计算机工程应届毕业生失业率约 7.1%。但博客本身是个体叙事，作者把根因归为 “管理层削减编制” 属于她的判断，缺少预算与编制数据佐证。
问题 4：学校一边强制用 AI 一边判学术不端，这种情况普遍吗？
回答 4：没有全行业统计，但并非孤例。英国学生办公室（OfS）2026 年 11 月的报告就指出，各院校做法 “差异很大”，太多学校仍依赖无人监督的课程作业，而 AI 检测软件 “不够可靠、不能用于纪律处分”。这说明规则不一致是系统性现象，不只是某一所学校的问题。
问题 5：AI 毁了计算机学位这类说法，对准备报考 CS 的高中生有什么参考？
回答 5：可以参考三点：一看学校 AI 政策是否稳定、是否书面化；二看基础课是不是真材实料，数据结构、算法、数学有没有被 “AI 实践课” 挤掉；三看自己是不是真愿意为写代码熬夜，而不是只冲着 “好就业”。Katie 自己在文末写的也是这句 —— 她还是想学，只是不想被这套糊弄式的教学消耗掉。
问题 6：如果 AI 已经接管初级编码，CS 学生该补什么能力？
回答 6：三样东西最抗替代：系统设计与架构判断（选哪个方案、做什么取舍）、对 AI 产出的审查能力（找逻辑漏洞、安全问题和性能瓶颈）、垂直领域知识（金融、医疗、工业等具体场景）。再加一条现实建议：把 AI 用在迭代和验证上，而不是直接交付，确保每一行提交的代码你都能解释清楚。
【参考资料】
[2026-11-11]（英格兰高校监管机构警告 AI 作弊，要求大学增加纸笔考试与口头答辩）凤凰网科技
[2026-11-10]（“AI 毁了我的计算机学位”）量子位
[2026-11-10]（大二女生称 AI 毁了她的计算机学位）中华网
[2026-11-09]（AI is destroying my CS degree）Katie 个人博客
[2026-11-06]（这个专业塌得有点惨）虎嗅
[2026-10-23]（计算机毕业生的「黄金一代」幻灭史）投资界
[2026-09-25]（AI Turns the Computer Science Dream Into a Tough Job Hunt for a New Generation of Graduates）The USA Reporter
[2026-04-15]（Junior Dev Jobs Just Dropped 20%: The Stanford AI Index 2026）FindSkill.ai
[2025-12-29]（美国码农，正被 AI「大屠杀」，Karpathy 惊呼，26 届毕业生崩溃）36 氪
免责声明： 本文依据当事人公开博客及量子位、中华网等公开报道整理，博客内容为个人经历叙述，未经校方核实，不能代表所有院校的普遍状况；文中 “管理层削减编制” 为原作者归因判断，本文未作独立验证。斯坦福相关数据为 “22—25 岁、AI 高暴露职业就业水平相对低暴露职业趋势低约 19%—20%”，不等同于 “全部程序员就业下降 20%”，也不构成对 CS 学位价值的因果判定。就业与入学数据来自公开媒体转述，统计口径与更新时间各异，引用时请以原始研究为准。本文仅作事实梳理与分析，不构成升学、择业或投资建议。