热点速递|从阿里禁用 Claude Code 说起,聊聊我们学 AI 编程到底在学什么?
你好,我是 Robert。
今天技术圈被一条消息刷屏: 据报道,阿里内部宣布禁用 Claude 全系产品,包括 Claude Code,禁令很快生效。消息一出,不少人开始慌:是不是以后用不了 Claude Code 了?我学的这套东西是不是白学了?生产力会不会大跌?
我想借这个事,聊几句冷静的话。不站队,也不煽动,就聊三个我认为比“能不能用”更重要的问题: 大厂为什么会禁一个工具? 我们学 AI 编程到底在学什么? 真没了它,我们又能用什么?
先把我的结论放前面: 工具是流动的,能力才是你自己的。 任何一个工具的可用性,都不该成为你生产力的命脉,更不该成为你学习的拐杖。这件事,恰恰是个把这个道理想透的好机会。
大厂为什么禁一个工具?
一家大公司禁用某个工具,原因往往是多重的,不能简单归结成“这工具不行了”。
至少有以下几个层面:
安全合规审查,大企业对研发链路里的外部工具,本来就有严格的准入和风险评估,一旦某个工具被列入高风险名单,禁用是常规动作。
自有工具的竞争考量,阿里自己有 Qoder 这样的编程工具,从生态和数据的角度,收敛到自有工具是能理解的选择。
这家工具的供应商本身,Anthropic 对中国市场的立场和一系列超出技术的因素。
这几层原因交织在一起,才有了这次的禁用。围绕这件事还有一些更具争议的说法,比如安全风险的具体性质,这些还需要更多证据,我这里不展开、也不轻易下判断。作为使用者,我更关心一个朴素的判断:
“被某家公司禁用”和“这工具好不好”,是两码事。 Claude Code 依然是一个非常优秀的产品,这一点不会因为它被谁禁用而改变。反过来,一个工具再好,你也不该把自己的饭碗和成长,全押在它身上。
说句实在话,作为一个 Claude Code 的喜爱者,看到它被卷进这么多技术之外的对立、看到不少中国用户在没有预警的情况下被波及,我心里是不舒服的。但情绪归情绪,这不影响我们把注意力拉回到真正重要的事情上: 我们的能力和我们的成长。
我们学 AI 编程,到底在学什么?
这才是我最想讲的一点。
如果你以为学 AI 编程,就是学会用 Claude Code 的某几个命令、某几个技巧,那这次禁用对你确实是打击,因为你学的东西是绑在工具上的,工具没了,你就空了。
但真正的 AI 编程,学的从来不是工具,是方法论和判断力。
用 SDD 把模糊需求变成清晰的规格,让 AI 知道做什么、做到什么程度;
用 Harness 给 AI 搭好上下文、工具、边界和验收,让它可靠地干活;
怎么拆解一个复杂项目、怎么编排 AI 协作、怎么审查产出、怎么在关键处人工兜底。
这些能力,是超越具体工具的。今天用 Claude Code,明天换 Codex,后天用国产工具,这套方法论一样成立。工具是手,方法论是脑子,脑子长在你身上,谁也拿不走。
这里还有一个反直觉,但我越想越认同的判断: 太强的工具,反而不利于学习。
Claude Code 太顺手了,很多时候你一句话它就把活干得漂漂亮亮,爽是爽,但你容易学成一个黑盒,知其然不知其所以然。哪天它给你的结果不对,你都不知道问题出在哪、该怎么调。而当你用一个能力差一点、需要你反复调试、需要你去理解“它为什么这么做”的工具时,你反而被逼着把底层搞明白了。 用差一点的模型和工具去学习,逼你调试、逼你理解,这对成长其实是利好。
这也是为什么我做的这个系列课程—— 《Claude Code 企业级全链路开发实战》 《Claude Code 企业级老项目改造实战》 《企业级 AI 编程实战营》,从来不把自己绑在某一个工具上。工具会过时、会被禁、会被替代,但你对 AI 编程的理解和判断,会一直跟着你。学思想,而不是学工具,你才不会因为某个工具的风吹草动而慌张。
没了 Claude Code,我们用什么?
回到最实际的问题:如果真用不了 Claude Code 了,生产力怎么办?我给几个务实的建议。
首选是 Codex。 我的判断很直接:在编程这件事上,Codex 和 Claude Code 基本没有代差。如果你能切到 Codex,生产力基本不会有明显下降。用惯了 Claude Code 的人,迁移成本也不高,因为你带走的是工作方式,不是某个工具的肌肉记忆。
退一步是国内的工具和模型。 比如 Qoder 这类。这里我得诚实:短期看,国内工具在复杂工程场景下的能力,和第一梯队还有可见的落差,这个不用讳言。但它们在快速追赶,而且足够用来完成大量日常工作。更重要的是,前面说的那个学习逻辑在这里成立,用需要你多操心的工具,反而练本事。
一个务实的提醒:中转站和 API 代理,近期尽量少碰。 这段时间围绕这些服务的变数很大,跑路、停服的情况可能会增多,别为了图一时方便,把预付的钱搭进去,也别把关键工作流建在一个随时可能消失的中转服务上。
说到底,正确的姿态不是死守一个工具,而是 手里常备两三套能互相替代的组合。任何单一工具被断,你都能平滑切换,活照样干得漂亮。这种切换自如的底气,本身就是能力的一部分。
写在最后
技术封锁这件事,历史反复上演过。 短期看,它是阵痛,会带来不便和落差;但拉长看,它往往会逼出一个更强的本土生态。
把大量的使用、大量的数据、大量的场景留在国内,客观上会加速国内模型和工具的成长。这个过程对个体可能有短期的不适,但对整个生态,是成长的必经之路。我不觉得需要为此过度焦虑。
而对你我这样的个体来说,能做的其实很简单: 别把心思花在焦虑 “ 哪个工具还能不能用 ” 上,把能力修炼到 “ 给我任何一个还不错的工具,我都能干得漂亮 ” 的程度。
这才是 AI 时代真正的安全感。它不来自某一个工具,它来自你自己。