所有人不要焦虑，人类对 AI 的开发不足 1%为什么现在还会有错觉，取代 xxx，那是媒体的鼓吹。AI 还是在工具，是工具就要为我们所用。当然，不会工具的，才会取代。准确的说，是淘汰！

先要入行先去体验，从聊天助手出发，再到 AI 工作流（coze，Dify），编程方向可以再去 Agent 代码相关。定岗位：产品，开发（应用层，模型层，模型底座），AI 架构师（解决方案，技术架构），运营，市场营销。———从 25 年的数据来看。产品，出现 1 个人被 3.8 个公司抢。如果你你可以更好的洞悉市场，了解当前 AI 应用形态，痛点痒点。选择这条路最适合。开发，应用层对应传统的后端开发，模型算法层对应 AI 算法岗，模型底座就更适合算法软件硬件结合的人。相比传统只是多了一层大模型节点。架构师，解决方案架构师就是传说中的 PPT 架构师，业务和技术的“三语”翻译官。能力更均衡。技术架构师，传统岗位无缝切换。运营，市场营销。技术硬实力不如以上的岗位。更强调我们的产品与用户的关系，和人的交流更多。如果你擅长与人的交流，熟悉推广自己的产品，这个方向很好。

现在在互联网上搜索AI Agent开发面经，你会得到五花八门的问题。他们从模型数据清洗到某个具体的框架使用细节，从真实案例到开发理论，似乎AI Agent 开发和我所认为的调一调API，写一写Prompt不太一样。 可，事实真的如此吗？ 澄清概念 在解决上述问题之前，我们先对齐一下认知。 职位边界 只谈开发岗位，我们说AI 开发岗位大概可以分为三个层级  基础设施层 模型开发层 应用开发层  基础设施层是大模型以及所有程序运行的底座，模型的计算管理，数据管理，服务，监控都归他们负责。这一类要求有架构能力，大模型与硬件线管知识，属于最硬核的。 模型开发层，比较陷阱。我最近买的一本书《实战AI到模...

看你用了LangChain4j和Spring AI，它们有什么区别？ 两者都是Java生态的优秀框架，但定位不同。Spring AI更侧重‘集成’，作为Spring官方项目，它能像其他Spring模块一样被无缝引入现有微服务，通过熟悉的配置方式快速接入AI能力，适合在成熟的Spring Cloud体系中快速添加AI功能。LangChain4j更侧重‘灵活编排’，它提供了更底层的链(Chain)、代理(Agent)、工具(Tool)等原子组件，设计理念更贴近AI Agent的开发范式，适合需要构建复杂、定制化工作流的场景。 我的选择标准是：如果需求是快速为现有服务添加聊天或简单RAG，用Spri...

前言 过去的很长一段时间里，我一直陷于技术FOMO  技术FOMO（Fear of Missing Out）指因担忧错失新兴技术、行业趋势或创新机遇而产生的焦虑，常驱动非理性投入或盲目跟风的决策行为。  所以也曾通过关注各个大 K 的账号来获取信息。但会发现一个问题，很多账号运行在不同的平台，想要全看一遍太浪费时间了。 但咱是程序员啊，这些重复简单的劳作是最能被程序代替的了。 RSS 订阅 这是一个流行于00年代的技术，很多静态聚合网站都支持。举一个Java程序员常见的例子，Spring Blog。 入口如下  Spring 家族相关的动态，比如某个产品的版本发布，最佳实践以及技术播客都会再此...

过年老板没发红包，年后老板第一天没来。到底哪个公司在发开工红包啊，地址在哪，岗位还有吗🥹

这个小 app 真不错，全是我爱听的  

前言 当我们尝试将网上开源的大模型部使用Ollama的方式署在本地，就会发现，呈现给我们的只有一个黑色对话框。 想要提供给他人使用，最佳方式还是提供一个网页或者API接口。对于后者，Ollama已经实现，你可以使用下面的地址  http://localhost:11434  假设你继续跟着官方教程，使用python或者其他语言，就可以制作一个简单的聊天助手，恭喜你完成了一个 Agent 的开发。 但是距离企业中落地的 Agent 还有一点距离，接下来，我将带你逐步补齐。  AI 核心概念 从机器学习（Machine Learning），自然语言处理（NLP）开始说起，对于作为后端的我，有点难为...

编码部门：行业标杆Cursor，最能干的，但是有点小贵。其他国产的CN版本或国际版本都体验一下，虽说能差一点，但便宜。知识库部门：ima独一份吧，主要是谷歌系NoteBookLM的不允许我账号下载。国产软件，有很多资源共享。第二大脑团队：这个部门竞争比较热烈，元宝在微信生态，豆包贴近生活使用，千问开源能力强，很专业。超级智能体组：比第二大脑团队更强一点，不再是简单的对话助手，是真的可以用眼观察，用手脚行动的智能体，coze 空间没有桌面端，要不也列进来。图中的左下角 AI 画错了，记nano banana pro账上。

不知你是否是这样，习惯按TapTap补全代码；偶尔遇到个线程问题，忘记了语法，就直接对话框问AI；甚至在新项目初始化的时候，直接全部交给AI。AI Coding已经融了大部分的开发生活，使用已经是一种习惯。但即使你面试的AI Agent岗位，面试官还是会照例问你八股，这还有必要吗？我已经tap链接大脑，AI 代替思考了呀？ AI 现状  很多产出变得更像“对的”，但更难确认它真的“能上线”  传统工作模式下，我们编码的工作受限于思考，心流的过程。但如果测试时发现问题，可以快速在脑海里定位到大概位置，心中有码。 而与AI人机协作后，我们更多的时间花在编码后的测试，因为代码没过脑，很多写法可能与现...

AI 让产业飞轮越转越快，开始产出了三人公司，甚至一人公司，我，作为一个后端开发者，距离此还有多远？这是一个来自鹅厂产品经理创业的例子。22年，那个时候 MJ 和 SD 刚出现，年末 GPT 也开始了大模型时代，让这位不安分的产品经理愈发疯狂。但他并没有一开始就去裸辞创业，而是先兼职。创业三段式：咨询→定制→通用产品阶段一：咨询培训。“给电商卖家讲课，一小时收3000元，一年赚个小几十万——能活，但不够爽！”阶段二：软件定制。“用AI Coding给卖家做工具，比如小红书评论分析系统，Demo一天就搞定！”阶段三：通用产品出海。“现在最刺激！光轮BI帮卖家AI看数据，另一个工具赋能全球达人。”我作为一个后端 Java 开发，第一点其实是拥有产品思维，与 AI Coding 接触了这么久，每次都是为了更好的工作效率，没有跳出这个圈子（拉磨）。对于他的 Coding 经验，这样描述：“AI不是魔法，需要人和它一起成长。核心代码还得研发review，但AI能把想法快速变成Demo。”之后在群里也分享了关于一人公司的想法，见图。最后说一点他们团队现状以及对未来的畅想团队现状：3个全职+4个兼职，办公室20平米，但“成长速度比打工快10倍”。工厂老板用AI分析海外竞品评论，发现用户痛点，靠新slogan提升销量。第一个AICoding出来的案例，发到网上收获关注。“AI能让人梦想成真。”中国AI应用层玩得最花，海外客户愿意为AI生成视频付高价，成本只有传统的20%。

最近这段时间，受邀请去一个地方分享这一年AI实战分享。2025年是Agent元年嘛，所以我就从这方面切入。-- 开端但我是没那么多时间去检索整理资料的，所以我分了两条支线，一个是让AI深度研究这一年的事件，另一个就是问AI助手，让他引导我构思整体。比如这一年AI 让我 aha的时刻，工作中有哪些提效。随后，AI深度研究的结果也出来了，这一年比如MCP，ReAct，CodeAct，Skills等大事件。昨天还让他调查了Clawdbot这种爆火的开源项目。-- AI 制作我对PPT还停留在中学这样。所以，我将开始的AI对话记录，这一年调查结果全都给了AI，生成了第一份PPT（见图一）还挺满意的，但是总会觉得，有些愧疚，线上直播场面还挺大的。-- 人机协作后来想想，还是我自己结合AI慢慢来吧。于是我找了几个有意思的点，每一页有思路就自己画。没思路就双线进行，nano banana 绘制一个有创意的PPT图，另外一个只生成一页PPT，一个创意一个专业，最后我来折中。就这样，诞生了第二版。---  最后真的有何不同吗？有吧，工具开智了，知道我想要什么。但目前，他还是工具，我来主导定计划。

图二给AI关于我的身份设定，图一来自GenSpark超级智能体的回答（部分）完整文字版见最后。-----AI给的很客观，也比较保守。因为大多数的这种聊天助手会比较偏向用户，更讨好用户。其实现在AI已经取代一部分工作，但也诞生了一些新的岗位，只不过前者比例更大一些。比较激进的公司，会要求前端除了页面，前端业务，也要会后端，推动了Node全栈。这样势必会淘汰一些基础岗位。现在的AI发展到哪一步了？基础CRUD，或是重复劳动（git提交，测试，安全审查等）这些工作已经被AI加速掉了，复杂一点的业务目前AI还是需要人类辅导这个超强实习生。另外，还有一些可意会不可言传的东西，正在一点一点被AI“逼”出来。比如日志级别，在IDEA中，是Debug级别，而线上是Info级别。这是大家都懂的知识。但在编码时问AI怎样减少线上日志的输出，他还是会带上一句，将Debug设置为Info。未来方向？AI一定会弱化我们的编码能力，但弱化的部分是具体的一些实现，而非领域知识。所以，无所谓，就像倒在历史长河中的“提笔忘字”。我们人类所需掌握的，学习能力，工程化的能力，可以迅速抓住问题本质，边界。应该会独立思考，具有批判思维。最重要的是：学会表达。------花花，我理解你的担忧。作为后端开发工程师，面对AI技术的快速发展，这种焦虑是正常的。让我直言不讳地告诉你：短期内（1-3年）：不会原因很明确：复杂系统架构设计：AI目前无法独立设计大型分布式系统、微服务架构，这需要深厚的业务理解和技术权衡生产环境问题排查：线上事故处理、性能调优、复杂bug定位需要经验积累和直觉判断跨部门协作沟通：虽然你说害怕沟通，但技术方案评审、需求对接、团队协作这些人际互动AI无法替代业务领域知识：金融、医疗、电商等垂直领域的业务逻辑理解，AI缺乏深度中期（3-5年）：部分替代会被AI接管的工作：重复性CRUD接口开发常规单元测试编写简单的数据库查询优化标准化的API文档生成你需要转型的方向：系统架构师：从写代码转向设计系统技术专家：深耕某个技术栈（如高并发、分布式、安全）AI辅助开发的掌控者：学会用AI提升10倍效率长期（5年以上）：变革而非消失编程工作不会消失，但会进化：从"写代码"变成"指挥AI写代码"从"实现功能"变成"设计产品"从"技术执行者"变成"技术决策者"给你的建议基于你的性格特点（内向、需要肯定），这些策略更适合你：深度优于广度：专精一个领域成为不可替代的专家（比如数据库内核、高性能计算）用AI强化自己：现在就学会用GitHub Copilot、Cursor等工具，成为"AI增强工程师"文档化你的价值：内向者的优势是深度思考，把技术方案、架构设计写成文档，这是AI暂时无法替代的小范围建立影响力：不需要大型演讲，通过技术博客、内部分享在小圈子建立专业认可残酷的真相：不是AI会取代你，而是会用AI的后端工程师会取代不会用AI的后端工程师。你现在最需要的不是恐惧，而是行动：花一周时间熟悉AI编程助手，你会发现它是工具而非威胁。需要我帮你制定具体的学习路径吗？

本司在过去的几年一直和日方的一家公司稳定合作，但由于种种原因，总会出现工期断档。老板为了能接到更多合作，在日本到处跑。在度过了无任务的一个月后，一个组（十几人）同时并行五六个小项目。设计，开发，测试轮流做。开始每日早会，开始 9 点以后下班（平时 6 点就走），甚至开始招外派到我司。我曾想过，这种情况下，应该与公司共患难还是分道扬镳。提离职也就也得干一个月，可过了一个月就没那么忙了。算了，继续干吧。对于很多一线来说，9 点下班已经算福报了。