展示 HN: Atrophy – 量化 AI 对你无辅助编程技能的侵蚀
Atrophy 是一个命令行工具，通过定期提供小型编程练习（无 AI 辅助）来测量用户的纯技能水平。它自动评分、维护技能评级（类似国际象棋 Elo 分），并绘制一段时期内的变化曲线，帮助用户直观了解 AI 是否在悄悄削弱其独立编码能力。工具包含五项技能（语法、调试、代码阅读、API 记忆、分解），提供两种语言和难度自适应机制，并支持与 AI 辅助得分的对比图表。
Atrophy 是一款开源的命令行工具，旨在帮助开发者量化 AI 辅助工具对其原始编码能力的潜在侵蚀。它通过定期要求用户在不借助任何 AI 工具（如 Copilot、ChatGPT 等）的情况下完成小型编程练习，自动评估解决方案，并维护一个动态的技能评级系统，类似于国际象棋的 Elo 分。用户的评级变化会以图表形式呈现，使其能够直观地看到自己的独立编程能力随时间的演变。
该工具的核心功能围绕五个关键编程技能展开：语法回忆、调试、代码阅读、API 记忆和分解设计。每个练习提供 Python 和 JavaScript 两种语言选择，并按三个难度等级划分。系统会根据用户的表现自动调整难度，使挑战水平始终保持在约 65% 的成功率附近，以最大化每次练习的信息量。
Atrophy 的典型使用流程包括：首先运行 atrophy baseline 完成一次约 25 分钟的初始测试，为每项技能建立基线评级；之后定期执行 atrophy drill（每次 5-10 分钟）来巩固最久未练习的技能；通过 atrophy serve 可在浏览器中查看包含技能曲线和无辅助 vs AI 辅助对比的仪表盘。特别地，每月一次的 atrophy drill --ai-on 可以在允许 AI 辅助的情况下进行对比测试，其结果与无辅助结果分开记录，从而生成显示两者差距的图表——这正是该工具存在的核心理由。
该项目还引用了多项研究来佐证其重要性，例如医生在 AI 辅助后息肉检出率下降、学生在无 GPT-4 后成绩变差、以及开发者使用 AI 后实际效率降低等。这些研究表明，技能下降往往没有内在预警信号，而 Atrophy 正是要提供这种客观的度量。
Atrophy 的设计注重隐私和数据本地化：所有数据存储在本地 SQLite 文件中，无需账户，不进行同步或遥测。它完全开源（MIT 许可证），并诚实地列出了局限性，如短练习不能完全代表真实世界技能、练习本身会提升练习能力等。项目欢迎社区贡献新的练习题目，并有完善的测试和验证流程确保题目质量。