90 年代父亲教我下的盲棋，藏着 AI 编程时代最稀缺的技能

原文来源：askmike.org — 作者回忆 90 年代父亲用盲棋教他的思维方法，并论证：盲棋大师的心智模型，正是 AI 编程时代程序员最需要的技能。

那盘看不见的棋

那是 90 年代的一个暑假，作者大约八岁。他和父亲正准备下棋，父亲却站起来走到房间另一头，背对着棋盘坐下。规则变成了这样：作者每走一步，就大声报出"兵 E2 到 E4"，父亲报回自己的走法，作者再在棋盘上摆出来。

一盘盲棋就这样开始了。作者很快发现父亲对局面了如指掌——有一次他记错了自己棋子的位置，父亲毫不犹豫地纠正了他。作者输得很快，但被深深迷住了。

盲棋高手的大脑里没有棋盘照片

很多人以为盲棋高手是靠"照相记忆"记住整个棋盘，事实恰恰相反。他们脑中没有一张细节完美的棋盘照片，取而代之的是一套结构化的关系集合：

• 重要棋子在哪里
• 哪些格子正被攻击或防守
• 开放线、斜线、兵结构
• 战术关系：牵制、叉子、松子
• 每走一步之后，什么改变了

盲棋选手的注意力几乎全部放在"关系"和"合法可能性"上，而不是"看见"棋盘。他们的棋类知识会自动重建出大部分局面。所谓顶尖盲棋能力，是空间工作记忆、模式识别、纪律性计算和注意力控制的组合——唯独不是照相记忆。

这个细节很有意思：高手记住的不是棋子，是棋子之间的关系。 而关系的集合，远比一张像素级棋盘照片更小、更抽象、更容易维护——这就是它能"盲"着下的原因。

编程世界的翻转

作者后来没有成为棋手，而是成了程序员。当 LLM 开始重塑编程时，他发现这两件事在逻辑上惊人地对称——或者说，镜像地相反。

想想盲棋的下法：每一步你都必须保持注意、记住关键棋子、追踪战术关系。而 AI 编程恰恰是它的反面：你不需要每回合都保持注意，不需要记住接口细节，不需要在脑中维护代码的织体——AI 替你看着呢。vibecoding（只描述需求、从不阅读产出）之所以危险，是因为它把"注意力"这个盲棋选手最珍视的东西彻底放弃了。

作者指出，高级语言时代其实也发生过类似的抽象转移：从汇编到 Java/Python，程序员不再需要管理内存、指针、线程，但"需要理解的东西"清单依然是固定的——只是变短了。而 AI 时代，这个清单第一次出现了"可以为空"的可能：没有任何真正的知识要求。一个老程序员坐在 Claude Code 后面，产出质量通常高于非技术用户——但人都会累、会倦怠，会停止阅读所有输出，把方向盘交给 AI。这是人性，跟技术无关。

盲棋技能 = AI 时代程序员技能

作者的核心论点是：定义一名出色盲棋选手的技能，与定义一名"在 Claude Code 终端后蓬勃发展的程序员"的技能，是同一套东西——哪怕后者几乎不读代码、不写代码。

具体来说，就是三件事：第一，在脑中建立深层心智模型——代码如何交织在一起、它如何表达一个更抽象的目标；第二，仅凭深入思考就能简化或改进现有实现；第三，知道在"细节对话"和"高层对话"之间随时切换的时机。

作者诚实地说，这恰恰是他自己最难的部分：对没有亲手写过、也没有读过多少的软件，他很难建立心智模型；在"该说得详细"和"该说得概括"之间找到平衡，至今仍是挣扎。注意，这句话出自一个有几十年经验的老程序员——连他都觉得难，说明这套技能不是 AI 能替你补上的。

而那些真正能驯服这些模型、始终保持控制的人，会移动得比以往任何时候都快——就像最顶尖的盲棋选手可以同时下十盘盲棋。模型越强，这个差距越大。

无法衡量的能力

作者在结尾抛出了一个更尖锐的问题：棋类有 ELO 排名，技能一目了然；但"用 AI 编程"这件事，将变得无法衡量——因为任何你能想出来的量化指标，AI 都能替你解决。到时候，招聘怎么筛人？团队怎么评估贡献？当"能写多少行代码"不再有意义，"谁的判断力更强"又该怎么证明？

这个问题没有答案，但方向是清楚的：当 AI 把"产出"的度量全部抹平，剩下的唯一区分度，就是那套盲棋技能——在脑内维护系统的心智模型、在关键时刻保持注意、在抽象与细节之间自由切换。这些能力无法被模型外包，因为它们本质上就是"你作为思考者的存在方式"。

一点延伸

如果把这篇短文放到 2026 年的语境里，它其实呼应了一个更大的趋势：行业正在分裂成两类人——一类把 AI 当作外接大脑，逐渐放弃内部建模；另一类把 AI 当作陪练，用更快的速度建立更强的模型。前者在短期效率上占优，后者在长期不可替代性上占优。

父亲当年背对棋盘，其实是在教一个朴素的道理：真正的高手依赖的不是看见，而是理解。 三十年后，这句话在 AI 编程时代重新变得适用——只不过这一次，棋盘上多了一个随时愿意替你看盘的对手。