最近总有人问我一个问题AI Coding 都已经这么强了写代码动动嘴就行我们还有必要花时间学 Processing 吗创意编程是不是已经死了问这个问题的有刚接触生成艺术的学生有准备转做交互设计的程序员也有已经在用 AI 辅助开发的老朋友。我理解这种焦虑。毕竟 ChatGPT、Claude、Copilot 这些工具写常规业务代码确实快到离谱你给它一个清晰的指令它能在几秒内吐出一段能跑的 Processing / p5.js 代码甚至能帮你把粒子系统、噪声地形、像素风滤镜都封装好看起来确实很唬人。但我在玩创意编程和 Processing 这么多年之后越来越确信一件事AI Coding 越强恰恰越说明学 Processing 值。理由并不复杂因为它教的根本不是“怎么写代码”而是“怎么用代码想问题”。尤其当你试图做那种有个人表达、有视觉风格、有交互巧思的作品时你会发现 AI 能代劳的是“把想法写出来”而难替你做的是“知道自己想要什么”。这个“知道自己想要什么”的能力恰恰就是 Processing 教你的。这篇文章我不打算贩卖焦虑也不想唱衰 AI我打算从实际经验出发认真聊聊几个问题AI Coding 到底能帮我们做什么、不能做什么Processing 这门“看起来很简单”的语言到底在训练什么在 AI 时代用 Processing 做创意编程的正确姿势是什么。中间穿插一些我踩过的坑、试错中积累的技巧以及我对这个领域未来走向的真实判断。1. AI Coding 会把 Processing 干掉吗先看清双方的真实能力边界很多人对 AI Coding 的能力想象是“无所不能”对 Processing 的印象却是“一个过时的教学玩具”。这两个认知都有点偏。想搞清楚“还要不要学”你得先弄明白它们各自擅长什么不擅长什么。1.1 AI Coding 确实很强但强在“已知问题的求解”先说 AI Coding 的优点。用 Claude 或 ChatGPT 来写 Processing 代码我的体验是相当不错的前提是你描述得足够具体。比如你告诉它用 p5.js 画 200 个圆形粒子粒子从鼠标位置发射有重力碰到画布边缘反弹粒子之间距离小于 50 像素时连线线的透明度随距离衰减。这种指令AI 几秒钟就能生成一段能跑的代码而且通常结构清晰、注释齐全。它擅长的是把“已经被无数人解决过的通用问题”从语义描述转换成代码实现。粒子系统、Perlin 噪声、分形树、像素排序、三角网格这些创意编程的“经典题型”AI 早就见过成千上万遍了你让它写它写出来的通常比新手自己琢磨半天写出来的还规范。另一个明显的强项是改 bug 和调性能。Processing 里常见的报错比如“ArrayIndexOutOfBoundsException”“NullPointerException”你把报错信息贴给 AI它通常能立刻帮你定位问题。你嫌粒子数多了卡顿告诉 AI 改用互不分配的网格索引替代两两距离判断它也能快速给你一个方案。这些活儿本质上是在“已知问题空间”里搜索解法AI 干这个效率确实远超人类。1.2 但 AI 不懂你想表达什么它只懂“你让它做什么”可一旦进入真正的创作场景AI 的短板就暴露了。我经常跟朋友说一句话“AI 是个特别听话、特别熟练的绘图员但它不是设计师。”它能画出你描述的每一个细节但那个“画什么、为什么画、传达什么感受”的决策AI 做不了。因为创作的核心不是执行而是选择。举个例子。你让 AI 生成一段“表现孤独感”的动画代码它大概率会给你一个孤零零的小点在灰色背景里移动或者一个雾蒙蒙的场景里飘着一片落叶。这些符号太直白、太脸谱化了缺少真正打动人的微妙感。但如果你自己学 Processing你可能会有很多更私人的、更独特的表达比如一个缓慢旋转的圆环环上有一个微小缺口缺口的速率每次循环都加速一点点制造出一种“永远差一点就完整”的情绪。这种效果没有任何 AI 提示词能描述清楚因为它是你经过长期用代码“触摸”视觉元素之后逐渐形成的个人语言。它依赖的不是语法知识而是审美直觉和代码直觉的融合——你得知道旋转用什么变量控制、加速怎么实现、缺口怎么做出来甚至得感受过“速度从 0.01 到 0.05 之间那个临界值带来的情绪差异”。这些东西不是读几本书能学会的必须亲手写、亲手调才能内化成一种身体记忆。1.3 创意编程的“死”与“活”工具变了内核没变再聊回到“创意编程死了”这个话题。每次有新技术出现总有人急着宣布旧事物“已死”。摄影出现的时候有人说绘画死了AI 绘画出现的时候有人说原画师死了现在 AI Coding 出现了就轮到“创意编程死了”。但这么多年下来我们发现真正死去的是那些“只会重复执行既有套路”的工作而活得好好的是那些“用工具表达独特视角”的人。Processing 的价值恰恰在于它不是一个“生产软件”而是一个“思考工具”。它从一开始就是为艺术家、设计师、教育者设计的不是为了产出高效能的商业软件。它的语法简单、反馈直接你写三行代码就能在屏幕上画个圆改两行就能让它动起来。这种“想法到视觉”的超短路径在整个编程世界里几乎找不到第二个。你用它学到的“用代码构建视觉系统”的思维迁移到 TouchDesigner、Unity、Three.js、WebGL 甚至任何未来可能出现的新工具上都依然成立。换句话说创意编程的内核从来不是“Processing 这门语言会不会过时”的问题而是“你有没有建立一套用计算逻辑去生成视觉、表达概念的思维框架”的问题。框架在你脑子里工具只是载体。AI 写代码的能力越强这个“思考者”的角色就越值钱。2. Processing 真正教会你的四件事计算思维、视觉直觉、系统拆解、参数敏感度如果只是把 Processing 当成“入门图形编程的语言”那确实很容易被 AI 替代。但你深入理解这个工具带给你的训练就会发现它真正教的是几个更底层的、需要反复练习才能内化的能力。2.1 用“程序化思维”拆解视觉现象举个例子。你看到一片随风摆动的树普通人看到的是“树在动”而一个学过 Processing 的人会立刻在脑子里拆解树有多个分支每个分支是一个层级结构摆动是一个角度随时间变化的正弦波不同分支的摆动相位不同、幅度不同从根部到梢部逐渐放大风力不是全局统一的而是带有局部扰动的噪声场。这个拆解过程就是程序化思维。这个能力 AI 能给你吗它能给你一段“逼真的树”的代码但你让 AI 解释“为什么树的摆动能看起来自然”它可能给你一堆物理公式而不是这种视觉层面的直观拆解。Processing 的训练方式特别有意思它逼着你把每一个视觉现象还原成数学和逻辑的表达式。你想让物体动得有生命力你得理解正弦波和噪声的区别你想让颜色搭配不突兀你得懂一点 HSB 色彩空间的原理你想做跟随鼠标的丝带效果你得想明白“历史轨迹点的存储”和“插值平滑”是怎么一回事。这种把宏观感受还原成微观逻辑的过程本身就是创意编程的核心乐趣也是 AI 时代最值钱的素养之一。因为你能用一套系统化的语言去“转译”你的视觉灵感而不仅仅是依赖灵感本身。2.2 审美直觉的建立从“把代码跑出来”到“把效果调对”很多刚开始学 Processing 的人会有一个误解代码能跑 完成了。但真正深入之后你会发现“能跑”和“好看”之间的距离往往就是几十个参数的微小调整。一个粒子系统的视觉冲击力可能取决于粒子大小的衰减速度、透明度叠加方式、噪声扰动的幅度甚至取决于随机种子的选择。这些微调的判断力从哪里来只有从亲手操作中来。AI 可以给你一个“标准答案”但这个标准答案是平均数是无数开源项目里的常见值。而你在创作中真正需要的往往是那个不那么标准、有点个人偏好的“偏门值”。你只有大量试过才会积累出那种“我想要的质感大概在速度 0.02 到 0.03 之间”的直觉。我最近用 p5.js 做了一个雨滴效果的实验AI 给我生成了一段非常标准的雨滴代码直线下落碰到地面溅起小水花。我直接跑了一下效果还不错但就是感觉少了点什么。后来我自己动手改了半小时把雨滴从直线改成了微微的抛物线加上前倾的角度让雨滴末尾留下一条渐隐的拖尾再把背景的暗度和雨滴的亮度对比度加大。改完之后整个画面的“压迫感”就出来了。这段代码如果让 AI 改我可能需要写很多抽象的描述最终的输出也未必是我要的感觉。因为我要的那个感觉我自己还没办法完全用语言说清楚我只知道“看到的时候会有反应”。这就是审美直觉的领地AI 再强也替代不了你自己建立这套直觉的过程。2.3 系统拆解能力复杂作品如何一点一点搭起来学 Processing 到一定程度你一定会碰到那种“一个人做不完”的作品一个实时交互的装置需要同时处理摄像头输入、物体追踪、粒子系统渲染、声音响应、UI 反馈。这时候你怎么办AI 给你生成一个类里面塞了全部功能不可能AI 只能给你零散的模块但模块之间怎么组织、怎么通信、怎么管理生命周期还是需要你自己设计。Processing 教你天然的模块化思路把世界拆成对象把对象拆成属性、构造函数、行为方法。这种基本功在你做小练习的时候看不出来但你一旦开始做完整作品就发现自己特别需要“边界划分”的能力——哪些逻辑归粒子类管哪些归交互类管哪些全局的参数应该抽出来单独放一个 config哪些功能可以异步执行不影响主渲染循环。而这些能力跟语言无关你做 Three.js、做做 Unity、做做图形学后端都会用到。2.4 参数敏感度视觉领域的“手感”从哪里来最后想聊聊“参数敏感度”。这个词是我自己总结的意思是说你在调代码的时候能预感到“这个参数调大一点会发生什么、调小一点又会怎样”。这听起来没什么了不起但实际操作中新手和熟手最大的区别就在这里。新手调参数是全靠运气改一个值看一次结果不行再改一个毫无方向感。熟手调参数则像在调一台精密的乐器——他知道frameRate影响时序知道noiseScale影响空间频率知道blendMode(ADD)会让亮部叠加出新的色相知道strokeWeight在线条密集的时候会决定整个画面的“质感密度”。这种敏感度的建立只能通过“亲手改亲手看记录下来再改”的循环来积累。AI 能给你的代码写一千条注释但“手感”得你自己练。3. AI Processing 的正确打开方式让 AI 当执行者你当决策者我相信看到这里你大概率已经理解了一个基本判断AI Coding 和 Processing 不是替代关系而是上下游关系。你负责“定义问题、设定方向、把控审美”AI 负责“翻译需求、生成原型、优化细节”。这一节我就分享一下在具体的项目流程中怎么把这两者结合好效率翻倍的同时还不失个人表达。3.1 需求描述先写清楚“视觉意图”再让 AI 翻译成代码很多人用 AI 写 Processing 代码失败问题出在描述太笼统。你说“写一个好看的流动效果”AI 只能给你一个通用模板效果当然平庸。正确做法是先自己想明白你的视觉意图哪里流动、流动的速度如何分布、什么颜色范围、是否受交互影响、背景和前景的关系是什么。用一个我最近做的项目当例子。我想做一个“城市脉搏”的视觉效果用点阵表示城市街道网络每个点代表一个街区脉搏波从城市中心扩散路过不同的区域时波形和颜色会变化。我在给 AI 的提示词里写的是用 p5.js 创建 40x40 的点阵点间距 18 像素用一个以中心为圆心的径向波来驱动每个点的亮度距离中心的半径作为相位每个点的亮度还叠加 Perlin 噪声来模拟城市不同区域的不规则性颜色从冷色到暖色渐变波经过时颜色变亮。这段指令包含了空间布局、时间逻辑、色彩逻辑、噪声干扰四个层面的信息。AI 收到之后生成了一段非常接近我想法的代码我只改了零星几个数值就完成了。这个过程中真正“会创作”的是那个写提示词的我不是 AI。AI 只是把我的视觉想象翻译成了代码。3.2 让 AI 做“原型发散”你来做“收敛筛选”AI 在创意编程上特别适合干一件事快速生成多个方案供你筛选。你想做一个“雨夜玻璃上水珠滑落”的效果让 AI 一口气给你写三个版本一个用脚本化粒子模拟一个用物理引擎集成一个用预计算的光流纹理。每个版本都跑一遍你大概 10 分钟就能看到三种完全不同的视觉路子。然后再决定往哪个方向深挖。这个过程很像设计师做头脑风暴先发散后收敛。AI 负责快速生成“可能性”你负责凭审美快速判断“要还是不要”。毕竟 AI 执行一个思路的成本极低但你如果自己花两个小时写第一个版本发现方向不对再花两个小时写第二个时间损耗就太大了。创作者真正值钱的不是执行而是决策——在多个“都不错”的方向里选一个最契合意图的方向。3.3 调试和优化的分工AI 当“代码医生”你当“视觉导演”在项目的推进阶段我的分工习惯是视觉层面的问题自己调逻辑层面的问题甩给 AI。举个例子如果画面出现闪烁可能是绘制顺序的问题可能是 blend 模式的问题也可能是物体更新逻辑的时序问题这种逻辑排查非常适合交给 AI你把代码片段贴给 AI说明现象它通常能快速指出原因。但如果是“画面好看不好看”的问题比如颜色氛围不对、粒子运动太机械、节奏感不够千万别让 AI 改因为你自己都说不清楚“哪里不对”。这时候掏出代码亲手把参数从 0.03 试到 0.08试到某一个值突然心里“咯噔”一下、意识到“就是它了”那种感觉是 AI 给不了你的也正是做创意编程最上瘾的时刻。用行话说代码正确性是 AI 的领域代码表达力是你的领域别搞反了。4. 新手避坑指南AI 时代学 Processing最容易踩的 4 个坑最近经常有读者跟我抱怨跟着网上的教程学 Processing看着 AI 写的代码也都能跑但自己离开 AI 就什么也写不出来感觉自己像在“自动驾驶”里永远不碰方向盘。这其实是 AI 时代学编程绕不开的一个困境。我总结了四个最常见的坑提前告诉你希望你能少走弯路。4.1 只看 AI 生成的代码从不自己从头写这是最普遍的问题。很多人一开始就依赖 AI 生成代码结果三个月过去了离开 AI 连一个“在画布上生成 100 个随机位置的圆”都写不出来。原因很简单编程和游泳、骑自行车一样是程序性记忆不是陈述性记忆。你看懂 AI 写的代码和你能自己写出来这是两回事中间隔着大量的手指记忆和错误体验。我的建议是前 50 个小时学 Processing严禁用 AI 生成代码。强迫自己手写每一行哪怕是反复查文档也比复制粘贴有效一百倍。你只有经历过“自己写 bug 再自己解决”的完整循环才能真正理解每行代码在干什么。等基础扎实了再用 AI 提效那时候你是“会用工具的人”而不是“被工具带着走的人”。4.2 只会拿来主义遇到报错就复制粘贴给 AI跟上一个问题绑定在一起的是调试能力的缺失。以前的人学编程遇到 bug 第一反应是自己看 Log、加显示语句、逐步排查这个过程是建立对程序运行机制理解的关键途径。现在的人遇到 bug 第一反应是复制报错信息丢给 AI。报错信息“Processing non-unicode truetype front”看不太懂直接粘贴给 AIAI 会告诉你是字体文件编码问题换个字体或者重新导出一个带 Unicode 映射的字体就行。但这个“AI 告诉你”的过程帮你省掉的是几小时的无头苍蝇式搜索同时夺走的也是你对“程序为什么报错”的深层理解。我的建议是AI 帮你定位问题可以但 AI 给的答案你要花两分钟深入去理解跟着它说的路径去查一下相关文档搞清楚背后的原理。这就像去医院医生给你开药之后你最好了解一下这个药是治什么的、为什么治而不是稀里糊涂把药吃了然后复发。4.3 过早追求“炫技”忽略基础视觉节奏感还有一个坑是很多新手学 Processing 没两周就急着做那种“超炫酷的 3D 粒子场”“实时流体仿真”之类的效果。AI 能帮你把代码跑出来看起来也确实很炫但仔细一看画面乱糟糟的色彩缺乏层次运动节奏完全靠随机数撑着没有什么美感可言。这就是典型的“手段大于目的”。Processing 真正的内核其实不是技能树而是用代码组织视觉的基本功构图、比例、节奏、色彩、留白。这几个东西没解决就算你塞进去一百种算法画面依然难看。我建议新手先老老实实做减法试试只用圆形、矩形、线条通过位置、大小、透明度、尝试构建一个有节奏感的画面。这些练习体量小但能帮你建立最核心的控制力。等你能把一个简单画面做得有美感了再去叠加复杂算法那时候你的作品才是“复杂的好看”而不是“复杂的混乱”。4.4 把 Processing 当作“唯一工具”拒绝看其他方向最后一个坑来自另一个极端学了 Processing 就只认 Processing觉得所有创意输出都得用它实现。实际上 Processing / p5.js 只是整个创意编程生态里非常偏“教育”的一环它在快速原型、课堂教学、艺术实验上特别舒服但在高性能渲染、复杂物理模拟、大规模场景管线上明显不如 TouchDesigner、Unity、Houdini甚至不如你直接写原生 OpenGL / WebGL。我的判断是Processing 最适合当“思维训练工具”和“快速草图本”你要用它建立“计算式视觉思维”但别指望它打天下。做完一两个完整项目之后务必向外探索什么时候需要转到 p5.js 在浏览器里做交互什么时候需要转到 Three.js 做三维场景什么时候需要转到 TouchDesigner 操作实时视觉这些工具选型的判断力可能比“哪个工具更熟”更重要。工具都是会退休的但“选择工具解决问题”的能力不会过时。5. 创意编程的价值回归AI 时代什么才是真正不可替代的聊到最后我想把视角拉远一点谈谈我对创意编程这个大领域的一些判断。这波 AI 浪潮对创意领域的冲击确实很大但它也在倒逼所有人回归“创作的本质”。5.1 从“会不会写代码”到“能不能定义问题”过去很长一段时间创意编程的入门门槛是“你得会写代码”。现在这个门槛已经被 AI 削平了一个完全不会写代码的人也能借助 AI 生成一段粒子系统代码。听起来是好事但你去实际做项目就会发现最难的不是怎么写代码而是定义“我要做出一个什么东西”。这个定义过程需要多强的能力你需要知道我关注的主题是什么用什么视觉隐喻来表达比较贴切观众看到之后会产生什么样的情绪我应该在什么平台上呈现网页交互装置投影不同平台对视觉风格有什么约束。这些问题的答案不是一个 AI 提示词能替你决定的。它依赖的是你的视野、审美积累、对特定媒介的理解以及对“人与机器、人与影像之间关系”的长期思考。创意编程作为一个领域正在从“技术驱动”转向“概念驱动、审美驱动”。这对新手来说其实是好事你不一定非得懂很深奥的计算机图形学原理才可以开始创作。但你必须尽早培养自己的判断力——什么值得做什么不值得做什么是有表达力的作品什么只是技术的堆砌。5.2 真正的护城河把计算当作创作媒介的“母语感”在 AI 时代学习 Processing 最大的价值是在你大脑里建立一种“把计算当作表达媒介”的母语感。就像你学外语如果只靠翻译器你永远无法用那门语言思考但如果你在语言环境里生活过一段时间你说话时就不再需要一个“从中文翻译成外语”的过程那个表达是直接涌出来的。Processing 就是那个能让你沉浸其中的“语言环境”。当你写代码写到一定程度你会经历一个特别奇妙的转变看到一个视觉现象大脑里浮现的不再是文字描述而是“这个效果应该用圆半径的某个函数来控制”“这里的色彩交织本质上是一个 hue 的循环映射”。你开始直接用“代码的语言”思考视觉。这种母语感一旦建立AI 对你来说就只是一个帮你打字的输入法而不是替你思考的翻译器。你写出来的作品才会有真正属于你的“口音”。5.3 给正在犹豫的人一句实在话如果你问我现在开始学 Processing 还来得及吗我的回答是工具的入场券越来越便宜但思考的入场券依然和以前一样贵。你不需要担心 AI 会替代你你只需要担心自己有没有建立一套独立于具体工具的创作系统。这套系统包含用计算逻辑拆解视觉现象的能力在大量尝试中积累出来的审美直觉从一个模糊想法到完整作品落地的项目执行力对不同工具链的认知和使用选择能力。把这四样练好无论未来出现什么新工具、新 AI管它叫 Copilot 还是什么别的名字你都是那个拿着地图的人。工具负责让你走得更快而你负责决定方向。最后再分享一个小技巧。我每次做一个新的创意编程项目都会先强制自己用 Processing 手写一个 10 分钟内能完成的微型原型哪怕这个原型只是让 10 个圆点在屏幕上以不同速度漂移。这个过程中我会快速找到“这个方向有没有感觉”。找到感觉了再叫 AI 来协作扩展、提速。这种感觉先行、AI 随后的工作顺序我用了很长时间成了我的核心创作习惯。建议你也试试看。