winter

这个世界上任何一个人去世了，都不需要另外任何一个人跳出来说：其实我一直不喜欢他。 做个体面的人类不好吗？ 体面的意思是，即使你这辈子都确实讨厌他，这个时候也 TMD 需要因为教养忍住闭嘴。

完蛋，简单体力劳动也要被取代了 这个机器人是Figure 03，定价2W美金，正在做包裹翻面工作。类似岗位其实在很多企业都有，简单，但是还需要人工来做 这么一个岗位，在美国一年工资肯定不止2W美金吧 Figure 03 介绍点击：

现在有一股 AI 攀比风：你要尽可能多的往高里说 AI 提升了你多少倍工作效率，这样你会显得很时髦，比其他人反应快，跟得上潮流，更能应对变化；否则你会显得古板，同社会和趋势脱节，不善于面对变化；这股攀比风，从公司到个人都存在，越是本职工作和主业做不好的，越期望自己显得更加适应潮流。

AI 编程不会导致广泛意义上的程序员失业，失业更多发生在一些业务没有太多增长潜力的领域，会削减人力转为用 AI 辅助维护产品，但在一些高速增长的行业，人力还是存在比较大的缺口，例如 AI 产品的开发，今天 AI 的效率提升还是在有人类驾驶员的前提下，各个竞品之间都在拼执行力，压缩的不是人力而是时间

跟朋友探讨，AI 时代，如何考察候选人，一致的结论是，需要现场看候选人的 vibe coding 能力。 以前考察古法编码技能，会针对算法、数据结构、解题速度、编码规范等做细致了解，也考察专业知识。 但这些技能，随着 Coding Agent 能力的提升，已经全部被内化了，人能做的就是调教，调教，调教😅。考察的是架构能力、工程能力，以及对多个 AI 的管理能力。 面试的问题可能变成了，刚才你做的工作花了 10M Token，如何在 1M 内解决？刚才你花了 1 个小时解决问题，如果想 10min 搞定，该怎么做？ 再往下问，会触及一个更本质的能力：你有没有意识到问题的“形态”，有没有在一开始就选对解法路径。很多人是把 AI 当成更快的键盘，用来加速执行；但更高一层，是把 AI 当成解空间的放大器，先去重构问题，再去执行。Token 花多少、时间用多久，往往在第一步就已经被决定了。 接下来会追问，你是怎么拆这个任务的？为什么要这么拆？哪些步骤可以并行，哪些必须串行？当多个 Agent 同时工作的时候，如何避免它们互相污染上下文，如何保证结果可以被复用，而不是每次都从头再来。 更深入一点的问题是，如何把一个复杂问题压缩成可以被 AI 快速理解和执行的表达结构。你怎么写 prompt，怎么设计 context，怎么做中间状态的存储和裁剪，怎么让 AI 少走弯路。这方面考察的是如何设计一条最短路径，而不是盯着执行过程本身。 还有一个很有意思的点，是“失败的处理方式”。AI 会出错，这是确定性的。关键在于有没有设计好兜底机制，是让 AI 一路撞墙，还是在关键节点就能感知偏差、及时纠偏。 很多面试问题都开始不一样了，也变得更有趣了些。😄 过去优秀工程师的分水岭在“写得多快、写得多好”，现在更像是在看一个人能不能构建出一个持续产出的系统，让 AI 在里面稳定工作、不断进化。

以前论坛里经常笑话那些空谈产品的人“就差一个程序员了”。现在AI 补齐了这一块能力，给产品经理们插上了编程的翅膀。 好家伙，懂需求的人也会开发了。你甚至可以看见王自如在大谈技术架构和 Agent开发。凭借他的思维逻辑闭环和对知识的系统性掌握，还真就比普通程序员做的更好。 相信他凭借 AI 可以早日还清债务。

雷总说两辆车69公里撞击效果等于120， 的确不对 这个的确很容易犯错 相对速度的确是120，但是汽车速度变化只有60 但是小米内部没人提醒 这个很严重 内部价值观出了问题