标签: 程序员
没想到程序员也开始轮班了
没想到程序员也开始轮班了
![程序员失业，一般不会直接送外卖[doge]](http://image.uczzd.cn/10259500023424489704.jpg?id=0)
程序员失业，一般不会直接送外卖[doge]
程序员失业，一般不会直接送外卖[doge]
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年的东西没用了，难受得说不出来最近，一段程序员谈论AI的视频引发关注。镜头前的人几次想继续说，却明显卡住了，情绪上来后声音也变得断断续续。他难受的原因，并不是单纯找不到工作，而是自己长期积累的专业能力，突然遭遇了前所未有的冲击：公司开始大规模使用AI辅助编程，原本需要多人完成的开发工作，被压缩成了更少的人手。这件事之所以让很多程序员产生共鸣，是因为写代码从来不是一天两天就能掌握的技能。有人大学四年学习计算机，毕业后继续考证、做项目、学框架，进入公司后还要不断补数据库、服务器、网络、安全等知识。工作几年以后，真正能够独立负责项目的人，往往已经在这个行业里投入了很长时间。过去，程序员提高效率主要靠自己积累经验。一个Bug为什么出现、哪段程序容易出错、怎样优化数据库查询、怎样让系统承受更多访问量，都需要长期实践。现在情况正在改变，AI已经能够根据自然语言生成函数、接口、测试代码，还能协助排查错误、整理文档和修改已有程序。这意味着企业看到的不只是“AI会写几行代码”，而是一整套工作流程正在被压缩。以前一个项目可能需要产品、前端、后端、测试等多人协作，其中大量基础工作具有重复性。AI进入开发流程后，一部分任务可以由一个工程师借助工具快速完成。公司如果认为同样的项目可以用更少的人做，自然会重新计算人员配置。这也是那名程序员最难受的地方。他真正失去的，不只是某一份工作，而是过去建立起来的职业安全感。2026年，海外科技企业已经出现多起与AI转型有关的裁员和岗位重组。Anthropic发布的《2026年智能体编码趋势报告》指出，“只会写代码的程序员将逐渐被市场淘汰”，程序员的角色将从“代码编写者”转变为“智能体指挥官”。但这恰恰说明，AI目前还远远没有到了“程序员全部消失”的程度。一方面，AI确实能够大幅提高某些开发工作的速度；另一方面，软件开发并不是把代码生成出来就结束了。需求理解、系统架构、权限设计、数据安全、上线维护，以及出现严重故障后的处理，都需要经验丰富的人承担责任。ACM通讯的报道指出，AI生成代码存在“质量与安全瓶颈”，验证与确认仍然是需要人类判断的环节。所以，那句“学了十年的东西没用了”，更准确地说，是过去那套单纯依靠手写代码建立竞争优势的方式正在贬值。以前，一个程序员如果熟练掌握某种语言、框架和开发工具，就可能拥有明显优势。以后企业更看重的，可能是一个人能不能把AI变成生产力，能不能判断AI给出的结果对不对，能不能找到机器解决不了的问题。这其实比单纯学习某一种编程语言更加困难。因为代码可以让AI生成，但判断代码是否可靠，需要真正理解程序。AI写出来的东西看上去完整，并不意味着没有漏洞。尤其是大型系统，某个看似不起眼的修改，都可能牵动其他模块。对于刚入行的人来说，压力尤其明显。过去公司可以招聘大量新人，让他们从简单任务开始，几年以后成长为成熟工程师。现在部分重复性工作直接被AI承担，企业对初级岗位的需求自然可能减少。根据Forbes的报道，美国初级软件开发者就业已连续33个月下降，22至25岁软件开发者在AI暴露职业中的就业人数同比下降4.3%。这就形成了一个值得关注的问题：如果新人没有机会做基础工作，又怎么成长为未来的高级工程师？华盛顿大学教授AmyJ.Ko在ACM通讯中警告：“没有那些基础经验，我们没有办法教、培训或教育软件开发者成为高级或架构级软件工程师”。所以，这段视频真正值得关注的，并不是“AI要不要取代程序员”这么简单，而是技术升级之后，一个普通人的十年积累应该怎样重新定价。十年前学会的东西不会凭空消失。计算机基础、算法思维、系统设计、工程经验，这些依旧存在价值，只是使用方式正在变化。过去是人亲手完成更多代码，现在可能变成人提出需求、拆解任务、调用AI，再对结果进行验证和负责。对于已经工作多年的程序员来说，这个过程确实残酷。毕竟一个人很难轻松接受：自己曾经花大量时间练出来的核心技能，如今被工具迅速降低了门槛。那种哽咽，并不奇怪。但从行业变化来看，更现实的方向不是和AI比谁写代码更快，而是让自己的能力从“写代码的人”向“解决软件问题的人”移动。AI能够生成大量代码，却仍然需要人决定做什么、为什么做、怎样验收，以及出了问题由谁承担责任。技术革命从来不会提前通知每一个人。对程序员来说，这次变化来得尤其直接。有人因此失去岗位，也有人借助新工具扩大自己的能力边界。那位在镜头前难以继续说下去的程序员，代表的是正在经历转型阵痛的一群人。十年学习并没有白费，只是曾经熟悉的职业规则正在改变。真正让人难受的，也许不是AI会写代码，而是一个人第一次清楚地发现：自己用了十年建立起来的优势，可能在短短几年里就需要重新定义。
这条内容把大厂当下的尴尬拆得很透，但是，我感觉：第一，大厂未必真有闲心后悔，他们面对的是赤裸裸的囚徒
这条内容把大厂当下的尴尬拆得很透，但是，我感觉：第一，大厂未必真有闲心后悔，他们面对的是赤裸裸的囚徒困境。原博说大厂后悔搞AI，听着挺解气，但大厂高管自己很清楚：这根本由不得你选。这就像军备竞赛，大家都知道把这东西造出来可能会轰塌自家的旧围墙，可只要对手在往前冲，你不跟进，连守这条内容把大厂当下的尴尬拆得很透，但是，我感觉：第一，大厂未必真有闲心后悔，他们面对的是赤裸裸的囚徒困境。原博说大厂后悔搞AI，听着挺解气，但大厂高管自己很清楚：这根本由不得你选。这就像军备竞赛，大家都知道把这东西造出来可能会轰塌自家的旧围墙，可只要对手在往前冲，你不跟进，连守旧业务的资格都会丢掉。即便明知这是在给自己掘墓，也只能抢先跳下去，至少还能占个先发位置。第二，大厂过去垄断的表面是程序员，底下其实是协同与组织规模。很多人觉得代码便宜了，大厂就完了。其实不然。代码生成提速十倍之后，写代码这件事从“核心资产”彻底变成了“基础水电”。市场上很快会堆满各种廉价、同质化的软件工具。这时候拼的反而不再是谁写代码更快，谁拥有深厚的真实业务理解、谁手里有别人拿不到的私有数据、谁能对复杂的系统风险签字担责，谁才握着最后的筹码。AI淘汰的确实是需求翻译机，但这也意味着对真正复合型操盘手的能力要求被拉到了天花板。第三，真正让大厂睡不着觉的，是收税逻辑的崩盘。原博最犀利的地方在后半段：旧时代的印钞机是注意力税。用户搜一个东西，顺便看十条广告，大厂靠信息不对称坐地收钱，边际成本接近于零。现在大模型直接给终点答案，中间的广告位彻底没了着落；更要命的是，多回答一个问题，就多烧一份真金白银的算力。流量红利变成算力负债，这才是让董事会冷汗直流的根子。过去二十年互联网建立的秩序正在一层层剥落。大厂现在的处境，属于旧时代的租金收得越来越心虚，新时代的商业模式还没搭出雏形，卡在半空，不上不下。HowIAI科技先锋官
讲个扎心的事实:程序员失业后，一般不会直接去送外卖。而是先走完:独立开发>跨境电
讲个扎心的事实:程序员失业后，一般不会直接去送外卖。而是先走完:独立开发>跨境电商->炒股炒币>做自媒体全部折腾一遍以后，才正式解锁:外卖、快递、网约车一铁人三项。回复道——程序员最大的误解，就是认为自己，懂计算机、所以懂虚拟经济、懂电商董、懂自媒体，更应该懂股票和加密币。看来程序员最终的归宿也是“铁人三项”么。。。程序员铁人三项
以后根本不需要那么多初级程序员了。我作为一个文科生，用AI写了一个小程序，一步步按照AI指导做下来也
以后根本不需要那么多初级程序员了。我作为一个文科生，用AI写了一个小程序，一步步按照AI指导做下来也发布了。另外我前两天用AI出了一个装修设计方案，连预算和PPT都弄出来了，非常不错。GPT-6训练后期AI自己维护系统，雷军投的元环智能也在搞AI用AI，这就是典型的递归自我改进。AI自己写代码、自己以后根本不需要那么多初级程序员了。我作为一个文科生，用AI写了一个小程序，一步步按照AI指导做下来也发布了。另外我前两天用AI出了一个装修设计方案，连预算和PPT都弄出来了，非常不错。GPT-6训练后期AI自己维护系统，雷军投的元环智能也在搞AI用AI，这就是典型的递归自我改进。AI自己写代码、自己debug，这闭环一旦跑通，那些还在教人“零基础学Python”的培训机构，趁早转型吧。别拿“AI只是工具”来杠，工具不会自己迭代自己。
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年的东西没用了，难受得说不出来。我经历过好多类似新事物替代旧事物的过程了，面对这种情况就一种应对方式，马上学习新的AI技能，现在没啥对手，马上学来得及。我如果二十多岁，我现在会一天十几个小时去学这个，适应时代比坐在原地难过更重要。你要问我具体学什么。。。别问了，自己找。
最近看到一个挺有意思的开源项目，叫show-me，是HumanLayer团队做的一个Skill。它干
最近看到一个挺有意思的开源项目，叫show-me，是HumanLayer团队做的一个Skill。它干的事情说白了就一句话：帮你把正在聊的话题，用最直观的方式画出来。先说它怎么处理逻辑和算法。遇到这类内容，它不会给你写一大段文字解释，直接用伪代码呈现。比如一个保存操作，内容没变就返回缓存，变了就写最近看到一个挺有意思的开源项目，叫show-me，是HumanLayer团队做的一个Skill。它干的事情说白了就一句话：帮你把正在聊的话题，用最直观的方式画出来。先说它怎么处理逻辑和算法。遇到这类内容，它不会给你写一大段文字解释，直接用伪代码呈现。比如一个保存操作，内容没变就返回缓存，变了就写入新内容，几行代码一目了然。然后是程序运行时的调用关系。它会画成一棵调用树，谁调用了谁，层级关系清清楚楚。比如提交表单这个动作，底下先创建会话，再保存提示词，再启动代理，最后跳转页面，一层一层往下排，看一眼就知道整个流程。碰到前端UI的结构，它会画组件树，把状态和模块边界标出来，连文件路径都给你写上。这样你一看就知道哪个组件在哪个文件里，谁嵌套了谁。如果是多个组件之间的交互，比如用户点了一个按钮，UI把请求发给后台，后台再把结果流式返回，这种场景它会用Mermaid时序图来画，箭头指来指去，交互过程一眼就能跟上。还有一个很实用的功能：diff视图。当你已经知道整体结构长什么样，只是想看哪里改了，它就用加号减号标出变化的部分。组件变了、文件目录调整了、调用链多了一步，都能用这种方式展示。不用重新看一遍全貌，只看变化就够了。不过如果大部分内容都是新的，它就不省略了，直接给你完整的代码块，方便你直接复制去用。最后，遇到那种特别复杂的场景，文字和简单图表都搞不定的，它会生成一个HTML文件，做成图表、信息图，甚至小型幻灯片，配色和排版都跟着产品风格走，手机和电脑都能看。整个设计思路就一个原则：挑最小的视图，把关键点说清楚。不堆砌，不炫技，该用哪种就用哪种，甚至大多数时候只用其中一两种。够用就好。传送门：github.com/humanlayer/skills/blob/main/plugins/show-me/skills/show-me/SKILL.md科技先锋官HowIAI
现在做开发真的很难完全不用AI聊到AI对程序员的改变，最大感受就是很难完全不用
现在做开发真的很难完全不用AI聊到AI对程序员的改变，最大感受就是很难完全不用。简单重复的工作交给AI解放精力，把时间留给架构设计、需求拆解这些更重要的部分，工具用好是助力，滥用就容易埋下一堆隐患。
现在做开发真的很难完全不用AI讨论AI对于程序员的影响，它可以用来学习思路、解决
现在做开发真的很难完全不用AI讨论AI对于程序员的影响，它可以用来学习思路、解决疑难报错，即便资深工程师，日常也难免会借助AI工具进行开发参考。
Anthropic偏不降价，PaulSmith把话挑明了。OpenAI这
Anthropic偏不降价，PaulSmith把话挑明了。OpenAI这个夏天降了好几轮价，降得挺凶。圈子里都在猜，Anthropic跟不跟。9月3日，答案来了。Anthropic首席商务官PaulSmith接受采访，话说得一点不含糊：“我没有任何兴趣通过降价来购买市场份额，我宁愿专注于客户，以及他们如何从模型中获取最大价值。”同一个采访里他还补了一刀：“这不是关于降价或其他任何事情，而是关于如何为客户创造价值。”翻译成商场上的行话就是，你们打你们的骨折价，我卖我的轻奢品，咱各走各的道。巧的是，采访结束没几天，Anthropic发布了新模型Fable5.1，主打编程和科学任务，输入输出价格跟上一代一模一样，一分钱没动。但你要说它完全没让利，也不公平。缓存读取价格一口气降了75%。按Anthropic自己的测算，典型工作负载整体成本比Fable5低25%左右，复杂编码和高度代理化任务，最高能省45%。看出门道了吗？明码标价的牌面一分不降，维持住“能力标杆”的身价；台面下的实际使用成本，悄悄给你打了七五折。面子要足，里子也给够。这买卖做得，讲究。更有底气的是钱。还是9月3日，彭博援引知情人士消息，Anthropic有望在IPO之前完成150亿美元信用融资，摩根士丹利牵头，高盛、摩根大通、花旗主力跟进，巴克莱和富国银行也要掺一脚。150亿，还是信用融资，连股权都不用稀释。华尔街这是拿着支票本排队表忠心。Smith手里确实有硬货。他加入公司一年多，销售团队扩到原来的三倍，年化营收预测同期涨了十倍以上。换谁坐这个位置，腰杆都直。他聊到一个挺有意思的现象。企业用AI，几乎都走同一条弯路：头一阶段大张旗鼓，权限全放开，鼓励员工随便试，先破了组织惯性再说；用上一阵子，又开始收口子，谁用什么功能、哪个部门花多少预算，管得越来越细。听起来像增长见顶？Smith不认。他的原话是，“在几乎所有案例中，他们依然在持续增长，依然在Anthropic上持续增加投入，依然在使用更多Claude”，只是用法更可控了，属于组织成熟的自然演进。Yipit和Ramp的数据确实显示增速比ClaudeCode爆发期放缓了些。Smith没回避，定性为正常节奏。信不信由你，反正IPO前夜，他只能选择信。产品线上也有本明白账。ClaudeCode靠程序员群体的高度自驱，像野草一样在组织里疯长，用他的话说，软件工程师“可以极为迅速地扩展，横扫整个组织”。而面向财务、法务、研究人员的ClaudeCowork，早期增速一度更猛，落地却麻烦得多，要定制集成，要合作伙伴配套。Smith点破了一个关键数字：企业98%的用户不是软件工程师。言下之意，程序员这块肉已经吃到嘴了，剩下98%的knowledgeworker才是正餐。谁拿下这批人，谁才配得上那个估值。至于IPO本身，Smith措辞很稳：“这不是终点，只是一个事件，不会改变我们的运营方式，我们的使命和业务运营方式不会有任何改变。”场面话归场面话，该有的态度还是要有。最后，怎么看？第一，降价从来是弱者的武器，强者只谈价值。OpenAI为什么降价？美国同行卷，中国开发者更卷，低价模型一茬接一茬。降价是被逼出来的防守动作。Anthropic敢硬扛，前提是它真觉得自己能力压一头，客户愿意为好模型多掏钱。这个判断要是对了，它就有定价权；要是错了，财报会教它做人。商业世界很朴素，你值多少，市场说了算，嘴硬没用，模型得硬。第二，缓存降价这手，比直接降价高明。牌面价格不动，维护的是品牌身位和Benchmark上的江湖地位；缓存读取砍75%，让利全给真实高频使用的深度客户。轻度用户感知不到，重度用户实实在在省钱。等于说，广告位一分不降，回头客偷偷打折。既当了标杆，又留住了人，还顺手回应了“太贵”的批评。一鱼三吃，算盘打得精。第三，98%那个数字，才是真正的战场。程序员是最早被AI改造的一群人，ClaudeCode的爆发吃的是这碗饭。可一家公司里，写代码的终究是少数。财务、法务、市场、研究，这些人用AI的门槛高、需求碎、定制化重，谁啃下来，谁的天花板就抬高一个量级。Anthropic往权限管理、数据隐私、角色分级这些企业级功能上砸钱，砸的就是这块硬骨头。Cowork能不能复制ClaudeCode的野蛮生长，直接决定150亿美元花得冤不冤。说到底，上市前夜所有表态都别太当真。钱能撑多久的面子，模型能撑多久的里子，上市后每个季度的财报，都会替Smith把今天的话重新讲一遍。
AI时代，确实不需要那么多程序员了。因为AI大大提高了工作效率。说个反直觉的是，这波AI浪潮，最大收
AI时代，确实不需要那么多程序员了。因为AI大大提高了工作效率。说个反直觉的是，这波AI浪潮，最大收益人其实是经验丰富的老程序员。工作经验是很难被AI替代的。然后初级程序就被AI淘汰，找不到工作。即将毕业大学生很难找到工作，相比AI它们没有一点优势。市场上工作量没有增多，甚至缩减AI时代，确实不需要那么多程序员了。因为AI大大提高了工作效率。说个反直觉的是，这波AI浪潮，最大收益人其实是经验丰富的老程序员。工作经验是很难被AI替代的。然后初级程序就被AI淘汰，找不到工作。即将毕业大学生很难找到工作，相比AI它们没有一点优势。市场上工作量没有增多，甚至缩减了很多，借助AI生产力却大大提高了，不需要那么多的劳动者了。随着AI模型能力继续提升，恐怕工作岗位会继续指数锐减。AI没有创造新的事物，没有增加新的岗位，目前市场上大部分Agent岗位，都是伪需求，对应的项目很难商业化落地，很难盈利，等资金流没了，就是一地鸡毛。对比，我对未来很焦虑，有点积蓄，但是完全停不下来～
职场大洗牌！AI时代新真相：程序员减半、产品经理翻倍，纯执行岗位彻底没出路
职场大洗牌！AI时代新真相：程序员减半、产品经理翻倍，纯执行岗位彻底没出路最近数码圈和职场圈都在疯传一个真实企业案例，不少网友分享自家公司完成AI转型后的巨大人员变动：程序员直接砍半，产品经理岗位反而翻倍扩招。看似简单的岗位数量调整，实则撕开了AI时代互联网行业最残酷的底层变革，也是当下企业组织架构、人才价值彻底重构的真实缩影，央视和众多行业大V也都点名解读了这波行业趋势。放在几年前，互联网团队永远是技术人员占大头，程序员是团队核心、招聘刚需，产品经理更多是辅助衔接的角色。但现在整个逻辑彻底反过来了。核心原因特别现实：AI已经彻底解决了“怎么做”的技术问题。随着ChatGPT、各类AI编程工具全面普及，基础编码、重复代码编写、简单逻辑实现、常规报错修复这些基础工作，AI几秒就能完成，效率远超人工手写。以往企业需要大量初级程序员堆人力完成的开发工作量，现在少数人配合AI就能超额搞定。这也直接导致，纯执行、纯搬砖的底层程序员彻底失去稀缺性。行业不再缺会写代码的人，AI替代了绝大多数标准化编码工作，这也是大批企业纷纷精简技术基层人员、程序员岗位大幅缩减的根本原因。技术执行不再是瓶颈之后，行业真正的缺口，变成了“做什么”的业务判断。同样的技术能力、同样的AI工具，最终产品能不能落地、能不能赚钱、能不能贴合用户需求、能不能踩中市场风口，完全取决于前期的需求定义、业务规划、方向把控。这就让懂业务、懂需求、能定方向的产品岗价值暴涨。企业宁愿砍掉一半基础开发人力，也要扩招优质产品人才，核心就是工具可以AI化，决策无法替代。更关键的是，AI正在彻底打破行业多年固定的岗位边界，程序员、产品经理、设计师三者的职业壁垒基本消失，传统分工模式彻底过时。以前各司其职，程序员只管写代码、产品只管画原型提需求、设计师只管出图。现在行业需要的是全栈型人才，一个人要懂业务、懂需求、懂基础逻辑，能独立用AI工具完成从需求定义、方案设计到代码落地的全流程搭建。单一技能的从业者会被快速淘汰，兼具产品思维、业务认知、工具驾驭能力的复合型人才，成为企业争抢的核心资源。业内大V早就点透了AI时代的人才筛选逻辑：企业现在只裁执行者，高薪抢判断者。AI可以完美替代机械、重复、标准化的落地工作，批量产出代码和方案，但它看不懂复杂的商业逻辑、抓不准真实的用户痛点、做不了风险判断、把控不了产品质量。这也就解释了为什么基层程序员在裁员，高端复合型人才却在涨薪扩招。当下职场的核心资产已经彻底转移，不再是“会写多少代码”，而是能不能精准定义需求、能不能指挥AI干活、能不能验收AI输出结果、能不能把控最终业务价值。说白了，AI时代最大的职场危机，不是被机器替代，而是自己沦为只会套工具、无思考、无判断的工具人。程序员减半、产品经理翻倍的背后，从来不是岗位的简单增减，而是行业的一次彻底换血。未来的互联网职场，淘汰的是无脑执行者，红利永远留给懂业务、会思考、能决策的核心人才。AI对就业影响AI职场发展AI职场现状AI冲击职场AI行业裁员AI裁员争议AI大裁员
对，这段话里真正重要的不是“Agent会不会写很多代码”，而是它把**软件工程的瓶颈从“写代码的人手
对，这段话里真正重要的不是“Agent会不会写很多代码”，而是它把**软件工程的瓶颈从“写代码的人手”转移到了“架构、边界、验证和任务拆解”**。你举的“20万行代码”和“200行代码”其实是一个很好的类比。大型系统从来不是靠某个程序员一次理解全部代码，而是靠接口、模块、测试、版本管理、权对，这段话里真正重要的不是“Agent会不会写很多代码”，而是它把**软件工程的瓶颈从“写代码的人手”转移到了“架构、边界、验证和任务拆解”**。你举的“20万行代码”和“200行代码”其实是一个很好的类比。大型系统从来不是靠某个程序员一次理解全部代码，而是靠接口、模块、测试、版本管理、权限边界、数据契约，把复杂度压缩到局部。人类团队是这样，Agent团队也一样。只要一个Agent能在明确上下文里稳定完成几百行级别的修改，那么通过模块化、自动测试、代码审查、CI/CD和多Agent分工，它理论上就可以不断把这种局部能力累积到很大的系统。所以现在真正厉害的玩法，不是：>“让一个Agent从零写一个超级项目。”而是：>**先把项目变成一个Agent能管理的工程系统，再让Agent持续干。**比如一个20万行项目，可以拆成：产品需求→系统架构→10个业务模块→每个模块若干服务→每个服务若干issue→Agent一次解决一个issue→自动测试→reviewerAgent审查→集成测试→失败自动返工。到了这一步，Agent本质上就有点像一家**软件工厂**。但这里有一个很关键的区别：**Agent的代码产能已经越来越不稀缺，正确判断“该做什么”反而越来越稀缺。**过去创业的成本结构可能是：想法10%开发60%运营销售30%现在很可能变成：想法/需求判断25%开发10%数据、渠道、客户、运营、合规65%于是你前面那句话——**“最优解不是去搞软件，而是用这种技术能力去赋能更硬的生意”**——我反而觉得特别重要。因为如果大家都拥有近乎免费的开发能力，那么“我会开发一个SaaS”本身很快就不再构成壁垒。真正值钱的变成：**我有客户。我有行业关系。我知道客户真正疼在哪里。我掌握独家数据。我有线下履约能力。我有牌照/渠道/供应链。然后我用Agent把原来需要20个人的软件和运营团队压缩成2个人。**这才是威力最大的地方。举个很具体的例子。一家传统的工程公司过去想做数字化：需求调研2个月→找外包→50万开发→半年交付→后期一年十几万维护。现在一个懂业务的人，配合Agent，可能两周就做出第一版：客户管理＋合同识别＋投标文件生成＋项目进度追踪＋自动报表＋企业微信客服＋知识库。真正的壁垒不是这些功能本身，而是**这家公司本来就有100个客户、有工程业务、有真实数据。**所以我甚至会把这波机会总结成一句：>**AIAgent最大的创业机会，不一定是再造100万个软件公司，而是把100万个传统公司重新做一遍。**而你们雨花AI学会其实非常适合抓这一点。以后给企业讲AI，甚至可以少讲“提示词”“模型排行榜”，直接问企业老板三个问题：**你公司最贵的5个人工流程是什么？哪个流程每天重复100次？哪个流程以前因为开发成本太高，所以一直没软件化？**找到一个，就让Agent做掉一个。如果一个100人的公司最后能靠AI变成80个人，却做120个人的产出，那才是老板真正愿意付钱的东西。而且还有一个我觉得更激进的变化：过去创业最大的限制之一是**试错次数**。一个软件项目几十万、几百万，创业者可能只能赌一两次。现在如果一次MVP的边际成本降到几百、几千块，创业逻辑会变成：**不是“想清楚再做”，而是“一个月做10个，市场替我选”。**这可能才是Agent最可怕的地方——不只是提高开发效率，而是把一个人一生能够进行的**商业实验次数提高一个数量级甚至两个数量级。**
教师的老公一般是什么职业?公务员，医生，教师，程序员，国营企业干部职工，其他
教师的老公一般是什么职业?公务员，医生，教师，程序员，国营企业干部职工，其他事业单位工作人员，职业军人，农民工，等等。可以说，女教师的老公什么职业的人都有。城里女教师比较好找对象些，农村特岗教师相当难找对象。百分之九十以上都是两地分居，因为，农村除特岗女教师及女护士多外，年轻男人几乎没有。乡镇公务员中，现在男少女多，乡镇医生中男的也不多，护士几乎纯女人。农民年轻的都出去打工去了。只个别男公务员及机关事业单位男工作人员，而且一般女多男少，银行也一样。农村女教师的老公百分之七十以上是异地职业全覆盖。教师职业新变化教师编制就业教师职业新要求教师婚恋困境教师婚姻困境新婚教师教师婚恋边界
韩国一程序员失业，为了吃到1万韩元以下的便宜饭，突发灵感开发了一个韩国平价餐
韩国一程序员失业，为了吃到1万韩元以下的便宜饭，突发灵感开发了一个韩国平价餐馆导航的地图，也俗称穷鬼地图，方便和他一样经济拮据的人能吃上经济实惠的快餐。这名程序员叫崔成洙，被公司裁员后拿了一笔微薄的赔偿金。在他积极找下一份工作时，为了节约开支，给自己定下了每天吃饭消费1万韩币以下的预算。可是这样的便宜快餐店特别的少，一般人很难找到，崔成珠心想这种需求在全韩国应该不小，于是就利用自己的专长开发了这个地图导航，同时推出了众包功能，凡是其他人认为便宜又好吃的快餐店都可以在地图上面标记出来，共享给更多人。从3月21日上线以来几个月累计达到130多万的访问，标记的餐馆也有好几万个。所以说真实的困境才会带来最真实的需求。
有些程序员是不是挺难沟通的？第一次和程序员合作推进项目，感觉很新鲜。时间久了
有些程序员是不是挺难沟通的？第一次和程序员合作推进项目，感觉很新鲜。时间久了以后，发现有点难沟通。总是一副自以为是的样子，觉得他就是对的，你有疑问就是不尊重他。当着面对你说，你能干的事，他都能干。普通聊天倒也还过得去，只要和他讨论技术问题，他就开始说教，一句话是或不是，他能说一堆，最后也没说结论，是或不是，完全是无效沟通。遇到问题了，首先质疑是不是别人做错了，后来发现是自己做错了，也觉得是你或是别人造成了他的错误。不从算法逻辑找问题，逼问硬件厂家要方案，厂家也懵了，产品才几块钱，这是我能干的事？今天搞笑的是，要我找跟项目上一模一样的建筑环境做实验，高度、建筑材料、楼层结构，墙壁厚度要一样。问题是我们只是检测信号切换稳不稳定，差不多环境就可以的，随便哪里都有，现场都可以试，是不是要一比一复刻一栋楼啊？顿感无语，把我当傻子玩吗？
9月1日上午凉山营销心理学密训1.算法覆盖的范围和路径2.AI程序员数学方式
9月1日上午凉山营销心理学密训1.算法覆盖的范围和路径2.AI程序员数学方式的特征向量3.心理专家心理学方式（DNA）的特征向量4.账号的特征向量要与客户想要的精确匹配5.从获客角度出发，思考如何做账号6.做传媒的五大意识7.做某个赛道就要有这个赛道的情绪8.心理专家的算法是按情绪分类的9.什么是算法漏斗10.算法漏斗的筛选流程11.客户的行为轨迹5层次12.中国区、中东区和欧美区，人们的平台消费的收获差异
AI时代真正拉开差距的，是把一件事做完整最近公众号文章发得少了一些。不是没什
AI时代真正拉开差距的，是把一件事做完整最近公众号文章发得少了一些。不是没什么想说，而是过去一个月，我把大部分精力都放在了vibecoding上，前后做了不少项目，也几乎每天都在深度使用AI。最近做的一个小游戏，目前大约有300人在玩，成绩也还不错。一开始，我也会被AI完成某个任务的速度震住。过去要花半天写的代码，它几分钟就能给出；UI、文案、图片，也能很快生成。很多人因此觉得，只要AI能把代码写出来，产品差不多就完成了。听起来没错，但问题是，一个东西被做出来，和它真正跑起来，完全是两回事。一个产品从想法到用户手里，中间有很长一段路。代码写完了，要放到什么服务器上，流量来了能不能扛住；用户进来了，统计怎么接，怎样知道他在哪一步离开；出了故障，谁来发现、谁来修；账号、权限、隐私和合规怎么处理；做好之后，通过什么渠道让别人知道；上线以后，是继续维护、根据反馈修改，还是及时停掉。这些事情很少出现在AI的演示里，也很难用一张漂亮截图证明。但恰恰是它们，决定了一个项目最后是能被人使用的产品，还是电脑里又一个没有下文的文件夹。过去我们习惯按岗位理解工作。程序员写代码，设计师出图，运营写文案，学生完成老师布置的题目。每个人把自己的部分交出去，再由另一个人把它们拼起来。这种分工当然没有问题，但当AI越来越擅长明确、可描述、可验收的任务，单项执行就会越来越标准化。现在有两种工作方式。一种是等别人定义目标，再把分到手的一部分做好，交付以后任务就结束了。另一种会先问：这东西给谁用，为什么值得做，怎么上线，数据说明了什么，失败后怎么改，三个月后谁来维护。他不一定每一项都最专业，却愿意把不同环节接起来，对最后的结果负责。两者的区别，不是谁把某个环节做得更漂亮，而是谁的责任范围覆盖了整件事。这也不是“全能”和“专业”的区别。专业能力依然重要，局部任务也总要有人完成。系统工程能力不是要求一个人什么都会，而是知道最终结果由哪些环节共同决定，缺了哪一环应该找什么工具、什么人补上，并确保关键问题没有掉在缝隙里。AI当然可以帮助这样的人。它能写程序、搭页面、分析数据、整理反馈、检查条款，也能给出推广方案。可它不会自动替你决定哪个问题值得解决，也不会承担用户流失、成本超支和项目停摆的后果。AI可以参与每一环，但完整的闭环仍然需要一个人来守住。所以，AI时代最重要的分水岭，不是谁在某个局部任务上做得更快，而是谁能把一个模糊想法，变成真实存在、有人使用、可以持续改进的东西。这也会改变家庭教育。我们过去很擅长训练孩子完成别人布置的任务：题目已经写好，时间已经规定，答案也有人判断。孩子要做的是理解要求，然后交作业。可进入真实世界以后，困难往往不是把题做对，而是根本没人替你出题，也没人告诉你做到什么程度才算完成。与其只让孩子多做一套题，不如让他完整做成一个真实作品。可以是一本小册子、一段采访、一个小程序，也可以是一次真正有人参加的活动。让他自己决定做给谁看，遇到问题找谁帮助，做完以后听真实反馈，再回来修改。作品不一定复杂，甚至可以很粗糙，但只要走过完整过程，他学到的就不只是执行。AI给普通人最大的机会，是让一个人第一次能够调动过去需要一个团队才能完成的能力。但前提是，我们不能只把它当成完成任务的工具，而要用它扩大自己对完整结果负责的范围。完成别人布置的题，训练的是把局部做好；把一个想法推到真实世界，训练的才是独立生产的能力。
