AI 正在改变开发者教育

你上一次访问 Stack Overflow 是什么时候？

几周前，Tailwind Labs 被 Shopify 收购了。

单看这件事，并不特别令人意外。Tailwind CSS 体量巨大。收购发生时，Adam Wathan 说这个框架每周安装量超过 1.1 亿次，使用它的公司包括 OpenAI、X、Cloudflare、Reddit 以及 Shopify 自己。

但真正有意思的，是收购之前 Tailwind 发生了什么。

今年早些时候，创始人透露，Tailwind 文档的流量相比 2023 年初下降了大约 40%，而 Tailwind 本身却比以往任何时候都更流行。收入下降了接近 80%。

可 Tailwind 依然流行！甚至更流行了！这怎么可能？？

多年来，它的商业模式一直很简单。开发者会在 Google 里搜类似这样的东西：

tailwind center div vertically

他们会落到 Tailwind 文档上，找到自己需要的类名，顺便可能发现 Tailwind Plus、模板、UI 组件，或者另一个付费产品。

AI 编程工具打破了这个循环。

现在我可以让 Cursor 或 Claude Code 直接把这个组件写出来。Agent 对 Tailwind 已经相当熟悉。就算不熟，它也能自己去抓文档。

我依然一直在用 Tailwind，甚至可能用得更多，因为 AI 写 Tailwind 写得很好。但看到这一幕之后，我确实意识到：我已经很久没看过文档了！

我们围绕「学习」建起了一整套开发者经济

长期以来，推广开发者工具最有效的方式之一，就是教开发者点什么。

公司愿意花大价钱做极其详细的教程。你可能要花好几天搭一个示例应用、截图、讲解架构、记录每一条命令，最后整理成一篇三千字的指南。

这在经济上是说得通的，因为开发者的注意力很值钱。

像 Vercel 这样的公司可以发一篇文章，讲怎么用 Next.js 构建某个应用。开发者半年后带着问题去 Google 搜，找到这篇文章，学到点东西，发现了 Vercel，然后有可能成为客户。

去看看过去十年里几乎任何一家成功的开发者工具公司的网站，到处都能看到这套策略留下的痕迹。

• 文档。
• 教程。
• 博客文章。
• 课程。
• 示例应用。
• “用 Y 构建 X”的实操指南。

整个 DevRel 团队的存在，部分原因就是为了生产这些东西。搜索让教育变成了一条获客渠道，但搜索作为获客渠道正在变得越来越差。

Google AI Overview 已经干掉了第一个自然结果的点击率，如果你的商业模式依赖于在互联网上回答开发者的问题，这就是个相当根本的问题。

Tailwind 不是孤例

这篇文章对我来说格外有感触，因为我一直是一名 Rails 开发者。

十多年来，GoRails 一直是互联网上最好的 Rails 学习资源之一。Chris Oliver 建起了一个庞大的 Rails 视频教程库，随后又把业务拓展到 Jumpstart 和 Rails 托管平台 Hatchbox 等产品。

多年来，教育业务一直在为其他一切提供资金。

现在情况变了。

本月初，Chris 写道：“AI 对大多数教育类业务都很残酷，我们也不例外。”他说 GoRails 一直以来都在补贴 Hatchbox 的开发，但这种模式已经行不通了。GoRails 预计 2026 年的新客户数量将低于其创业第一年。过去一年里，Oliver 和 Collin Jilbert 把大部分精力转向了 Hatchbox。

后来他们在 Ruby on Rails Podcast 上就此进行了一次非常有意思的对话。

讽刺的是，他们自己也在大量使用 AI。

AI 让他们能够研究陌生的系统、重构复杂的 Rails 应用、快速做出功能原型，工作效率大幅提升。

与此同时，开发者可以用同样的工具绕过 GoRails 打造的那些教育产品。以前，你遇到一个 Rails 问题，搜索教程，看 Chris 解决类似的问题，理解他的做法，再把它套用到自己的应用上。

现在 Claude Code 可以直接检查你实际的应用，并在那里把问题解决掉。

作为开发者，能这么快地推进当然是好事，但看到一个非常健康的商业模式被这样碾碎，还是让人难过。

我们不再那么频繁地搜索答案了

想想你五年前是怎么学一门新技术的。也许你买了一门 Udemy 课程，也许你找到了一套 YouTube 系列视频，也许你跟着某篇博客教程一步步做。

也许你打开官方文档，老老实实把那个经典的 Todo 应用搭了一遍。

你上一次真正从头到尾看完一门 14 小时的 Udemy 课程，是什么时候？

我相信还有很多人这么做。但对我来说，这越来越不是学软件的方式了。

我直接开始动手做。碰到不熟的地方，就问模型。模型给出的东西看着可疑，就问它为什么。实在不行，再翻文档。

然后接着往下做。

Stack Overflow 自己的数据就显示，这种转变正在发生。

文档正在为机器重写

只要你开始留意，这可能是最明显的变化。

打开一个现代开发者文档站点，你会越来越多地看到这些东西：

• Copy page
• View as Markdown
• Ask AI
• Connect MCP

比如现在的 Vercel 文档，就把「Copy page」和「Ask AI about this page」直接放在文档正文上方。

文档平台正在围绕这件事搭建更多基础设施。

GitBook 现在会自动暴露文档页面的 Markdown 版本，生成 llms.txt 和 llms-full.txt，还能通过 MCP 把文档开放出来。

新的文档需要给模型足够权威的上下文，让模型能把这些说明应用到开发者实际的应用上。

这也是 /llms.txt 之所以值得关注的原因之一。

Jeremy Howard 在 2024 年提出这个格式，想法很简单：让网站能给 LLM 一份干净、结构化的重要内容地图。它至今更适合被描述为一种正在成形的惯例，而不是被普遍支持的 Web 标准，各大模型厂商也没有全部正式承诺会去读取它。但文档公司和开发者工具公司已经积极采纳了。

这个想法简单到近乎可笑。

我们花了几十年为人类和 Google 优化网站。

现在我们开始为机器发布第二种界面。

而开发者文档正是这种转变最先显出合理性的地方之一。

我们需要更有意识地学习

我没兴趣为了重现 2018 年的学习体验而放弃 AI 编程工具。那就像因为读纸质书能修身养性就拒绝用 Google 一样。真正的挑战在于，确保你仍在积累那些让你能把这些工具用好的知识。

对我来说，这越来越意味着把执行和学习分开。需要交付东西时，我希望 agent 尽可能扫清阻力。

而当我身处一个确实想搞懂的领域时，我需要刻意把一部分阻力放回去。

这可能意味着：

• 去读一手文档，而不是直接接受生成的方案；
• 让模型在实现完之后解释架构和取舍；
• 仔细审查生成的代码，细到你能说清它为什么能跑；
• 想练一项新技能时，偶尔自己动手写一小块；
• 去查失败的原因，而不是立刻让 agent 把那条红色报错弄消失；
• 把 AI 当家教，而不只是当执行者。

这些都不需要假装 AI 不存在。

事实上，AI 最终可能会成为我们有史以来最好的开发者教育技术。

一位出色的老师，懂你的代码库，清楚你已经会什么，能回答无穷无尽的追问，还能围绕你卡住的地方给你出一道专属练习——这在几年前听起来强得离谱。

现在我们终端里就坐着一个粗糙版本，但这些工具的默认行为通常是直接解决问题。而解决问题未必等于教会你！

有兴趣的话，我在这个教程里写了更多关于有意识地使用 AI、持续学习的内容。

AI 正让我们越来越习惯于一路直行。这对生产力来说是好事。

只是别忘了，偶尔还是要靠边停车，弄清楚这条路通向哪里。