Allen Shaing

Gains don't stop.

[Allen Shaing @AllenShaing]

重要與不重要的排序取決於停留在原地還是往前前進。

當前重要的原因是沒有還沒看到未來的事件。

只要不斷往前，那些以為重要的事，通通都變得不重要了。

這裡的不重要並非拋棄，而是相較之下。

這就是經驗與資歷。

[Curious Minds @CuriousMindsHub]

Good Monday Morning!!

[Allen Shaing @AllenShaing]

修復問題前，先修復睡眠。

[Allen Shaing @AllenShaing]

卡片輸入
組合語言
C
Python
Coding prompt
Coding Agent IDE
Agentic AI
What's next with CS?

[Allen Shaing @AllenShaing]

@CuriousMindsHub @grok is it legacy method of mind because we have LLM now, even we forgot most of things, am I right?

[Bear Liu @bearliu]

这个 芬兰饶舌歌手的MV 在英推已经传疯了，估计还有很多人没有看过。一镜到底，没有任何技术，但整个MV就是一个编舞和审美与执行的炫技。

我太喜欢了！特别是那些 AI 东西看多了，审美疲劳，看见这种人类的创意加执行出来的精品，那种张力就忽然让我意识到，很多事情机器真的替代不了。

[Allen Shaing @AllenShaing]

在這崗位超過了十年，近期有一段啟發值得好好記錄一下：當開始做一些自己不怎麼喜歡但又很重要的事情時，這時候就是開始幫公司賺錢的時候。也就是說：當你感覺到你很喜歡當前工作內容時，很有可能公司正在投資你，但你沒有帶來營收價值。

聽起來有些消極，但又好像有那麼一回事。

[Garry Tan @garrytan]

People get high on abstraction too early. They want the system before they’ve earned the insight.

But the good abstractions are never designed. They’re discovered. You do the stupid manual thing enough times and the real bottleneck just emerges. Your initial agency might be driven by a hunch you had in the shower, but that moment won’t get you all the way to making something people want. The right way to make anything is forced on you by reality: what are the real jobs to be done? And what sequence?

This is why “do things that don’t scale” still hits, especially now when AI makes it trivially easy to scale things that probably shouldn’t be scaled yet. PG’s point was never about suffering. It was about contact. When you’re the one manually doing the loop, you see the edge cases. The weird user behavior. The failure modes nobody designed for. The hidden dependencies that only show up at 2am when some flow or intermediate step breaks in a way you didn’t anticipate. If you automate before you have that contact, you just scale your misunderstanding faster.

When the machines can help you vibe code perfection it gives you a false sense of power. I love that feeling as much as you do. But fuck perfection. Do it live. Be the loop.

Feel every friction point. Notice what’s actually true every single time versus what just looked true because you hadn’t seen enough cases yet. Formalize that. Build the recursive version. Then keep checking that your abstraction is still attached to real humans and their needs. Because reality drifts. Your users drift. The ground truth changes under you. You may think you understand but no plan survives contact with the real users and what they want. You find those body blows in analytics and user feedback and we call them the roadmap.

Humans left with not enough data hallucinate too. But just like the LLMs with enough data you unlock real transcendence. Real utility. Prosperity for humans in real life.

The abstraction is a tool, not a destination. The moment you forget that, you’re cooked.

[Allen Shaing @AllenShaing]

@oran_ge @readwise save

[Allen Shaing @AllenShaing]

@dotey @readwise save

[signüll @signulll]

the penalty for being average has never been so severe, but the payout for being extraordinary has never been higher.

[Allen Shaing @AllenShaing]

@dongxi_nlp @readwise save

[Allen Shaing @AllenShaing]

@crypto_oldk @readwise save

[Allen Shaing @AllenShaing]

@MannyNewsletter 謝謝曼尼的分享🫡🫡🫡

[宝玉 @dotey]

图1 是我这两天用 ClaudeCode （Claude 4）Vibe Coding 的成果，一个复杂的视频编辑器，有基本功能，能加入元素，能播放。但我不是在这里吹 Claude 4 编程多厉害的，恰恰相反，我无法基于这个项目继续开发维护，不是代码不厉害，而是一个仅仅靠 AI 开发的负责系统，几乎是不可维护的！

首先说一下我是怎么开发这个项目的：
1. 找到个视频编辑器网站，Vue 开发的，下载它编译好的js脚本
2. 使用 ClaudeCode，让它把脚本反编译成 VUE + TypeScript 代码，完成的相当好，几乎完整的还原了原始代码（图2）
顺便说一下，编译后的 js 文件有 6 万多行，但是它能通过关键字查找，找出来相关的内容，并反编译
3. 继续使用 ClaudeCode，让它把 VUE 代码用 React 代码重写（因为我不会 VUE），使用 jotai 作为状态管理，它完成的相当相当好，帮我把 VUE 代码用 React 重写了，包括重新使用了新的状态管理框架（图3）

但是刚开始的结果，它无法直接运行，需要凭借我的专业知识解决一些问题，这些问题完全靠 AI 是无法解决的，因为你甚至很难描述清楚是什么问题，当你能描述清楚问题，其实你就可以自己解决了。

花了几个小时让它可以运行了，但是问题来了，测下来 Bug 一大堆，这些 Bug 都是牵一发而动全身，人很难修改。

让 AI 修改 Bug 的问题在于：
1. 你无法准确描述这些 Bug，如果你都无法描述 bug，AI 没法帮到你
2. 很多 bug 是相互关联的，AI 可以修复单个 Bug，但是可能修了一个又会冒出更多的 Bug，准确来说 AI 没有全局概念（受上下文窗口长度限制），它一次只能读取一部分代码。

那么人类是怎么解决这个问题的呢？

复杂系统通常是从简单系统演化而来的，大部分系统一开始并不复杂，并且是一点点迭代而来，这个过程中，工程师能了解这个系统的各个细节，有问题能及时处理。

人类有架构师的角色，复杂的系统会有先有系统的设计，把复杂系统拆分成小的系统，小系统再拆分成小的模块，最终构成一个复杂系统。

一个稳定的复杂系统中的小问题是好维护的，但是一个复杂系统中一堆小问题，那么几乎是不可维护的，现实的复杂系统，通常都是反复迭代慢慢稳定下来的，要么是一个稳定的小系统逐步演化成大系统，要么是一个大系统有很多小系统，这些小系统都是稳定的。

那么 AI 能复制这条路或者找到新的解决方案吗？

首先想要复制这条路，目前制约的不是编程能力，我觉得 Claude 4 单纯编程能力已经是高级程序员的水平了，超过绝大部分程序员，制约的是工程能力。

什么是工程能力呢？

工程能力就是对整个项目的掌控能力，不仅仅是编程能力，涉及方方面面：
- 需求的理解
- 架构的设计
- 编码
- 测试
- 运维

举例来说，要做一个视频编辑器，你得先想清楚要做成什么样子，有什么功能，然后你得把它变成 UI/UX 设计，变成架构设计，架构设计要做好技术选型、要拆分成模块，还得设计好模块之间是怎么通信的，最后要把模块整合在一起变成一个完成的系统。

这里面模块级别的，AI 是足够胜任的，但是系统层面，模块一多 AI 就不行了，因为 AI 上下文窗口长度制约了 AI 从全局上理解、更新维护整个项目。虽然限制上下文窗口长度越来越大，但是大了后幻觉就厉害，短期内如果没有大的突破还是挺难解决好的。

另外就是 AI 对环境的感知能力还是不够强，比如这个 AI 做好的视频编辑器，它无法自己测试（其实 ClaudeCode 真的有测试，不过是基于网页抓取分析），对测试结果无法甄别，最多能根据错误日志去做一些修改，像 UI 上各种错误，根本感知不到问题。

所以现阶段来说，模块级别（千行以内）的编程开发， AI 已经非常强了，但是涉及到系统层面，AI 还帮不上太多。

对于普通程序员来说，不要再浪费时间去刷 leetcode 搞算法了，多提升系统设计能力和使用 AI 能力会更有前途。

不要被各种“炸裂”误导，比如有人说通过 Vibe Coding 做了一个复杂的视频编辑器，他们不会说的是这个视频编辑器只能用来 Demo 而且几乎无法维护。

现在 AI 编程，提升编程效率已经毋庸置疑了，如何提升工程能力还有很多挑战。

[Allen Shaing @AllenShaing]

@MannyNewsletter @readwise save

[Allen Shaing @AllenShaing]

@op7418 @readwise save

[Allen Shaing @AllenShaing]

@frxiaobei @readwise save

[Allen Shaing @AllenShaing]

@howie_serious @readwise save

[Allen Shaing @AllenShaing]

@howie_serious @readwise save