anon

geeker | fullstacker | engineer | builder | invester | automation business | trader | 中国人

[anon @outman913]

当前所有的网页对话式AI和agent都有一个硬伤，就是上下文。

[anon @outman913]

看到抖音上某OPC网红，用reasonix换皮去做营销。未来技术门槛没有了，就看谁的嘴皮子利索，谁更能营销吹牛逼了。一切重新回归marketing.

[anon @outman913]

@LotusDecoder 审计代码是古法编程遗风，忘掉吧

[anon @outman913]

设计好workflow+skill,需求来了就自动化完成产品设计，完成数据设计，完成vibecoding，完成测试验证，自动发布上线。 古法编程里的代码审计已经毫无意义。

[anon @outman913]

以前说前端已死，今天我要说，程序员已死。目前的程序员存在的意义，仅仅维护古法编程的古老遗产而已。新时代的程序员，完全零代码编程，不需要维护也不需要codereview，这些代码随时可以扔掉，毫无价值。

[anon @outman913]

以前说前端已死，今天我要说，程序员已死。目前的程序员存在的意义，仅仅维护古法编程的古老遗产而已。新时代的程序员，完全零代码编程，不需要维护也不需要codereview，这些代码随时可以扔掉，毫无价值。

[anon @outman913]

AI时代，编码能力已经彻底工业化。真正稀缺的是全栈能力，就是能够把无数能力粘和到一起的能力。这些非技术类的即使零代码实现，面前还有无数大山。ssh是什么，oss是什么，怎么解析，负载是什么。这些对我们来说是常识，但对他们来说，每搞懂一个问题都需要付出非常长的时间去和AI交流，去实践判断。

[anon @outman913]

目前的程序员存在的意义，仅仅维护古法编程的古老遗产而已。新时代的程序员，完全零代码编程，这些代码随时可以扔掉，毫无价值。

[anon @outman913]

程序员只是先接触AI而已，但程序员必须要消失。我以前还觉得不可替代，但我现在认知改变了。消费token，人人都是程序员。

[anon @outman913]

就像铁器，以前都是手工打造，现在都是流水线冲压。以前人人都尊重铁匠，AI进化以后，谁还在手工做钉子，这是傻子吧😀

[anon @outman913]

可以预见的是，codereview必死。随着AI的进化，需求来了，就自动化完成产品设计，完成数据设计，然后才是vibecoding，还有测试验证，自动发布上线。这个流程，codereview和审计代码是伪命题。

[anon @outman913]

可以预见的是，codereview必死。随着AI的进化，需求来了，就自动化完成产品设计，完成数据设计，然后才是vibecoding，还有测试验证，自动发布上线。这个流程，codereview和审计代码是伪命题。

[anon @outman913]

AI大浪潮之下，每个人都成了天才工程师，每个人都成了产品经理，每个人都在推出自己的产品，每个部门都在提效快干，每个老板都在赶时间，像极了某个时代的大跃进。

[anon @outman913]

我觉得好事啊，这样大家都不背锅……

[Barret李靖 @Barret_China]

软件研发未来一定会走向一个黑盒验收时代。

过去每一个功能、每一个 PR，都需要人来 Review 和验证。但随着生产端的速度越来越快，验收逐渐跟不上生产，这个时候，人就会成为最大的瓶颈。

所以 AI 必须参与到代码审查和功能验收里，甚至还要进一步完成自部署、自监控。

这件事情实施难度很高吗？其实并没有。

只要把过去每个工种积累下来的经验和技能蒸馏给 AI，让 AI 把它们转化成有效的 Workflow、Skills 和 Scheduled Task，基本上整条链路都可以逐渐走通。

举个例子，线上监控大盘的搭建，过去一直是人在做。但仔细拆开来看，大盘本质上就是对日志、指标等数据格式化之后，通过接口查询，再进行图形化表达。

而 AI 在写 SQL、理解数据结构、生成查询逻辑这些事情上，本身就非常擅长。

我们团队的实践，就是把搭建监控大盘所需要的基础能力全部让 AI 学明白，然后让它围绕机器、业务、数据库、中间件，建立全面的总视图、分视图、Top 榜视图和各种监控视图。

这些事情 AI 做得特别好。

真正麻烦的是前面的链路打通。这里面涉及大量权限问题、接口问题、调试问题、数据问题等等。

但这些工作大多是一次性的。

一旦把能力建设好，后面就可以在各种场景里持续复用。

一个月搞通一个角色的大部分工作，三五个月下来，整条研发工作链路都会变得无比通畅。

到那个时候，AI 的工作会越来越少需要人直接干预。人的职责也会随之发生变化，从亲自参与每一个研发流程，逐渐转向建设这些自动化流程，维护这些 Workflow、Skills 和基础设施。

研发团队真正重要的能力，就是持续把人的经验变成 AI 可以稳定执行的系统能力。

[anon @outman913]

@Zen_with_AI 哈哈哈哈哈哈哈哈

[anon @outman913]

@wangzan101 其实也就是意味着，这一堆一旦出现bug，你必须要通过vibe debug完成。

[anon @outman913]

@donguri_py 必须机械键盘，我有十几把。

[anon @outman913]

从8岁开始看学习机的说明书自学Qbasic，后来又自学渗透，先后学了vb、asp、html、.net 、c#、php、java、ruby、python、andriod、swift、c、c++，从网页开发到客户端开发，从互联网再到物联网到电子工程再到AI，时至今日已经30年了。我没上过一天计算机课，但今天是软硬全栈是架构师级别的工程师。

[donguri_py@40代でSEに転職した者。IT業界完全に未経験の状態からSEになってみました。 @donguri_py]

現役ITエンジニアの皆さんに質問です。エンジニアとして仕事を続ける為には一生勉強し続ける必要がありますか？

[anon @outman913]

@donguri_py 从8岁开始看学习机的说明书自学Qbasic，后来又自学渗透，先后学了vb、asp、html、.net 、c#、php、java、ruby、python、andriod、swift、c、c++，从网页开发到客户端开发，从互联网再到物联网到电子工程再到AI，时至今日已经30年了。我没上过一天计算机课，但今天是软硬全栈是架构师级别的工程师。

[anon @outman913]

@shawyeok @tison1096 必须go

[anon @outman913]

站在开发效率和社区环境上看，Go完胜

[tison @tison1096]

某种角度说 Golang 的标准库真的做得很不错，大部分生态集成一下标准库也能获得比较好的体验。主要问题存在于 goroutine 你真的需要调度的时候不好仔细调优，这也是 ScopeDB 选不了 Golang 的重要原因之一。然后就是一些类型系统上非常脆弱的点。

相反 Rust 在很多基础能力上真的比较匮乏，除了 serde 稳压 Golang encoding 的设计一头以外，其他不少常见需求都群魔乱舞，最可怕的是官方做了一个次优的实现，还没时间迭代优化 ..