个人经历与想法
2023 使用 AI 做药品说明书，Bot 式交互，数字人形象、真人 TTS；
2024 使用 AI 进行图文制作：文生图、相关性检索、OCR 文字识别；
2025 风控策略、AI 机审、代码提示、页面 prompt 生成脚本代码；
2026 Coding Agent 流行，写单侧、梳理历史项目、完成中小功能；
虽然现阶段 AI Coding 等工具不够完美，但是我们必须相信他能做好，持续使用，持续学习。
不会用 AI 是麻烦的，只会用 AI 是危险的。
不要有惰性，觉得 AI 什么都可以解决就不学习，全依赖 AI。
鲁肃谈 AI 时代的工程师
早些天看蚂蚁集团三代 CTO 齐聚一堂的视频，其中鲁肃的观点让我印象深刻。
工程师的核心
- 记忆：主动学习各种技术，精通并了解；
- 创新：面对业务，基于已有的技术，权衡最好的方案；
- 匠心：根据自己的品味，极力追求极致，不断反思、实践、提升；
当前 AI 能够替代的更多的记忆都部分，让我们有更多的时间去做创新，去落地并打磨好的创意。
就业市场的随想
后续的初级岗位可能需求量会很小，但是使用 AI 又要求有一定的经验，岂不是悖论。
只要有足够的利润，总会有人愿意投入人力物力去培养新人，不然饮壑止血？
最近看到有关 35 的言论，还挺友好，主要还是要心态年轻，有足够的好奇心。
从软件工程角度看
软件工程诞生于 1968 年，其根本初衷是为了解决所谓的“软件危机”（Software Crisis）：
- 不可控的成本与进度：软件开发经常陷入“完成了 90%，但剩下的 10% 需要无限期”的怪圈;
- 不可观测的复杂性：软件是无形的，随着逻辑堆叠，没有人能理清全局，导致牵一发而动全身;
- 沟通损耗：当团队人数翻倍时，沟通链路呈指数级增长，生产力反而可能下降（布鲁克定律）;
- 软件质量与可靠性：如何保证银行、航空或医疗系统的代码在极端情况下不出错;
软件工程思想，在 AI Native 更重要。
超级个体再牛，也没法独自去做一个工业级的产品。
还是需要协作，这就要求：清晰的文档、良好的可读性、顺畅的沟通等。
eg：封闭会议室面对面沟通完就开始干活，大概率会南辕北辙… 每个人按自己的理解干活~
AI 只是加快了写代码的部分，或者做设计的部分。
这里有一个问题，就是所有这种加速之后，Review 的负担会很重；
由于速度快，同时进行多个事情，导致上下文切换的巨大开销；