“AI正在毁掉我的计算机学位，”一名大学生吐槽：作业量暴涨3倍，老师用AI出题，学生却成了“小白鼠”

“AI正在毁掉我的计算机学位。”这句吐槽迅速在技术社区传播。CSDN、36氪等平台转载的内容显示，一名大学生抱怨，老师开始用AI生成作业题，作业量暴涨三倍，而学生并没有得到相应的教学支持，反而像被放进新工具试验场的“小白鼠”。2026年11月10日，CSDN相关文章进一步把这个矛盾摆到台面上：当AI已经能替学生写代码、替老师出作业，大学究竟还应该教什么？

“作业量暴涨三倍，计算机系学生自嘲成了AI出题的‘小白鼠’”

据这名大学生的描述，课程作业不再由教师逐题设计，而是借助AI批量生成。题目数量随之膨胀，学生需要完成的练习量达到过去的三倍左右。

• 作业从“精选几道题”变成“成批生成、成批下发”，学生的时间被大量重复练习占据。
• 部分题目质量参差不齐，学生不得不先判断题目是否可做、是否超纲，再花时间求解。
• 学生认为自己没有获得与AI辅助教学相匹配的指导，反而承担了试验新工具的成本。

在这名学生的叙述里，“小白鼠”不是自嘲式的夸张，而是对课堂角色变化的直接感受：教师用AI提高出题效率，学生却要用额外时间和精力消化AI批量产出的结果。

“老师一键生成题目，课堂却没人教学生怎么审查AI代码”

争议并不只在出题端。资料中提到，AI已经可以替学生写代码，也可以替老师出作业。问题在于，当代码和题目都能由AI快速生成，课堂却没有同步教会学生如何审查、验证和修正AI的产出。

“代码产出逼近100%，1500行Diff谁来审？”这一行业讨论同样适用于计算机课堂。AI生成的代码越多，审查成本就越高；如果教学只关注“交出一个能跑的结果”，学生就会跳过理解、调试和验证的过程。

• 学生用AI写作业，教师难以判断代码是否真正出自学生之手。
• 教师用AI出题，学生也难以判断题目是否经过教学设计。
• 双方都在使用AI，但课程评价标准仍停留在旧模式，矛盾被进一步放大。

这也解释了为什么“作业量暴涨三倍”会引发强烈反弹：多出来的不是有效训练，而是围绕AI生成内容展开的重复劳动。

“当AI包办写代码和出作业，计算机学位的含金量被谁稀释”

更深层的焦虑在于，计算机学位所代表的能力证明正在被稀释。如果学生可以借助AI完成大量编码任务，如果教师也可以借助AI批量生成作业，那么课程成绩还能不能反映真实的编程能力、系统能力和工程判断力？

资料中另一篇文章提到，“AI正在逼我们还清40年的技术债”，一个两年没人修的老Bug，几天被AI挖成了“致命漏洞”。这句话放在计算机教育里同样刺眼：如果课堂只教学生调用AI生成代码，却不教他们理解底层逻辑、维护系统和排查漏洞，技术债就会从课堂一路背到职场。

• 会调AI工具，不等于会设计系统。
• 能生成代码，不等于能审查代码。
• 能完成作业，不等于能对生产环境负责。

当AI包办写代码和出作业，学位含金量并不会自动消失，但它需要新的教学内容和评价方式来支撑。否则，学生拿到的可能只是一张“AI工具使用证明”，而不是计算机专业能力的证明。

“上千个Agent能8天写操作系统，大学课堂更该教人做最后那道判断”

资料显示，AI智能体已经展现出惊人能力：上千个Agent可在8天内写操作系统，还能从零设计硬件；Anthropic也发布了Claude Fable 5.2、Mythos 5.2等新模型。工具越强，大学越不能把学生训练成“会点按钮的人”。

计算机学位真正需要保留的，是AI暂时难以替代的判断力：

1. 能读懂需求，拆解复杂问题，而不是直接让AI生成一版交差。
2. 能审查AI产出的代码，识别安全、性能和可维护性风险。
3. 能理解系统边界，知道哪些部分可以自动化，哪些部分必须人工确认。
4. 能在工具出错时定位问题，而不是把“AI说的”当成最终答案。

这名大学生的吐槽之所以引发共鸣，不只是因为作业变多，而是因为学生感到自己被迫承担了教学转型的试验成本。AI进入课堂本身不是问题，问题在于课程设计、作业质量和评价方式没有同步升级。若大学只把AI当成出题机和代码生成器，学生当然会问：到底是我在学计算机，还是我在给AI当测试样本？