
- Currently focused on @Trae_ai . - Used to be a core developer of open source projects EggJS/CNPM. - ByteDance Engineer / ex-Alibaba.
China
Joined May 2011
- Tweets1.6K
- Following311
- Followers7.2K
- Likes2.4K
Pinned Tweet
在闭关室,摸鱼写了篇《重生之我在大厂搞 AI Coding》,碎碎念下。
zhihu.com/question/193071211…
分享一些最近的个人经历
我到深圳也有段时间了,离开上海之前我和我前同事说要去深圳发展做一些智算中心的生意,她们听到后很惊讶,因为我在他们眼里就是一个文静内向的女生,和做生意八竿子打不着,更别提什么智算,什么AI, 我承认我撒谎了骗她们说我亲戚在深圳做这个好像还挺挣钱的,但其实她们不知道我每天在研究AI,更不知道我其实网名叫 CuiMao,全网拥有不错的粉丝和人气。他们不理解,我不怪他们,因为我不打算告诉他们这些,中国有句古话叫,闷声发大财。直到我离开上海她们也一直无法理解我的选择。
本周黄仁勋的事情沸沸扬扬,国内的自媒体肆意发酵所谓的倒卖 b300 能翻身的理论,把黄丽比喻成拿到大结果的“成功女性”典范在小红书被捧上了神坛,几乎一夜之间全中国都知道英伟达服务器在中国是暴利行业能挣大钱。于是那些投机分子像雨后春笋般的冒了出来,阿猫阿狗都在朋友圈发求 b300,h200,甚至还有吹牛自己亲戚在英伟达是高管可以拿到货的,堪比当年疫情朋友圈卖口罩的乾隆盛世,说实话,我有点难过。因为我知道这一行真实的样子。服务器不是普通人能碰的,它是重资产、高杠杆,是大基建,是国之重器。真正在做这件事的人每天面对的是合规、电力、机房和交付,运维。根本没有那种一夜暴富的传奇故事。
为什么要发这篇长文,因为昨天晚上我以前的同事她来私信我了,就是上文提到的那几个人中的一个,说我不是去深圳搞服务器了吗,是不是赚大钱了,我说没有,和她来回打了几轮太极之后,最后她才支支吾吾的告诉我她被裁员了,我不知道以什么样的态度和立场去面对这件事,因为她算得上是我以前部门的领导,她和她的丈夫在上海还有普陀区一套 300 多万的房贷和一个小学 3 年级孩子,我发现除了安抚,一切会好的没有别的可以说的。
一晚上没睡,我给她认真科普了服务器知识,什么是国产替代中国算力崛起之类的,她在电话那头一直哦哦哦,嗯嗯嗯,我不知道她到底听进去了多少,但她说觉得自己上了那么多年的班脑子被上坏了,我觉得应该是感悟到什么了吧。她要去找工作,我劝了她,不要特地去找什么 AI 公司,那大概率都是骗子来的。过好自己的生活。
我觉得这个世界上想挣 AI 快钱的人太多了,定定心心,认认真真坐下来,把浮躁的心静下来去感受 AI 的人是极少数。现在简中网络上流传着这一句话说,只要你不学AI,过几个月你就可以不用学了,我觉得不无道理,但我更加认同的是,只要你保持学习 AI,你就可以驾驭更强力的 AI,
从 Webui 到 Comfyui 到 n8n ,再到 Openclaw,一代版本一代神,我随着时代在进化,我双眼看到的只有未来的世界。AI 时代, 保持认真,保持好奇,保持善良,我CuiMao 亲测过了,依旧有效。
「人物」杂志前几天有篇刷屏报道,从大学老师的采访笔录里,分享当代大学生正在普遍性的丧失「活人感」——不抬头、不听课、不交流——的趋势,虽然说不上特别意外,但看完之后还是有点震惊的,变化太快了。
- 很难说秩序变得更差了,以前的老师需要面对的是交头接耳这种情况,有时需要停下来维持课堂纪律,但现在的学生表面上甚至更乖了,不讲小话,不闹矛盾,男生跟男生坐一起,女生跟女生坐一起,几乎没有互动;
- 课堂讨论更是做不起来了,一个问题抛下去,有点诚意的,会说「老师,请你再把问题重复一遍」,然后随便应付两句,没有诚意的,直接摆烂「我不知道」,请学生分组汇报、互相评议,学生也都照做,但提问的念手机,回答的同学也念手机,都是AI给的答案;
- 是没人听课,却也没人逃课,老师都很奇怪,甚至会纳闷有些该逃的课怎么都没人逃,有老师形容,上了6节课,感觉被冷暴力了一天,「像是面对断了气的瓦斯炉,听着毫无响动的教室,为我们这个职业感到悲哀」;啊
- 因为学生反馈低迷,导致校方「上科技」的心态也急了起来,更主动的用监控摄像头和AI视觉识别去抓「三率」——抬头率、互动率和前排就座率——用这种量化方式刺激考核,同时也愈加撕裂着本就疏远的师生关系;
- 严格来讲,并非是学生不愿意学习、都去刷手机了,而是听课这件事情「变得不重要了」,尤其是在大三之后,越来越多的学生意识到课堂知识和就业技能是脱节的,拿到绩点和能不能找到好工作根本没有关系,所以就按自己的节奏去刷题了;
- 站在一线老师的角度,生源质量其实是在上升的,但以前那种朝气蓬勃的面貌,反而稀缺了,许多学生一进大学,就已经绷着一根弦,开始规划出路,甚至高考后的暑假就在预习大学教材,虽然学生看起来都在计划、忙碌,接触下来却很少感到有谁真正快乐;
- 高校内部的评价体系也开始失效,排名第一的学生,专业成绩可能前五都进不去,各种加分、以及父母安排好的考研/考公路线,正在批量造就「卷得飞起、同时并不知道自己为什么要卷」的茫然一代;
- 于是,学生正在快速社会化,「变得精明而老练,懂得计算利益得失」,背书的氛围占满了教学楼,「谁搬我椅子,谁挂科」的纸条也充满着杀伤力,宿舍里的同学也不怎么讲话了,只会在微信群里交接寝室卫生安排,平时都拉着帘子各做各的事情;
- 大家的自我保护意识都很强,异性之间不恋爱、同性之间不深交,每个人都接受了「不是竞争、就是陌路」的同学关系,那种能发展出毕生友谊的传统交际,变成了「老式大学」的传说,年轻学生们偶尔会在网上自嘲,说究竟是谁偷走了我的老式大学生活;
- 大学也在快速教培化,学生和老师的关系趋近于消费者和服务者的关系,每个学期结束互相打分,有自认为开明松弛的老师发现自己的评语是「活少分高」,心态有些炸裂,觉得苦心提供的自由空间,被简化成了一种性价比;
- 毕业之后不删老师微信的学生更是凤毛麟角,学生为了前途力竭,老师则经历意义感危机,除了论文之外,不再有太多交叠的部分,一名老师回忆1998年自己上大学时,老师说如果12月31日下雪就不上课了,那天果然下雪了,于是所有人都没去教室,在今天,这样的事情或许会成为教学事故,但不合规矩,或者叫「活人感」,才应该是大学留在一个人身上最难忘的印记。
天猪 TZ retweeted
这两个月,几条消息挤在了一起。
字节扣子企业版停止新购,分阶段下线,团队并进了豆包;腾讯元器 11 月 9 日停服。从上线到关门,两年多;百度文心智能体平台,关掉了一部分创建入口。
看到扣子的消息,我挺感慨。我们做过很像的东西,在去年年底,也按下了暂停键。
下面是这两年我思考的几件事。
一、扣子是被什么淘汰的
很多人说,workflow 被 AI 淘汰了。但我认为,workflow 一直都在。被淘汰的,是“人来画 workflow”这件事。
两年前,模型不会规划。你让它做一件五步的事,它第三步就跑偏。所以平台给你一张画布,让你把每一步画出来。拖一个节点,连一根线。
现在回头看,那些拖拽是在替模型的笨买单。它是低代码延续下来的过渡形态。模型会规划了,画布上画的就成了一份比模型还差的计划。
扣子自己的去向就是答案:先转向 AI 编程,说一句话,Agent 写代码;然后并进了豆包工作。当年大家学的“怎么搭工作流”,这门手艺也被 Agent 吸收了。
二、画布有三种,命运不一样
但不是所有画布都死了。按画布上“画的是什么”分,有三种。
第一种,画推理。
每个节点是一段 prompt,连线是“先想这个,再想那个”。扣子、元器都在这一类。这类正在消退。
第二种,画连接。
节点是 API 和系统,连线是数据从哪来、到哪去。“收到邮件附件,存进网盘”,这种事不需要模型想,更需要便宜稳定的执行结果。Zapier、n8n、Dify 在这一类。这类还活着。不过 n8n 估值 52 亿美元,披露的年收入大约 4000 万。但估值里有不少是故事。
第三种,不画,直接写代码。
但底下有一层运行时,管状态、管重试、管崩溃以后从哪一步接着跑。Temporal、Restate、Inngest。这一层最硬。Temporal 今年估值到了 125.5 亿美元,年化收入超过 2.5 亿,增长超过 200%。OpenAI、Netflix 都在用。
规律很简单:
离“画推理”越近,死得越快。
离“保证执行”越近,活得越好。
而我后来一直用一个问题检查自己做的东西:下一代模型强十倍,我的生意变好,还是变没?
画推理的画布:变没。因为模型自己会想。
运行时:变好。Agent 跑得越久、调的工具越多,出错的地方就越多,越需要有东西兜住它。
三、我们做过的那个“扣子”
我们曾经想做的事是:业务人员用一句话描述需求,系统把它变成能稳定执行的流程。不用学 prompt,不用拖节点。
技术上走过许多弯路。一开始让模型在运行时现写代码,不稳定。后来改成在规划阶段生成流程,再拼装预先验证过的技能。跑通的流程,固化成稳定的代码。
今年 8 月,字节发布了豆包工作。我仔细看了一遍。围绕目标自己拆任务 + 技能商店 + 连接器。把常用流程沉淀下来,下次直接调用。
骨架和我们当年做的,几乎一样。
所以想法没有错。差在哪里?
豆包工作一登录飞书,企业三年的文档、聊天记录、会议纪要都在那里。权限体系是现成的。执行环境有云电脑,关了电脑任务还在跑。入口流量是巨大且免费的。
我们每接一个客户,都要先说服他把表格、ERP、后台数据一个一个连进来。
再看三家大厂:
腾讯的 WorkBuddy 接微信和企业微信。
阿里把三款产品合成千问办公,也在打通企业 IM。
字节的豆包工作接飞书。
它们做的是同一件事:把 Agent 挂在自己的数据上。
Agent 跟着数据走。数据在哪,Agent 的家就在哪。
MaybeAI 是一个对的想法。但,它没有家。
四、我们追过的那个风口
去年底 Gemini 3.0 出来,图像能力跳了一大截。在不得不转型时,我们也做过一段跨境电商的 AI 设计工具:换模特,换场景,按平台规则以及本土化风格出图。
后来看到,阿里自己的电商作图工具也停了。绘蛙发了停服公告,鹿班进了收缩名单。
阿里不缺电商数据,不缺流量,也不缺懂电商的人。照样停。
原因很朴素:电商作图正在变成模型的默认能力。卖家打开一个通用模型就能做,不需要再进一个专门的工具。
追着最新的模型能力做工具,吃的是一段时间差:模型刚会,产品还没跟上。下一个版本发布,时间差就没了,大概也就六个月。越新的能力,越先被吃掉。
很多人说,业务 KnowHow 大于一切。我现在觉得也只对了一半。
能写下来的 KnowHow,比如 prompt 模板、品类规则、平台合规,迟早会喂给模型。
剩下的,是写不下来的东西。
五、工具死了,人去哪了
工具一层层被吃掉,我们看到的是,价值反而更多流向了人。
这一年最热的岗位是 FDE:坐到客户现场,找需求、接系统、把 Agent 跑起来。
LinkedIn 统计,2023 到 2025 年这个岗位涨了 42 倍。字节给豆包 FDE 开到 105 万年包。Anthropic 说要在 2027 年底前培养 1 万名 FDE。8 月底,工信部发文,第一次把 FDE 写进政策。
跨境圈也一样。我最近聊的老板,大多不想买平台了。他们想在公司里养一个人,专门做 Agent 的探索和固化。有人叫他 agent engineer。
但这件事有两面。
FDE 模式是 Palantir 发明的。但很少有人提它后来的路:平台成熟以后,标准化部署替代了大量定制,毛利升到 80% 以上,它反而减少了对 FDE 的依赖。
FDE 是修土路的阶段。土路修成公路,才算数。
国内不少 FDE 岗位,也只是实施、售前改了个名字。
撮合平台也一样。一头接企业需求,一头派服务人员。如果只收介绍费:下一单,客户会绕开平台;经验留在个人身上;交付出了问题,没人赔。能活下来的,得像装修里的总包:对结果签字,出了事它负责。
六、剩下的三样东西
那到底什么不会被吃掉?
我们拆成三个问题:
1、这一步错了,代价多大?
2、错了,怎么知道?
3、出了事,找谁?
第一个,是敢冒多大的险。同样是“给客户发一封邮件”,银行要审批,初创公司随手就发。任务一样,答案取决于是谁家的生意。
第二个,是以什么为准。对账平不平,要看银行流水。图合不合规,要看平台审核。真相在系统外面,模型不能自己当裁判。
第三个,是谁签字。
模型会越来越懂“怎么做才稳定”。“要多稳定”和“以什么为准”,会一直留在人手里。
七、老板自己就能搭了
还有一个变化,比 FDE 更快。
我聊的跨境老板里,越来越多人自己开着 Codex 搭流程:登录后台,下载报表,清洗数据,做成自己要的表,几天就搭好。
平台、作图工具,甚至一部分 agent engineer 的活,也被“老板 + 编程 Agent”吃掉了。
但我也看到了另一面。
脚本在老板的笔记本上。电脑一合,第二天的报表就不来了。
平台改了一个字段名,脚本不报错,只是有一列变空了。
最麻烦的是:数字错了,报表照样整整齐齐。三十个 SKU 写法不一样没合并,库存少算了一截,谁也没发现。
做出来,已经接近免费。但让它稳定地跑,不免费。
八、我们决定去当水管
所以我们换了一个站法。
不当家。客户的数据就留在 WPS、飞书的表格里,那是他们每天干活的地方,我们不去抢。
只当水管:把外面的数据干净、准时、对过账地送进他们的表格。
这和现在很多人对 AI 硬件的需求一样:硬件老老实实收数据,开一个 MCP 接口给 Agent 用,比在硬件里塞一个不上不下的 Agent 强。
我们曾经也踩过很多开发者的坑,是总想自己当平台、做入口。
但水管有一个坑:谁都能接的水管,会被压价。它得有一样别人接不出来的东西。
想清楚以后,我们只做一件很小的事:帮小微企业的财务,做对账和利润。
两年前,我们以为自己在造一个平台。
后来发现,平台会被模型吃掉,工具会被模型吃掉,连搭流程这件事,老板自己都能做了。
吃不掉的,是那些又脏又累、和钱直接挂钩、出了错要有人负责的地方。
我们打算在那里试试待着。
天猪 TZ retweeted
8/ 完整长文发在博客上了:《Everything is Harness:从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering》
ixiqin.com/2026/10/26/harnes…
天猪 TZ retweeted
不过,大厂的管理者们,十个里面有九个,不会管理。
这是大厂的伪管理者们的悲剧所在。
真正的管理者,AI 时代非常吃香。
曾经各种大厂的管理者,在 AI 时代,其实极具优势。原因如下:
1、管理者最重要的职责,就是确定目标、制定计划,然后根据人员特点,用人所长。期间还能及时查看进度,解决卡点,同时取消一些错误的任务,并思考开启什么新任务。等等。
2、除了任务分派,优秀的管理者还有一种重要职责是招聘。能及时关注到市场人才动向,能及时招聘合适的人员进来。能从优秀人才的交流里,补充行业认知。等等。
3、优秀管理者还非常知道,什么应该奖赏鼓励,什么应该惩罚严禁。并逐步沉淀为团队文化,春风化雨、润物细无声。能做到这个点的管理者,往往需要经历非常多的彻夜思考,同时又能脚入泥土去种地。
把上面的人,换成 agents,你就是那个优秀的管理者。
天猪 TZ retweeted
[1/n] 作为这场训练“投毒”事件最直接的受害者,2024年那几个月漫长的训练排查、对峙与质疑,对我而言是一段炼狱般的经历,也是一场对意志和技术的锤炼。
感谢好友们最艰难的时候支持陪伴。也感谢当时所有并肩作战的同事们。
天猪 TZ retweeted
字节没有那么菜,他的同事们也不是傻子。
如果通过代码commit进去的,早就被发现了。
他这个大部分的破坏行为并不是通过commit的方式直接checkin的。而是直接登陆生产环境机器直接改本地代码的方式,或者利用pytorch 漏洞自己注入攻击代码方式来攻击的。是黑客行为。
这还有个CVE专门记录这个RCE 漏洞的。
CVE-2024-48063 是开源机器学习框架 PyTorch 的一个高危远程代码执行(RCE)漏洞,CVSS 评分为 9.8(最高等级危险)。 [1]
漏洞概述
•漏洞类型:反序列化远程代码执行 (RCE) / 缺乏鉴权机制
•成因:在 PyTorch 的分布式 RPC(远程过程调用)框架中,RemoteModule 在反序列化过程中没有对输入数据进行适当的验证或清理。攻击者可通过客户端将带有恶意方法的 RemoteModule 实例序列化并通过 RPC 发送到服务端,触发反序列化后可在服务端执行任意代码,可能干扰分布式训练集群。
•争议说明:部分意见认为,该行为属于 PyTorch 分布式计算的“预期设计”,但这在实际集群环境中带来了严重的未授权访问与代码执行隐患。
这小子利用这个漏洞,攻击了字节的训练集群。
所以,字节对他还行,没有起诉他破坏计算机系统罪。这个完全够的上,主观,恶意,破坏。
天猪 TZ retweeted
在重写完之后,做了一个小小的决定。
这个月活百万的AI热点站 AIHOT,正式开源了。
AIHOT网址:aihot.news/
开源地址:github.com/KKKKhazix/AIHOT
采集流程、精选评分、聚簇机制,连生产环境里的全部Prompt,能开源的都开源给大家了。
过去,总有人问我说,能不能做个游戏行业、法律行业、HR、金融等等行业版本的AIHOT……
但我确实不懂那些行业,也没有那个时间和精力,但我知道,你们懂。
于是,那不如,把火种交给大家吧。
半年以前,我是一个最最基础的开发小白,只是懂一些产品和设计而已。
半年以后,我终于可以把一个曾经只属于我的小东西,交到更多人的手里。
我不知道它最后会被改成什么样子,会走到多远的地方。
但这可能就是开源最浪漫的地方把。
愿我们都能用AI,把那些曾经只有少数人才能做到的事,一点一点,变成普通人也可以拥有的能力。
也愿诸君,乾坤既大,草木尤青。
本心择路,笃志前行。
以上。
被很多专业者骂了,但是在折腾了3天以后,AIHOT最终还是重写完然后上线了。。。我觉得还是可以分享一下我全部跟AI协同的流程,万一对其他人有用呢(当然我就是个纯外行,仅供参考):
1. 使用Claude Opus 5.5和GPT-6 Astra并行对旧项目进行蒸馏,并且设计交流包。要求:架构分离,为多Agent并行开发而设计,保留所有功能和容易踩坑的细节。
2. 使用Claude Fable 5.1对两个模型生产的功能文档、交接包和旧代码库进行全面对照,寻找不合理和遗漏的地方进行完善。
3. 使用Claude Opus 5.5在不看任何旧代码的情况下,根据最终的功能文档、交接包、线上网站的端到端测试,进行全方位的重写(大概写了12个小时)。
4. 使用Claude Fable 5.1和GPT-6 Astra并行审查新写完的项目,将其与旧代码库的所有细节进行逐行审计,看看是否有功能和细节遗漏,在用户体验层面,能否完美还原,最终产出两份审计报告。
5. 使用Claude Opus 5.5根据审计报告,进行优化开发,开发完成以后,清空所有上下文,自己再并行N个子Agent,以功能模块化的方式,跟旧代码库进行对比,看是否遗漏功能和逻辑细节(无视代码实现,只看功能和逻辑细节)。
6. 使用Claude Fable 5.1和GPT-6 Astra并行审查所有可能的BUG和漏洞,继续Opus 5.5优化。
7. 使用Opus 5.5优化所有前端UI,进行控件组件化统一,部分UI界面全面重设计,加了一部分Opus 5.5擅长的JS+Canvas动效,例如关于页和更新页。
8. 导出旧项目所有数据库,进行线上服务器彩排,6小时的影子系统并行,过程中实时监控,使用Claude Opus 5.5自动化并行修复过程中出现的所有问题。
9. 使用GPT-6 Astra进行全面的端到端测试。
10.无缝切换上线。
11. 使用GPT-6 Astra根据真实数据,全方位优化缓存、CDN、页面大小等问题,提升全站性能。
12.监控问题,不断优化。
以上,大概就是一个纯外行者的“重写”的经验,虽然AIHOT这个项目很小,但是我自己干的很开心。希望能对大家有一点点的启发。
Replying to @wwwgoubuli
暴露年龄.jpg
1. 我最近还真的在时不时看 Bo 解说魔兽比赛
2. 有什么推荐的关于星际争霸解说的主播不?
3. 吐槽下 抖音 在 折叠屏/平板 上看这种长视频的体验,太差了,反馈了没啥用。
一、“程序员除了写代码啥也不会”,这个前提是错的
严格说,从事软件开发这个职业的人叫软件工程师,不叫程序员。
做一个项目,要理解需求、基于需求抽象设计、编码、验证、上线后维护,只会写代码的人从来就不是合格的工程师。
AI 确实能生成代码,但代码只是软件的中间产物,除了代码还要:
- 搞清楚要解决什么问题
- 把模糊需求变成可验证的规格
- 发现 AI 写错了但测试没测出来的地方
- 让系统在生产环境里稳定运行
- 没有安全漏洞
- 等等
如果说“程序员唯一会的东西被 100% 取代”,这话跟说医生唯一会的是开处方也差不太多,处方反正可以百度搜索一份 AI 生成一份打印出来,所以医生没用了。
二、“金融、医疗、工业领域的人稍微了解一下 AI 就能做出真正有价值的东西”,太乐观了
做个演示和发布产品之间还是有很长的路要走。
领域专家用 AI Vibe 一个能跑的原型,早就可以做到了,但做个演示给自己用,和发布一个产品给大家用还是不一样的,原型之后有一堆事情要处理:
- UI 细节
- 各种边界条件
- 高并发
- 安全
- 成本
- 等等
这些事不是“稍微了解一下”就能搞定的。
懂 AI 本身也不是一件低门槛的事情,同样是一门工程学科:上下文工程、构建评测集、AI Agent编排、失败模式分析。谁最容易学会这些?恰恰是有工程底子的人。能成为软件工程师本来就经过了一轮筛选,这群人学新领域的速度通常也不慢。
三、能力迁移是双向的
领域专家可以学 AI,软件工程师一样也可以学领域知识。
领域知识固然有壁垒,但通常是可学的显性知识,而工程直觉更多来自大量实践。
软件工程师的核心能力是把复杂问题抽象成可执行的结构、理解系统如何失败、判断什么能造出来,这些能力是跨领域的元能力。有了这些原能力,再去学领域知识也没有想象的那么难。
四、做好“AI +”(AI Native,AI 原生)和职业无关
我以前有些过对 AI Native 的一些思考
> 判断一家公司是不是 AI Native,看它做事的流程是围绕人设计的,还是围绕 AI Agent 设计的。AI 原生的核心是:AI Agent 是执行主体,人负责定义问题和验收结果。如果只是在原来的流程里加一点 AI,那不叫 AI 原生。
用这个标准看,真正需要的是对行业的理解和对 AI 的理解,缺一不可,和职业无关。
五、AI 改变的是流程里的一些环节,不是职业本身
软件工程师的定义其实一直在变。早年的软件工程师要手写汇编、自己管内存;后来高级语言和框架接管了这些,工程师的重心转向架构和业务建模;再后来云服务把运维也抽象掉了。每一轮工具升级,写代码在工作中的占比都在下降,但软件工程师这个职业没有消失,只是把重心挪到了工具还做不了的那一层。
这一轮 AI 带来的变化也一样:编码这个环节被 AI Agent 替代了,工程师的重心自然移到定义问题、拆解需求、设计验证标准、判断结果对不对。职业没有被取代,只不过职业定义又往上走了一层:从“把方案变成代码”变成“决定该做什么、验收结果对结果负责”。
而且这个变化不是软件工程师独有的。
金融、医疗、工业里的岗位同样在经历重新定义:整理报表、初筛读片、写标准化文档这些环节会交给 AI,从业者的价值向判断、决策和把关集中。每个职业在 AI 原生的流程里都要重新定位,AI Agent 负责执行,人负责定义问题和验收结果。
这种变化正在冲击各行各业,软件工程师并不比别人离它更远,反而因为长期和工具打交道,往往更早适应这种分工。
This quoted post is unavailable.
感谢推友们的大力支持,早鸟已经达成。我们这台通往 AI 世界的通行证牌牌,已经补货好几次,差不多 200% 了,实在不能再加了🙏。仅仅过了一天,我在社交媒体就看到了好多好多网友们天才的创意,每个人都值得被看见。我们接下来把上手过程继续完善到丝滑,大家拿到手的时候,更容易地玩起来。
































