最近我在CloudNexus——一场由AWS Cloud Club QAU举办的聚焦云计算与AI技术的活动上进行了分享。虽然只是简短演讲，内容主要围绕智能体AI（Agentic AI）和学生当前使用AI工具的状况。
最让我惊讶的并非提问环节，而是学生们对自己“正确使用AI”所表现出的那种自信。事实上，他们中的大多数并未做到。
“我让他们用ChatGPT生成代码”
讨论过程中，许多学生坦言他们主要用ChatGPT来生成代码——并非为了理解逻辑，也不是为了学习概念，纯粹是为了快速获取代码。
说实话，我并不责怪他们。这种方式确实高效，而且能带来即时的成就感。但这种做法带来的问题，往往在后续的调试、真实项目开发，乃至基础的系统设计讨论或面试中，才会逐渐暴露。
问题不在AI，而在于使用方式
我在分享中试图阐明一个简单观点：并非所有AI工具都适用于相同场景。ChatGPT很棒，我自己也经常使用，但它的优势更体现在：
- 理解抽象概念
- 拆解复杂思路
- 内容撰写与结构梳理
- 提出“为什么”这类探究性问题
若将其作为主要编程工具，你会缺失关键上下文，而上下文在实际开发中至关重要。
为何需要专业代码工具
我们探讨了Cursor、Amazon Q等工具。这类工具能直接接入代码库，理解文件结构、引用关系和项目架构，因此更适用于开发场景。
并非因为它们“更智能”，而是因为它们专为开发者而生。
Amazon Q的定位
由于这是AWS主题的活动，我也介绍了Amazon Q。其独特价值在于深度融入工作流：它在AWS环境中为云工程师提供支持，重点不在于回答随机问题，而是提供：
- 云环境感知的指导
- 最佳实践建议
- 安全合规的解决方案
这种差异在脱离教程阶段后尤为重要。
用简单语言解释智能体AI
我将AI演进分为三阶段以便理解：
- 聊天机器人：问答式交互
- 编程助手：理解上下文协作
- 智能体：给定目标后自主规划步骤
智能体AI的核心不是指令响应，而是任务委托。这个比喻让学生们瞬间理解了本质。
为何云计算在此不可或缺
我特别强调，智能体系统无法孤立运行，它们需要基础设施、弹性扩展和安全保障。
这正是AWS Bedrock等平台的价值所在——它们不是空泛的热词，而是构建真正可落地AI系统的关键支撑。
最希望学生记住的要点
用一句话总结演讲核心：AI应该助你成长，而非替代思考。
- 用ChatGPT学习知识
- 用编程助手构建项目
- 用云上AI实现扩展
- 在准备好时用智能体自动化成果
最终思考
这次分享让我意识到：学生不缺工具，缺的是如何有效使用现有工具的指导。曾看过一句值得分享的话：
AI不会消失，但懂得为何及如何运用AI的工程师将始终脱颖而出。
随时随地看视频
