首页 › programming › 334万人看过的编程学习神课

334万人看过:学编程最大的浪费,不是学得慢

概述

在"学编程"这个赛道上,YouTube从不缺内容:缺的从来不是教程,而是如何不把时间扔进黑洞。这条由学习类频道 The Coding Sloth 发布的《Learn To Code Like a GENIUS and Not Waste Time》(像天才一样学编程,别浪费时间)拿到334万+播放,靠的正是踩中了几乎所有自学者的共同痛点:收藏了几百个教程、打卡了几百个小时,真到动手写项目时依然两手空空。这篇文章把视频的核心主张拆开,补上它背后真实的认知科学研究(测试效应、间隔重复、刻意练习、建造主义),也指出哪些说法属于社区经验、哪些被标题党夸大——让你看完等于看完视频,还多懂一层。

视频基本信息

项目 内容
视频标题 Learn To Code Like a GENIUS and Not Waste Time
中文对照 像天才一样学编程,别浪费时间
频道 The Coding Sloth(学习效率/编程自学类频道)
发布时间 2023年(据频道页面信息)
播放量 3,343,342次(据2026-09-27系统素材快照的YouTube抓取数据,仍在增长)
链接 https://www.youtube.com/watch?v=q-_ezD9Swz4
类型 编程自学方法论(programming / learning science)

核心主张拆解

需要先说明:本节按视频的论述脉络做结构化归纳,归纳服务于理解,细节顺序以原视频为准。整条视频的论证,可以拆成五层。

第一层:先诊断"时间都去哪了"。 视频开场针对的不是"怎么学",而是"你为什么学得慢"。它把矛头指向自学圈最常见的失败模式——收藏夹幻觉:看到好教程先收藏、看到新课先买下,囤积素材本身带来了"我在进步"的心理满足,但素材囤积量和编码能力几乎零相关。这个现象在编程社区有个专门的黑话,叫教程地狱(tutorial hell):跟着视频一行行敲都能懂,关掉视频一片空白,于是再找一个教程,循环往复。

第二层:学习质量不等于学习时长。 视频反对"每天必须打卡两小时"式的自我感动。它的立场是:决定进步速度的是学习的密度而不是体积——同样是两小时,用来"够一够能解决的小问题",和用来被动播放第四个入门教程,产出完全不同。这个直觉和认知科学里的"合意困难"(desirable difficulties)高度吻合:适度费力的提取,才产生长期记忆。

第三层:项目优先,教程降级为工具书。 这是全片的主轴:以一个小项目为骨架,遇到什么学什么,而不是把教程从第一页啃到最后一页。教程的正确用法是地图,而不是腿——你需要知道路怎么走,但迈腿的必须是你自己。项目还有一个隐藏好处:它强制你面对真实的报错,而调试恰恰是单位时间内学习密度最高的环节。

第四层:输出倒逼输入。 视频强调"能写出来"和"看懂了"是两种能力。它给出的动作包括:合上教程凭理解重写、用自己的话给别人讲清楚、把学习过程公开成笔记。这套动作本质上就是流传甚广的费曼技巧,也是认知心理学中"生成效应"的民间版本:自己生成过的内容,记得远比读过的牢。

第五层:把迭代当常态,而不是把"学完"当终点。 视频最后把心态拉长:第一个项目注定粗糙,这没关系;回头看自己三个月前的代码、亲手把它改得更好,这种"重构自己的旧作品"的练习,比任何精心制作的课程都更贴近真实工程师的成长路径。

知识与理论溯源

视频里的每一条主张,几乎都能在认知科学与教育研究中找到对应物。以下引用均为真实存在的研究与学者,可作为延伸阅读的锚点。

1. 陈述性知识与程序性知识的分野。 "看懂了但写不出",对应认知科学家 John R. Anderson 在其 ACT-R 认知架构中提出的经典区分:陈述性知识(declarative knowledge,"知道是什么")与程序性知识(procedural knowledge,"知道怎么做")。编程是典型的程序性技能,它像游泳和骑车一样,只能通过实际执行来完成程序化——这就是为什么教程地狱在结构上几乎必然发生:教程只输入陈述性知识,而岗位需要的是程序性知识。

2. 测试效应(testing effect / 主动回忆)。 Roediger 与 Karpicke 2006 年发表在《Psychological Science》的实验表明:接受提取练习(合上书回忆)的组,一周后的记忆保持显著优于反复重读的组;Karpicke 与 Blunt 2011 年发表于《Science》的后续研究进一步显示,检索练习的学习效果优于精细的概念图绘制。这直接支撑视频"合上书写一遍"的建议——重读的流畅感是错觉,提取的吃力感才是学习正在发生。

3. 间隔重复。 从艾宾浩斯(Hermann Ebbinghaus,1885年遗忘曲线)到 Cepeda 等人2006年的元分析,分布式练习优于集中突击是记忆研究里最稳固的结论之一。它解释了为什么"三天速成"课程留不下什么,也解释了为什么把卡片(只放概念与命令,不放教程全文)放进间隔重复系统是程序员性价比极高的辅助手段。

4. 刻意练习。 Anders Ericsson 等人1993年的论文《The Role of Deliberate Practice in the Acquisition of Expert Performance》指出,专家级表现来自"针对薄弱点、有即时反馈、走出舒适区"的练习,而非单纯的时间堆叠。值得注意的细节是:Ericsson 本人公开反对 Gladwell 对其研究"一万小时定律"式的简化——重点从来不是小时数,而是练习的结构。视频反对打卡式时长的立场,与原始研究一致。

5. 建造主义与项目式学习。 "项目优先"可以直接追溯到 Seymour Papert(MIT数学家、LOGO语言之父)在《Mindstorms》(1980)中提出的建造主义(constructionism):当学习者亲手建造对自己有意义的作品时,知识被最好的同化。Papert 的思想是后来整个项目式学习(PBL)运动的理论源头之一。

6. 最近发展区。 "挑够得着但够不着的小项目",对应维果茨基(Lev Vygotsky)的最近发展区(Zone of Proximal Development):在独立能力与需要协助的能力之间那段区域练习,成长最快。项目选得太简单是重复劳动,选得太难则是挫败深渊——视频没有点名这个理论,但它的操作建议正是这条带子的朴素表达。

批判性审查

证据扎实的部分: 主动回忆、间隔重复、反对被动重读——这半边论证站在认知心理学近二十年最稳固的实证结论上,随机对照实验和元分析数量都足够多,可以放心照做。

属于社区共识、缺严格实验的部分: "项目优于教程"在自学者群体中没有大规模随机对照研究,它更多是开发者社区几十年经验的收敛(以及建造主义在正规教育场景中的支持证据)。方向大概率正确,但不要期待它像药物试验那样被精确验证过。

被夸大或存在争议的部分: 其一,"GENIUS"式标题自带幸存者偏差——channel 主理人自己学成了,并不意味着其路径可复制,这在整个"学习博主"品类里是通病。其二,"项目压倒一切"若推到极端,会撞上教育心理学中著名的反向证据:Kirschner、Sweller 与 Clark 2006年的论文《Why Minimal Guidance During Instruction Does Not Work》指出,对新手而言,无结构的探索式学习会撑爆工作记忆,效果反而不如有指导的教学。合理的调和是:项目驱动 + 按需检索结构化资料,而不是裸奔式瞎试。其三,需要提醒:本文对其论点做了归纳与理论补全,个别表述为该品类的通行主张,具体措辞请以原视频为准。

认知提升与实用启示

1. 执行"50/50法则"。 从今天起,给学习时间立规矩:一半用来输入(看文档、看课),一半用来输出——把刚看的东西合上源码写出来、写进公开笔记、或讲给一个人听。判断标准很残酷:讲不清楚的地方,就是你没学会的地方。

2. 用"一项目一技能"替代课程清单。 删掉收藏夹里吃灰的课程列表,换成一张项目卡:每接触一个新概念,48小时内把它塞进一个能运行的最小作品里(一个爬虫、一个小工具、一个网页)。旧项目是最好的练习场——隔季度回头重构一次,你会亲眼看到自己知识结构的演化。

3. 给记忆装上间隔系统,但只存高价值卡片。 用任意间隔重复工具(如 Anki),只收录三类卡片:容易忘的语法细节、核心概念的一句话定义、踩过的坑与解法。教程全文、代码大段摘抄一律不收录——卡片是你的外存索引,不是知识本体。

视频论证结构图

flowchart TD
    A[想学编程] --> B{路径选择}
    B -->|被动循环| C[囤课收藏 看教程]
    C --> D[产生学会的错觉]
    D --> E[动手时瞬间卡壳]
    E --> F[焦虑 换新教程]
    F --> C
    B -->|主动循环| G[小项目驱动]
    G --> H[按需检索知识]
    H --> I[合上源码重写]
    I --> J[公开输出 讲给别人]
    J --> K[暴露盲区 反馈]
    K --> G

上图两个闭环,正是这条视频全部论证的骨架:左边是吞掉大多数人时间的死亡螺旋,右边是把同样时间转化为能力的复利飞轮。两者的起点相同,分岔只在于第一次动手时,你是选择"再找个教程",还是选择"就从这个报错开始查"。

延伸阅读

  1. Active recall - Wikipedia — 主动回忆的机制与实证研究综述入口
  2. Testing effect - Wikipedia — 测试效应(检索练习)研究脉络,含 Roediger & Karpicke 等经典实验介绍

参考来源

  1. Learn To Code Like a GENIUS and Not Waste Time — The Coding Sloth — 本文解读的核心视频;播放量 3,343,342 次据 2026-09-27 系统素材快照(YouTube 预抓取数据)
  2. Active recall - Wikipedia — 视频第四层主张(输出倒逼输入)对应的认知科学概念
  3. Testing effect - Wikipedia — 主动回忆实证依据的综述条目
  4. Spaced repetition - Wikipedia — 间隔重复的原理与算法(本文实用启示第3条的依据)

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生(微信ID: gprshome201101)维护,聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。

51学通信知识星球海报-扫码加入