展示 HN: Atrophy – 量化 AI 對你無輔助程式設計技能的侵蝕
Atrophy 是一個命令列工具，透過定期提供小型程式設計練習（無 AI 輔助）來測量使用者的純技能水平。它自動評分、維護技能評級（類似國際象棋 Elo 分），並繪製一段時期內的變化曲線，幫助使用者直觀瞭解 AI 是否在悄悄削弱其獨立編碼能力。工具包含五項技能（語法、除錯、程式碼閱讀、API 記憶、分解），提供兩種語言和難度自適應機制，並支援與 AI 輔助得分的對比圖表。
Atrophy 是一款開源的命令列工具，旨在幫助開發者量化 AI 輔助工具對其原始編碼能力的潛在侵蝕。它透過定期要求使用者在不借助任何 AI 工具（如 Copilot、ChatGPT 等）的情況下完成小型程式設計練習，自動評估解決方案，並維護一個動態的技能評級系統，類似於國際象棋的 Elo 分。使用者的評級變化會以圖表形式呈現，使其能夠直觀地看到自己的獨立程式設計能力隨時間的演變。
該工具的核心功能圍繞五個關鍵程式設計技能展開：語法回憶、除錯、程式碼閱讀、API 記憶和分解設計。每個練習提供 Python 和 JavaScript 兩種語言選擇，並按三個難度等級劃分。系統會根據使用者的表現自動調整難度，使挑戰水平始終保持在約 65% 的成功率附近，以最大化每次練習的資訊量。
Atrophy 的典型使用流程包括：首先執行 atrophy baseline 完成一次約 25 分鐘的初始測試，為每項技能建立基線評級；之後定期執行 atrophy drill（每次 5-10 分鐘）來鞏固最久未練習的技能；透過 atrophy serve 可在瀏覽器中檢視包含技能曲線和無輔助 vs AI 輔助對比的儀表盤。特別地，每月一次的 atrophy drill --ai-on 可以在允許 AI 輔助的情況下進行對比測試，其結果與無輔助結果分開記錄，從而生成顯示兩者差距的圖表——這正是該工具存在的核心理由。
該專案還引用了多項研究來佐證其重要性，例如醫生在 AI 輔助後息肉檢出率下降、學生在無 GPT-4 後成績變差、以及開發者使用 AI 後實際效率降低等。這些研究表明，技能下降往往沒有內在預警訊號，而 Atrophy 正是要提供這種客觀的度量。
Atrophy 的設計注重隱私和資料本地化：所有資料儲存在本地 SQLite 檔案中，無需賬戶，不進行同步或遙測。它完全開源（MIT 許可證），並誠實地列出了局限性，如短練習不能完全代表真實世界技能、練習本身會提升練習能力等。專案歡迎社群貢獻新的練習題目，並有完善的測試和驗證流程確保題目質量。