### [“没有Token的CS学生应立即退学”引争议：南大《生成式软件工程》到底在教什么？](https://www.zuoshipin.com/article/30693)

**Published:** 2026-09-01T14:40:34

**Author:** 天才交易员

**Excerpt:** 南京大学蒋炎岩老师《生成式软件工程》课堂的一句“没有付费Token就退学”引发讨论。本文还原语境，解析Toke…

**“手上没有付费 Token 的同学，就要立即退学。”**南京大学蒋炎岩老师在《生成式软件工程》第一课中的这句夸张表达迅速引发争议。但脱离课堂上下文，它很容易被误读为学校规定；放回课程设计中，真正讨论的是 AI 时代计算机学生如何实践、如何控制成本，以及如何避免让大模型替自己上大学。

课程官网、讲义结构和公开直播入口已整理到站内导航：[**南京大学《生成式软件工程》– AI 时代软件开发公开课程**](https://www.zuoshipin.com/link/30680.html)。

![南京大学生成式软件工程课程与Token讨论](https://admin.zuoshipin.com/wp-content/uploads/2026/09/8d95036c-a5d0-11f1-9435-fa163e47d677.webp)

## 一、“没有 Token 就退学”不是正式退学规定

这句话出现在课程开场的口语表达中，不是南京大学的学籍管理政策，也不是对经济困难学生的正式处罚。它延续了授课者一贯直接、带梗的课堂风格，用极端措辞强调：在生成式 AI 已深度进入软件工程之后，计算机学生不能只停留在听说过大模型的阶段。

因此，文章讨论的重点不应是“学校强迫学生充值”，而应是大学是否应该为 AI 实践提供基础资源，以及学生应该形成怎样的 AI 工程能力。

![网络对没有Token是否应该退学的讨论](https://admin.zuoshipin.com/wp-content/uploads/2026/09/8e02b389-a5d0-11f1-9076-fa163e47d677.webp)

## 二、为什么一堂软件工程课要把 Token 放到台面上？

传统编程课程主要消耗学生的时间和本地算力；Agentic AI 工作流还会持续消耗模型推理资源。模型选择、上下文长度、调用次数、工具循环和失败重试，都会直接转化为费用。

当 Token 变成软件生产中的真实成本，学生就需要学习三个新指标：结果质量、响应延迟和推理成本。把这些变量放进课堂，比单纯学习“如何写提示词”更接近真实工程。

![生成式软件工程课堂中的付费Token观点](https://admin.zuoshipin.com/wp-content/uploads/2026/09/8e64a43b-a5d0-11f1-a329-fa163e47d677.webp)

## 三、课程的第一层焦虑：AI 替学生完成了大学

如果老师用 AI 出题、学生用 AI 直接生成答案，成绩可能很好，但真正得到训练的只有模型。学生既没有理解问题，也没有形成判断答案是否正确的能力。

生成式软件工程教育不能以“交付一个能运行的结果”为唯一目标，还必须观察学生是否会拆解需求、识别错误、验证假设、解释设计决策，并在模型失败时接管任务。

![AI替学生做作业导致学习训练缺失](https://admin.zuoshipin.com/wp-content/uploads/2026/09/8eca0f85-a5d0-11f1-83f7-fa163e47d677.webp)

## 四、第二层焦虑：认真学了四年，工作内容却被 AI 自动化

另一类学生认真完成传统课程，却在毕业时发现，大量模板代码、文档整理和基础调试已经可以由模型快速完成。这不意味着数据结构、操作系统和软件工程基础失去价值，而是它们的用途从“亲手完成全部代码”转向“约束、检查和改进 AI 生成系统”。

基础知识越扎实，越能识别模型生成的并发错误、安全漏洞、边界条件和虚假测试。AI 时代不是不学基础，而是必须理解基础知识如何进入验证环节。

![AI时代计算机学生的学习与就业焦虑](https://admin.zuoshipin.com/wp-content/uploads/2026/09/8f340617-a5d0-11f1-935b-fa163e47d677.webp)

## 五、“零分简历”争议：作品、代码与公开证据为什么重要？

课堂中还讨论了高度同质化的简历：论文、奖项、实习和“在投”堆满页面，却缺少个人主页、GitHub 项目或可阅读的技术作品。这里的“零分”同样是带有冲击力的评价，并不是否定论文价值。

真正的问题是可验证性。导师和雇主不仅想知道“你参加过什么”，还想看到你如何发现问题、组织代码、记录实验、处理失败并持续维护项目。

![缺少GitHub个人主页和可验证作品的简历问题](https://admin.zuoshipin.com/wp-content/uploads/2026/09/8fa40be2-a5d0-11f1-abb3-fa163e47d677.webp)

## 六、Vibe Coding 的快乐，不等于放弃工程纪律

课程希望学生重新体验“快速做出有趣东西”的快乐。Vibe Coding 降低了从想法到原型的门槛，学生可以尝试过去需要大量时间才能完成的游戏、Agent 或个人工具。

但生成速度越快，测试、版本管理、安全审查和技术债治理越重要。真正的软件工程能力不是让模型一次性吐出代码，而是让一个系统在变化中仍然可理解、可验证、可维护。

![Vibe Coding与生成式软件工程实践](https://admin.zuoshipin.com/wp-content/uploads/2026/09/900acc08-a5d0-11f1-ad51-fa163e47d677.webp)

## 七、三条课堂 Policy：禁止古法编程、Token 自费、拒绝 Tokenmaxxing

公开课堂内容把课程规则概括为三点。“禁止古法编程”要求学生把大模型真正带入开发流程；“Token 自费”让资源消耗成为需要管理的现实变量；“不需要 Tokenmaxxing”则明确反对无目的地堆调用量。

三句话组合起来，重点并不是“花钱越多越优秀”，而是使用有限资源解决有价值的问题。关于多模型路由、上下文治理和成本控制，可参考站内文章：[Agent 如何降低 Token 成本并保持智能](https://www.zuoshipin.com/article/23662)。

![课程禁止古法编程Token自费和拒绝Tokenmaxxing](https://admin.zuoshipin.com/wp-content/uploads/2026/09/90789cc8-a5d0-11f1-8314-fa163e47d677.webp)

## 八、AI 写代码后，人还剩下什么工作？

官方课程结构给出了清晰答案：需求工程、产品设计、上下文与记忆管理、敏捷开发、版本控制、CI/CD、测试、调试、安全审查、重构和架构设计仍然存在，并且重要性进一步提高。

学生需要从“代码输入者”转为“系统负责人”：确定目标、拆分任务、选择模型和工具、设置预算、设计测试、核对结果，并为最终交付承担责任。

![AI写代码后人类负责需求测试和验证](https://admin.zuoshipin.com/wp-content/uploads/2026/09/90e01493-a5d0-11f1-a81a-fa163e47d677.webp)

## 九、低成本模型的意义：让学生获得足够多的真实练习

课堂演示强调使用高性价比模型，而不是把昂贵模型当成唯一答案。选择模型时应考虑任务难度、上下文、工具能力、错误率和价格；简单重构与复杂架构设计可以使用不同档位。

模型路由本身就是课程内容。学生应学会先用低成本模型探索，再把关键难题交给更强模型，并通过缓存、摘要、结构化输出和测试减少重复调用。

![课程使用高性价比模型控制Token费用](https://admin.zuoshipin.com/wp-content/uploads/2026/09/91441447-a5d0-11f1-a1a9-fa163e47d677.webp)

## 十、Token 应该由学生自费，还是学校提供？

这是报道引发的最有价值争议。如果 Token 已成为课程实验耗材，高校就有理由像提供实验服务器、数据库和开发环境一样，为学生提供基础额度，尤其要避免经济条件影响课程参与。

更合理的方案可能是“学校基础配额 + 学生自选扩展 + 困难补助 + 成本审计”。这样既让每个人拥有起步资源，也保留真实的预算约束。

![高校是否应该为学生提供AI Token额度](https://admin.zuoshipin.com/wp-content/uploads/2026/09/91b0390f-a5d0-11f1-a690-fa163e47d677.webp)

## 十一、课程不是工具培训，而是一套 AI Native 软件工程框架

课程官网列出的内容从 Scaling Law、智能体和上下文工程开始，延伸到需求、开发部署、质量管理、维护演化和 AI Native 架构。这说明目标不是教会某个特定聊天产品，而是建立可迁移的方法。

模型会更新、产品会消失，但需求拆解、验证、可观测性、版本控制和风险管理不会过时。

![生成式软件工程课程知识框架](https://admin.zuoshipin.com/wp-content/uploads/2026/09/861f4219-a5d1-11f1-a51c-fa163e47d677.webp)

## 十二、课程项目强调“做出东西”

官方课程页列出 Terminal 3D 游戏、Agent Minimal、作业辅助系统和个人能力放大器等项目。这些方向共同要求学生把模型、工具、数据、界面和部署组合起来，而不是只提交一份由 AI 生成的文本答案。

项目的评价也应关注过程证据：提交历史、测试记录、成本报告、失败案例、设计取舍和安全边界。

![南京大学生成式软件工程课程项目](https://admin.zuoshipin.com/wp-content/uploads/2026/09/92d88d75-a5d0-11f1-8853-fa163e47d677.webp)

## 十三、蒋炎岩是谁？官方履历中的研究与教学

南京大学计算机学院介绍显示，蒋炎岩的研究方向为系统软件和软件自动化，曾多次获得操作系统与软件工程领域 CCF-A 类会议论文奖，包括 ICSE 2021 唯一最佳论文奖和 SOSP 2023 最佳论文奖。

他长期公开《操作系统》等课程，获评南京大学“我最喜爱的老师”，公开课程视频累计播放量超过 500 万次。个人主页显示，其近期研究聚焦 Agentic AI 系统与测试时扩展。

![南京大学蒋炎岩老师简介](https://admin.zuoshipin.com/wp-content/uploads/2026/09/93852efd-a5d0-11f1-b7da-fa163e47d677.webp)  
![蒋炎岩系统软件与软件自动化研究经历](https://admin.zuoshipin.com/wp-content/uploads/2026/09/94147d1b-a5d0-11f1-9716-fa163e47d677.webp)

## 十四、公开课程与课程 Wiki 的价值

蒋炎岩长期维护公开课程 Wiki，提供讲义、实验和课程资料。2026 秋季《生成式软件工程》课程页还提供直播入口，成绩采用通过/不通过制。

开放课程让校外学习者也能观察 AI 教育如何从“允许不允许用模型”转向“怎样把模型纳入完整工程流程”。

![蒋炎岩公开课程视频与课程Wiki](https://admin.zuoshipin.com/wp-content/uploads/2026/09/94809d9a-a5d0-11f1-92e4-fa163e47d677.webp)  
![南京大学课程主页和开源讲义](https://admin.zuoshipin.com/wp-content/uploads/2026/09/94e7c6f9-a5d0-11f1-9f59-fa163e47d677.webp)

## 十五、课堂玩梗背后，是对主动学习的要求

“RTFM”“不要求到课，把时间花在更有效的地方”等表达看似随意，实际强调学生需要主动查资料、管理时间和为学习结果负责。在 AI 可以即时给出答案之后，被动等待老师安排每一步更难形成竞争力。

![课程主页RTFM与主动学习要求](https://admin.zuoshipin.com/wp-content/uploads/2026/09/954a6462-a5d0-11f1-9be4-fa163e47d677.webp)

## 十六、个人主页与公开作品：把能力变成可验证证据

蒋炎岩的个人主页采用终端式设计，可以通过命令查看经历、论文和团队信息。这种设计本身也说明：个人主页不只是简历附件，而是展示技术审美、实现能力和持续维护习惯的作品。

对学生而言，一个真实运行、有提交历史、有文档和测试的项目，往往比堆叠无法核验的关键词更有区分度。

![蒋炎岩终端风格个人主页](https://admin.zuoshipin.com/wp-content/uploads/2026/09/95bcb55f-a5d0-11f1-8cce-fa163e47d677.webp)  
![公开作品和个人主页作为能力证据](https://admin.zuoshipin.com/wp-content/uploads/2026/09/9626966f-a5d0-11f1-a24c-fa163e47d677.webp)

## 十七、结论：需要的不是“烧更多 Token”，而是学会对 AI 负责

这场争议真正提醒高校的，不是学生必须自费多少，而是生成式 AI 已经成为软件工程实践环境的一部分。学校需要提供公平的基础资源，教师需要设计不能被 AI 直接替代的学习过程，学生则要掌握成本、验证和责任。

会调用模型只是起点。能把模糊需求变成可靠系统、能证明结果正确、能控制费用和安全风险，才是 AI 时代计算机教育真正需要培养的能力。

## 常见问题

### 没有付费 Token 的学生真的会被退学吗？

不会。这是课堂中的夸张式表达，不是南京大学正式学籍规定。

### 《生成式软件工程》主要教什么？

课程覆盖智能体、上下文工程、需求、开发部署、CI/CD、测试验证、安全审查、重构和 AI Native 架构。

### 为什么课程强调 Token 成本？

因为模型调用已成为软件生产成本，学生需要同时管理质量、延迟和费用，避免无效重复调用。

### AI 时代还需要学习传统计算机基础吗？

仍然需要。操作系统、算法、网络和软件工程知识是验证模型输出、发现错误和设计可靠系统的基础。

**Tags:** AI教育, AI编程, Token成本, Vibe Coding, 南京大学, 生成式软件工程, 蒋炎岩, 计算机教育

**Categories:** AI资讯

---