AI 会操作，人为什么还要学 Git？

English | 中文

AI 可以替我们完成越来越多的操作。但一个人能提出什么问题、看见哪些选择、判断什么结果，仍然受到自身理解的影响。脑中没有一个概念，遇到问题时就很难想到使用它，也很难发现一个看似合理的答案漏掉了什么。

这是我继续维护这个仓库的原因：把值得传承的工程思想讲清楚，让人在 AI 的帮助下做出有根据的判断。

学习的重心正在改变

过去，学习工具常常意味着把两件事一起学会：理解它的设计，熟练执行它的操作。时间有限时，容易先记住命令，再把原理留到以后。

现在，Agent 可以承担大量操作，理解的重要性变得更明显。知道“可以把改动拆开验证”，才会想到要求 Agent 拆分提交；知道“分支只是引用”，才会在误删分支后先检查提交是否仍然存在；知道“工作区和 Index 可以不同”，才会追问测试与提交是否对应同一份代码。

这也不意味着操作知识失去价值。人仍需要读懂关键命令、识别破坏性操作，并在小实验里验证自己的理解。实践让抽象概念有证据，AI 可以帮助我们降低实践成本。

为什么用 Git 来学习这些思想

Git 把几种很有生命力的设计组合在一起：以内容标识对象，用快照记录状态，用引用命名历史，用共同祖先理解分歧。这些思想可以迁移到缓存、制品、协作和系统恢复等问题中。

几个容易混淆的边界尤其值得学：

• commit 关联快照，branch 指向 commit。 分支本身不是一份文件副本。
• Index 描述完整的下一份快照。 它不只是一个“待提交文件名列表”。
• 内容身份不等于内容正确。 对象 ID 能标识版本，不能证明业务逻辑正确，也不能代替作者身份验证。
• 版本恢复有范围。 Git 可以帮助恢复已经记录的代码，不能自动收回已发消息或撤销数据库写入。

原理依据见 Git Objects 和 Branches in a Nutshell。

Git 的价值也不需要建立在“其他系统都过时了”的说法上。集中式与分布式版本控制各有取舍，先理解约束，再比较设计。相关讨论见 Git 与 SVN。

这个仓库怎么教

学习按三个部分展开：

1. 建立理解。 从一个真实疑问进入快照、对象、引用和历史，先预测，再观察。
2. 验证理解。 用可暂停的动画、临时仓库实验和预期输出，检查解释能否预测结果。
3. 运用理解。 把 Agent 的改动组织成可审查的提交，把验证绑定到具体版本，再决定是否合入与发布。

动画帮助看见关系。真正的掌握，是换一个条件后仍然能预测结果，并说出不知道什么。

人负责什么，AI 帮什么

可以让 AI 解释对象图、生成实验、比较候选方案、执行授权操作、找审查线索。人需要理解目标与边界，评估证据，并为接受何种变化承担责任。具体审批可以由团队规则分配，不能把责任简单推给“AI 说没问题”。

例如 Agent 说“修好了，测试全绿”。你至少应该能够继续问：

• 修复是否只解决了约定的问题？
• 测试验证的是最终提交，还是包含未提交编辑的工作区？
• 合入后出现问题，哪些状态可以恢复，哪些需要补偿？

这些问题连接了原理与工程管理。Git 是变更控制的基础之一，完整体系还需要测试、审查、权限、制品和发布记录。

从哪里开始

先打开交互学习页，再按完整学习路径依次尝试十个主题的文章、交互和临时仓库实验。完成材料阅读或脚本运行后，仍要通过预测、重现和迁移检查自己的理解；接着可尝试一次 Agent 变更的完整验收。需要从原理、一次变更和团队协作之间选择入口时，查看知识地图。

我们的目标：让理解支撑判断，让工具承担执行。