最近为了把自己的系统放到 FPGA 上运行，我开始接触 BOOM 和 Chisel。尴尬的是，我既不懂 BOOM，对 Chisel 的语法也不熟，却又因为项目进度不得不继续向前走。
AI 在这里非常有用。它可以解释代码、补全实现，也可以让我暂时跨过不熟悉的部分，先把系统跑起来。但这种顺利也容易制造一种错觉：项目在推进，好像就等于我已经学会了。真要让我脱离当前代码，系统地讲清楚 Chisel，或者解释 BOOM 背后的体系结构，我并没有多少底气。
这让我重新意识到“古法编程”的价值。亲手写下一段代码，亲手遇到报错，再沿着文档和实现一点点找出原因，这些看起来低效的过程，其实正是大脑建立概念和直觉的过程。如果从一开始就把思考外包出去，人很容易学会拼接答案，却没有学会判断答案为什么正确。
所以，AI Native 也许并不意味着全程依赖 AI。对学习来说，亲手实践更像是预训练：先把核心概念和基本功装进自己的脑子，再让 AI 放大能力，效果可能反而更好。AI 可以帮我把项目向前推，但欠下的理解债，最后还是要自己补。
Fake it till you make it 的重点，不是 fake，而是最终真的 make it。
边做边学当然没有问题，很多时候甚至是唯一现实的路径。只是我需要时刻提醒自己：能够交付，并不等于已经掌握；工具扩大了我此刻能做的事，却不能替我完成真正的学习。