没必要，AI 时代，挑个需求 + 技术栈，先 prompt 干起来就好了，老外喜欢按 roadmap 教，实际上项目遇到啥问题，就去了解 临时看一下就行，实在遇到不懂的，问 AI 就好，当年学 IT 就是问 google 而且要特意屏蔽中文区，中文区资料全没有今天这么丰富

08 年学编程的时候，msdn 大部头，家里小水管就下了好几天，那时候全英文的，中文资料少的可怜，光是给 delphi 写一个监听 windows usb 硬盘插入的功能，在高三花了我 2 个周末的时间查资料，而今天 AI 几分钟就搞定了，当年也不知道 windows 有消息机制，而且消息机制里面 包含这么多 API

压根就没讲到本质原因上，
程序猿 35 不好找工作根本原因

1. 老钟国工资很低，劳动力市场失衡，所以大家都想往 IT 挤，说到底，一句话，老钟人不是人，是畜生，人不值钱，权力、资源更值钱，一个劳动收入占 GDP 比重 比极低的国家，人就是畜生，没什么好说的

2. 很多人眼睛就盯着 IT 一亩三分地，没有出去瞧瞧别的行业，同等学历大部分工科行业的从业人员，混到 50 岁快退休混不到 1 万+，而且工作环境极其糟糕，而 1 万在 IT 行业很多方向是起步水平

3. 大部分工科并没有像计算机这样吃苦，烧脑子就能自学成才的环境，计算机你只要 5000 块钱买台 mac 笔记本电脑，再花 20 块钱翻过那堵几千万构建的墙，就能拥有 github 上亿价值的代码代码库，能不能起来成为合格的码农，完全只看脑子，别的理工科需要大量的实践机会才能成才。
举个简单的例子，我是学机械的，光是公差，以及装配 过盈配合 、间隙配合，这些东西就值得你研究一辈子，无他，都是经验，你不去现场，不了解国内的加工工艺、材料特性，以及那些行业内乱七八糟的潜规则东西，完全只根据教科书上教的 在纸上随便标个公差，那只会被工人跟领导骂死，而 IT 代码错了，google 一下，修复继续跑起来，实验环境简直太理想了，试错成本约等于 0

另外样式问题，我都会把对应的 html 贴上去，提高 LLM 的准确性

@totoro52 https://i.imgur.com/N9E3iZ2.png 一行没写，实际上脑子里面 写了上千行，只是让 cursor 帮你写出来而已，另外你看那个疯狂发请求的问题，不会 debug 的话，你半天都搞不定

https://i.imgur.com/Q51cuso.jpeg
继续送上我的头像

UID:Qx8Lmx
感谢

现在新语言 已经没有出路了，LLM 里面有大量成熟的 code ，LLM 只会让那些坐拥海量代码库的语言 越来越强，小众语言将彻底嗝屁

总结一句话，AI 适合小步快跑，适合小模块作战，不适合大规模上下文

没有，transformer 说到底还是概率模型，概率模型最大的问题就是容易出错，很多人说 AI 幻觉，懂的人都懂，这讲到底就是概率模型，上下文一多，出问题的概率就大，你没法保证你的上下文全部是干净明确的，搞不好 AI 就从哪里读了一堆模糊的上下文过去，而且生成式 AI 的目标是生成，它并不会思考背后是否合理，推理模型也是看着样子在推理罢了，实际上根本没有思考，很多时候也是胡说八道，这个 apple 的工程师已经调研过，有相关论文可以了解一下

其实我觉得现阶段更好的办法是 让前后端代码都在文件夹里面，代码的组织方式要更加配合 AI 的上下文，让整个模块的前后端代码都组织在一起，模块越小越好，代码风格明确，需求越明确，代码生成越是可控，不会出现 AI 给你改了一大堆代码，然后你在那里给它擦屁股的情况，而且小规模上下文，生成的代码接受比例更高

@wu67 我现在都是 防御性 先 git commit 一下，就怕 AI 给我乱改飞了，然后记录又没法恢复，烦死了

https://i.imgur.com/n119Wvk.png 在中国 甲方与乙方非重复博弈的行业 无一例外都是垃圾，我说的不是行业垃圾 ，而是从消费者的角度来讲

@snow0 兄弟 国内这种历史系统，哪里来的正确上下文 都是跟侦探一样看代码 梳理逻辑

@jukanntenn 其实说实话并没有，只是减少了查资料的强度罢了，大部分时候 AI 生成的并不是有效的代码，上面提到的 44%的 AI 生成代码 都被删除了，说明程序猿真的是不喜欢查资料 去查看别人的文档

@xsen #39 这个观点是我的，不是他的，他已经把 AI 当做许愿机了，现在大模型为什么这么有效？说白了，大家都是在重复自己罢了，写个电商页面 写个购物车，写个博客，LLM 并不是在思考 解构你的需求，并帮你细化实现，而是从成千上万的代码里么 帮你预测，像我写一个 TCP 的包捕捉器，去分析 MySQL 协议，这种代码在 github 上开源的有数千个或者数万个仓库 搞过这种事情。

但是 LLM 并不知道你要的是哪一段，甚至直接随便找了点代码 拼接就给你上了，你一跑起来，还真没问题，短的 SQL 解析没啥问题，因为都在一个 ip packet 里面，mtu 1500 ，一般够装一个短的 SQL 了，但是长的呢？立马出问题，你如果自己都不了解协议，或者对网络协议一概不知，根本不可能做出完整的解析器来，因为 AI 它并不理解网络协议，也不知道 TCP 是流的形式，你只能不断的去提示，它才能组织好代码，而且就算提示完了，很多生成出来的代码并不一定是可用的，

LLM 只是从开源库里面 随便抓一点代码，解析一个包，然后抄一下别人解析 mysql 的代码给你，从你第一步使用库开始捕捉 packet 到你做出一个完整的 Mysql 协议的 SQL 解析器，中间不知道要踩多少个坑

我更倾向于 LLM 是一种能力放大器，它可以解放你对知识细节的记忆，例如我了解网络是分层的，每一层有哪些职责，IP 包是可以重复的，TCP 协议是通过重复发包 以及退让策略等等，你可以在脑子里面建立一个简易的心智模型，至于细节你可以交给 LLM ，因为它的记忆能力比你强，但是这并不代表你完全不用学习，或者建立知识网络心智图谱，否则你连提示词怎么写都不知道

@showonder https://i.imgur.com/N9E3iZ2.png 确实，老黄最初搞 cuda 的时候，业内一直不看好，华尔街早期对 cuda 的评价极差，连老黄自己都怀疑自己，最后踩了 2 波矿潮，LLM 直接起飞，elon 还是 openAI 联合创始人，也没见到捞到这一波 LLM 红利了，很多事情，事后来看，真的就是莫名其妙的，市场经济绝不是你今天让做显卡打游戏，明天就能折腾出 cuda 上 LLM 了，很多事情就是东一榔头，西一棒子，也不知道哪个方向突然就成功了

@yidinghe https://i.imgur.com/L62ZP7V.png 领导嘛，嘴巴张闭说啥都是对的，你听着就算了，别真的当回事

@xsen 兄弟，我现在领导已经在鼓吹 AI 时代，代码可以随便复制了，什么以前的工程最佳实践在 AI 时代下遵守已经毫无意义了，反正大模型可以一下子帮你把重复的所有地方 给你一下子改一遍，你信么？

@xsen https://i.imgur.com/NIvxivj.png 兄弟，注释都落后了好几个版本了，字段名称也是乱的，你真的以为 AI 是智能的啊，而且这种你自己都搞不明白的情况，就算 AI 给你生成了，你敢用么？要花大量的时间去测试 验证，

@li746224 主要还是后台摸不着，历史屎山多，前端页面上，你生成一下，鼠标点击一下，观察一下，就知道是不是正确的，而后台的业务逻辑给你改了之后，你根本不知道是不是正确的