Bylant
264 posts


来自我团队前鹅厂高工的思考:
1. 当下 AI-Native 喊得很响,但实际多数只能称作 AI 辅助提效,比如应用最流行的编码场景。
2. 过往十几年所有到最后开始研究 NLP 的领域,才是真 AI-Native 的领域。
3. 文科思维开始显示重要性。
4. 我妈用豆包出中医养生方案比你写代码更 AI-Native。
5. 跟过往几次工业革命一样,谁离革命最近,就是在革谁的命,谁就抵触情绪最大。所以 AI 落地效率最高的其实是那些距离软件开发最远的行业。
6. 不干这一行并不会错过什么,就像你不搞半导体、集成电路但也不妨碍你现在用手机刷抖音刷得比谁都溜一样。
7. 最有机会的地方都在不想开放但可以强行开放的地方。
中文

@PandaTalk8 真正懂UI/UX 设计的人,问题是这样的人有多少,AI 永远出来先替代的第一批没那么懂的人,就和写代码一样,现在初级程序员的路才是最难的,当然慢慢的中高级岗位也会越来越难
中文

天下产品大家果然都是互相“借鉴”,这玩意跟 Codex App 基本对齐了,哈哈哈
Claude@claudeai
We've redesigned Claude Code on desktop. You can now run multiple Claude sessions side by side from one window, with a new sidebar to manage them all.
中文

朋友在操盘的一个案例,很有意思
一家年营收10亿左右的传统公司
今年把整个IT部门裁了,四五十人
然后,把开发、维护、升级,全部交给了他的这个10人的技术团队
他们接手后,花了一个月时间,用AI把原来的所有系统,重写了一遍 代码、文档以及系统逻辑,重新进行了重构和梳理
很多程序员过去的一个“护城河”, 其实是对历史系统的理解,比如很多代码逻辑,只存在某个程序员的“脑子”里
但是,在AI的这种重构能力面前,这层的壁垒似乎没有了
系统一旦被AI重构完成,后面的维护、迭代、升级
不再需要那么多人
IT外包这个商业模式,在中国还挺成熟的,诞生了不少规模较大的公司,比如软通动力、中软等
这种模式,在会驾驭AI的技术团队里,会让整个系统开发和运营的效率变得很高,也就是用10人外包的方式去替代原本50人左右的技术团队,难度并不大
真正难度大的,其实是解决信任的问题,以及后续的持续良性协作
一个营收十亿级的企业老板,愿意通过外包的方式来解决IT效率与管理,对这个团队的信任要非常高才行
另外,这种模式,适用条件其实挺有限的,并不适合绝大部分的企业
中文

还是有改变的,改变就是美团被淘宝闪购打得永世不得翻身,永世不得提高利润率,基本上宣告了美团这家公司没有未来了。
SkyWT@skywt2003
轰轰烈烈的外卖大战结束后,除了「饿了么改名淘宝闪购」以外,改变了 0 件事情。 我依然点外卖时在美团、饿了么(淘宝闪购)比价。 商家还是那些商家,价格还是差不多的价格,配送服务还是差不多的水平。 这就是内卷的最终结局 😅
中文

80%的编程场景都是在做业务层,而不是在做算法或者计算机底层,例如性能优化之类的。所以在这些场景中,靠近业务线的人会写的更好,因为他们更懂拿着代码这个锤子去敲哪根钉子。过去为什么靠近业务的人没有这方面的优势,是因为编码是需要大概1-2年的沉浸式训练的,很多人就是少了这1-2年的时间训练,现在 AI 抹平了这个差距。
在悉尼和稀泥@JamesAI
程序员会很扎心的逐渐发现: 离业务更近的人,在窗户纸捅破后,他们写出来的 提示词或者用ai做出来的东西,效果甚至更好。 从某个角度来说,这些非程序员们“编写的程序”比程序员写的更好用。 如果说 AI 引起的裁员是“杀人”,那么这个算是“诛心”了。 现在还有一层保住很多人饭碗的窗户纸是: 技术小白天然的觉得,程序员因为是技术人员,所以“更懂” AI。 然而 AI 时代,很多时候,很多程序员所谓的技术,其实和非技术一样,都是在AI里面打字而已😅
中文





















