当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

截至2026年4月，AI已承担程序员75%日常编码任务但尚不能独立完成复杂软件工程

源自188位全网作者

04-13 11:22

精选参考来源

【软件工程的终局：当代码不再是答案】一个训练有素、拥有机器学习硕士学位的软件工程师，向同行发出了一个真诚的问题：对自己的未来，你是什么感受？ Andrew Trask的回答值得细读。他认为，人类社会的软件需求本质上只有两类：一对多的信息传播，以及多对一的信息收集与洞察。前者已被互联网和社交媒体解决，后者则催生了所有应用程序。这些应用依赖四种工具来“广泛倾听”世界：文献库、统计学、抽样和索引。Uber是附近司机的索引加上评分统计，Airbnb是房源索引加上评价系统。几乎所有平台都是这四种工具的排列组合。但这套体系面临三个根本问题：信息过载、隐私保护和真实性验证。AI正在解决第一个问题，让我们能以统计学的规模处理信息，同时保留文献库级别的细腻度。加密技术将解决隐私问题，允许你授予特定的数据使用权而无需交出副本。分布式系统则能通过“六度社交圈”查询来筛选信任，从根本上解决虚假信息问题。当这三者汇聚，软件作为一个项目将基本完成。我们不再需要为不同数据模式重建软件，因为不再需要通过统计和抽样来艰难理解世界——直接提问就能获得综合答案。用户会用提示词创建自己的网站，直到他们发现连网站都不需要。生活一直是选择题——去商店、投票站，甚至浏览Instagram，你都在从既定选项中挑选。品味由他人预设。但它即将变成填空题。填空题不需要那么多开发者来构建仪表盘提供选项。你需要的只是品味，以及知道该信任谁的品味。这个观点揭示了更深层的转变：软件工程的价值正在从“实现能力”迁移到“判断能力”。正如一位开发者所说，他不再觉得自己是打字员，更像是AI系统架构师——连接代理、评估机制和安全栏杆。另一位二十五年经验的工程师则直言：从未有比现在更好的时代，唯一遗憾是没有更多时间写代码。分化已经显现。顶尖工程师解决新颖问题、设计系统架构、做高层决策，他们的价值不降反升。初级工程师做模板化CRUD应用，面临最大冲击。中层工程师编写标准功能代码的，被挤压得最厉害——AI处理常规实现，人类处理边缘情况和系统集成。这种焦虑是有效的，但恐慌为时过早。编程工作不会在五年内消失，但确实在转型。重点应放在AI无法复制的技能上：系统设计、领域专业知识、利益相关者管理、调试复杂交互。就像电子表格消灭了计算员岗位，却创造了财务分析师角色。软件工程正在向更高抽象层演进。这个过程必然不适，因为我们正离开熟悉的“坐在屏幕前打字”的工作方式。许多人怀念敲代码时的心流状态，那种打造类、函数、变量的乐趣。但工程师本质是建造者，建造者永远不缺可建之物。软件工程是第一个被颠覆的行业，正因为这个行业的目标始终是迁移到下一个抽象层。其他行业会用监管、低效运作、就业保护计划、工会来对抗这种改变。而我们，会继续建造。 AI对软件工程的需求并未减少，只是改变了形式。好的软件需求正在激增。知道向AI提什么问题、如何超越第一个答案思考，这些技能极具价值。公司需要问题解决者。展示你的问题意识，而非编码速度。也许最本质的洞察来自这句话：如果你把自己看作写代码的人，地板正在下沉。如果你把自己看作决定该建什么、并用任何手段完成它的人，AI刚刚给了你这个职业有史以来最大的杠杆升级。护城河从来不是某项单一技能，而是你这个人。简评：软件工程并没有进入“终局”，而是进入了“青春期”后的“成年期”。童年期的乐趣是搭积木（写代码），成年期的责任是设计大厦（解决复杂问题）。如果你把AI看作对手，你会恐慌，因为它打得你满地找牙；如果你把AI看作工具，你会狂喜，因为它兑现了计算机科学几十年的承诺——用自动化来解决自动化问题。未来的工程师，必须停止把自己定义为“写代码的人”，而要开始定义自己为“在这个混乱的世界中，利用技术杠杆构建秩序的人。” 在这个时代，判断力 > 编码力，想象力 > 知识库，对人的理解 > 对机器的理解。这就是终局，也是全新的开局。 x.com/signulll/status/2023895986758623632

你认为AI编程未来真的会取代程序员吗？

全部
来源

内容由AI生成

1. 【软件工程的终局：当代码不再是答案】一个训练有素、拥有机器学习硕士学位的软件工程师，向同行发出了一个真诚的问题：对自己的未来，你是什么感受？ Andrew Trask的回答值得细读。他认为，人类社会的软件需求本质上只有两类：一对多的信息传播，以及多对一的信息收集与洞察。前者已被互联网和社交媒体解决，后者则催生了所有应用程序。这些应用依赖四种工具来“广泛倾听”世界：文献库、统计学、抽样和索引。Uber是附近司机的索引加上评分统计，Airbnb是房源索引加上评价系统。几乎所有平台都是这四种工具的排列组合。但这套体系面临三个根本问题：信息过载、隐私保护和真实性验证。AI正在解决第一个问题，让我们能以统计学的规模处理信息，同时保留文献库级别的细腻度。加密技术将解决隐私问题，允许你授予特定的数据使用权而无需交出副本。分布式系统则能通过“六度社交圈”查询来筛选信任，从根本上解决虚假信息问题。当这三者汇聚，软件作为一个项目将基本完成。我们不再需要为不同数据模式重建软件，因为不再需要通过统计和抽样来艰难理解世界——直接提问就能获得综合答案。用户会用提示词创建自己的网站，直到他们发现连网站都不需要。生活一直是选择题——去商店、投票站，甚至浏览Instagram，你都在从既定选项中挑选。品味由他人预设。但它即将变成填空题。填空题不需要那么多开发者来构建仪表盘提供选项。你需要的只是品味，以及知道该信任谁的品味。这个观点揭示了更深层的转变：软件工程的价值正在从“实现能力”迁移到“判断能力”。正如一位开发者所说，他不再觉得自己是打字员，更像是AI系统架构师——连接代理、评估机制和安全栏杆。另一位二十五年经验的工程师则直言：从未有比现在更好的时代，唯一遗憾是没有更多时间写代码。分化已经显现。顶尖工程师解决新颖问题、设计系统架构、做高层决策，他们的价值不降反升。初级工程师做模板化CRUD应用，面临最大冲击。中层工程师编写标准功能代码的，被挤压得最厉害——AI处理常规实现，人类处理边缘情况和系统集成。这种焦虑是有效的，但恐慌为时过早。编程工作不会在五年内消失，但确实在转型。重点应放在AI无法复制的技能上：系统设计、领域专业知识、利益相关者管理、调试复杂交互。就像电子表格消灭了计算员岗位，却创造了财务分析师角色。软件工程正在向更高抽象层演进。这个过程必然不适，因为我们正离开熟悉的“坐在屏幕前打字”的工作方式。许多人怀念敲代码时的心流状态，那种打造类、函数、变量的乐趣。但工程师本质是建造者，建造者永远不缺可建之物。软件工程是第一个被颠覆的行业，正因为这个行业的目标始终是迁移到下一个抽象层。其他行业会用监管、低效运作、就业保护计划、工会来对抗这种改变。而我们，会继续建造。 AI对软件工程的需求并未减少，只是改变了形式。好的软件需求正在激增。知道向AI提什么问题、如何超越第一个答案思考，这些技能极具价值。公司需要问题解决者。展示你的问题意识，而非编码速度。也许最本质的洞察来自这句话：如果你把自己看作写代码的人，地板正在下沉。如果你把自己看作决定该建什么、并用任何手段完成它的人，AI刚刚给了你这个职业有史以来最大的杠杆升级。护城河从来不是某项单一技能，而是你这个人。简评：软件工程并没有进入“终局”，而是进入了“青春期”后的“成年期”。童年期的乐趣是搭积木（写代码），成年期的责任是设计大厦（解决复杂问题）。如果你把AI看作对手，你会恐慌，因为它打得你满地找牙；如果你把AI看作工具，你会狂喜，因为它兑现了计算机科学几十年的承诺——用自动化来解决自动化问题。未来的工程师，必须停止把自己定义为“写代码的人”，而要开始定义自己为“在这个混乱的世界中，利用技术杠杆构建秩序的人。” 在这个时代，判断力 > 编码力，想象力 > 知识库，对人的理解 > 对机器的理解。这就是终局，也是全新的开局。 x.com/signulll/status/2023895986758623632

2. 你认为AI编程未来真的会取代程序员吗？

3. 软件工程师的角色正在悄然转变，正从单纯的“代码工匠”走向“产品工程师”。大语言模型（LLM）让写代码变得前所未有的简单，真正的挑战不再是实现，而是“做什么”和“如何设计用户体验”。因此，越来越多工程师开始投身学习设计和产品思维。未来最有价值的工程师，是那些不仅能交付功能，更能塑造产品的人。这场变革带来了几个趋势和思考：- 产品、设计和工程的界限正在模糊，未来团队或许将由少数几个人组成，快速高效地驾驶AI工具，打造出高质量产品。- 代码实现不再是瓶颈，但系统架构、性能优化、代码质量和可维护性依旧至关重要。AI虽日益强大，但工程师对技术选型、架构设计和系统可扩展性的判断力依然不可替代。- 具备产品思维的工程师，懂得如何通过用户访谈洞察真实需求，这种能力比单纯编程更难能可贵。- 设计和产品技能是一门艺术，掌握它们需要时间和实践，工具如Cursor、Figma正在快速进化，助力工程师跨界成长。- 对技术深度和设计广度的平衡，是打造强大团队的关键。理想团队结构或许是三分之一工程技术，三分之一产品策略，三分之一设计体验。- 随着AI能力提升，传统产品经理角色可能重塑，甚至被具备业务敏感度的工程师所替代，或反之。总的来说，未来的软件工程师不只是写代码者，更是能够洞悉用户、把控产品全局的“产品构建者”。拥抱这场变革，将是每位工程师迈向更高影响力的必由之路。x.com/Cramer___/status/1999926485092807155

4. 现在AI写程序很强，把一个需求告诉它，它三下五除二，可轻轻松松地弄出上千行代码，往往还真可以跑~~~但怎么用它，还得看具体的应用场景。如果是演示用的程序，用AI生成80%甚至更多的代码，看一看，需要时调一调，能跑就行了，没问题。如果是需要长期维护的程序，或者是代码出了问题，会造成真实的损失，自己要背锅的场景，那就不能这么干了，要限制AI一次生成的代码规模，个人感觉，最好控制在一个类甚至一个函数的级别，并且需要人工地过一眼生成的代码，必要时，还得配上测试代码，对其进行多次的单元测试和集成测试。记住：AI写代码，通常是“管杀不管埋”的，它从不背锅，背锅的只能是人。

5. 破防了，工程师抢着给 AI 当牛马，还说「真香」

6. 刚给一家公司作了咨询，他们的痛点是全面应用了AI编程，但并没觉得有什么效率提升，反而导致了各种问题。我找了几个开发人员简单聊了一下，听他们的操作的我笑了。这是古法思维在玩AI编程，那肯定要崩的。 AI编程在软件工程中应用的最大障碍是生成代码速度与代码质量控制的矛盾。简单说就是AI无论你说什么，他都能给你圆上，输出一堆似是而非，看上去一本正经，其实是胡说八道，糊弄式的生成内容。这在软件工程中是非常致命的。很多程序员本身能力不强，依赖AI生成代码，没能力对AI生成代码审核，跑通了就敢往上提交。到我去看的时候，他们的AI编程项目已经成了一座巨大的屎山，耗费了天量的token，生成了一堆垃圾。各程序员之间没有协同，AI按提示词模板各自发挥，可以说是整个团队在AI的幻觉中放飞了自我。以为花了大钱买了国际知名AI编程工具能让公司起飞，结果是一地鸡毛。他们也尝试改进过策略，挑了十几个精英为AI做code review，结果是AI生成飞快，CR慢如蜗牛，速度还不如传统古法编程了。老板都懵了，到底哪出问题了，不是说用了AI降维打击了吗？结果没打击竞争对手，先把自己给打击了。他们又反思了，觉得集中式CR确实还不如古法编程，开始搞提示词规范化，原来用AI放飞自我的团队开始用AI生成提示词，几个团队不对代码开始对提示词了。提示词生成多了还需要管理起来，还得给提示词分模块，搞了一个巨大的提示词库。用AI生成的提示词让AI进行编程，那效果别提有多酸爽了。我问他们，把严格的代码逻辑编程变成模糊的自然语言编程，有意思吗？几人语塞。老板问我怎么解决，我说花钱吧，花钱买我课程，哈哈。不要指望在自己是白痴的情况下AI能把你带飞，AI编程的强大之处在于强者杠杆的指数效应，也就是说越强的人用AI越强，普通人用AI仍然普通，甚至会造成负作用。现在AI编程用得好的公司都是短小精干，百十人，人均强者，自己审核自己的代码，知道怎么控制AI进行高效率高质量产出，知道怎么与同样频道的人协作。一句话，强大的AI需要强大的人类，宝刀还得配英雄。不提升自己仅想花钱买个工具就变强，纯属痴人说梦。我跟老板说，考虑开人吧，把所有能力平庸的程序员全部开除，然后用三倍五倍的价格，招聘原来十分之一的强人进来，你的团队效率马上质变，AI编程也就能落地了。没办法，这就是现实。

7. 朋友问我，有没有一种感觉：越用 AI 工具，越觉得作为程序员，自己要被替代。老实说，这种感觉或多或少是存在的。在过去，编程是一种很稀缺的技能。通常资历越老的程序员，能够解决的问题会越复杂，解决问题的速度也越快。但是今天，AI Coding 让程序员之间变得更加平权，大家都可以解决复杂问题，只要舍得花钱，速度也会非常快。那程序员是不是接下来要迎接一波下岗潮？我的判断是，这是必然的。对于那些没办法使用 AI Coding 来提升效能的程序员，肯定是要被淘汰的。但换个视角来看，对企业来说，企业的目标是交付价值。无论是古法编程的程序员，还是 AI Coding 的程序员，都是生产资料，在生产关系中是不可或缺的元素。程序员不会被全部干掉，他们一定会以一种更强、性价比更高的形式继续存在。 “程序员”的画像和技能结构会发生变化，岗位也会被重新定义。

8. 只用一个大模型审代码已经过时。现在，开三个Cursor窗口，分别用Gemini 3.0 Pro、Claude Opus 4.5和Codex 5.1 High Pro，分别审查代码库并生成详尽的Markdown报告。然后让每个模型阅读另外两个的报告，最后用Opus 4.5进行步骤化的统一重构。流程结束，代码质量显著提升。为什么不用单一最强的Codex 5.1？即使是“王者”也需要智囊团。不同模型视角互补，避免盲点，提升审查深度。过往“凭感觉写代码”的时代一去不复返，AI协作正成为软件进化的核心动力。虽然有人担心多模型审查会带来冲突和额外复杂度，实际操作中可以根据目标选用最适合的模型： - Opus 4.5：通用且擅长理解新代码库 - Gemini 3.0：前端和UI表现卓越 - Codex 5.1：后端逻辑推理无敌批判性的多模型交叉验证，相当于三位资深工程师各抒己见，最终汇聚成最佳方案。人类设计流程和决策策略，才是发挥这些AI最大效能的关键。这不仅仅是工具升级，更是开发范式的变革。未来，单模型“孤军奋战”将被多模型“团队协作”取代，代码审查和重构将更加严谨、高效、可靠。我们不再是“单兵作战”，而是运营一个由智能体组成的开发团队。原文：x.com/vasuman/status/1996414648594161923思考：在AI驱动的开发生态中，如何设计有效的“模型协作机制”，成为人类开发者新的核心竞争力。技术的进步让我们重新定义“代码质量保障”的边界，也让软件工程进入了“智能共创”时代。

9. 【IDE大对比】30天真实体验：Cursor vs Copilot vs Claude Code！开发者做了一个认真的实验——同一个功能（JWT认证系统），分别用Copilot、Cursor、Claude Code各完成一遍，记录时间、代码质量、bug数和"能否放心上线"。结果如下：1. 工具能力现状1）GitHub Copilot：最强在"Code你写过的东西"。JWT中间件、PR描述、代码review建议都瞬间出现，GitHub集成体验无敌。但缺陷明显——只看当前文件，不理解整个项目的context。上线到半路需要人工干预的频率高。2）Cursor：多文件context是杀手锏。测试中0 bugs found，边界case处理比Copilot好一个数量级。实测数据：同样功能，Cursor生成的代码需要修改次数最少，质量稳定。缺点是对"外层逻辑"（跨文件影响）理解还不够深。3）Claude Code：最"聪慧"，能理解你项目的全景图。调用工具、访问多个文件的能力强，代码风格一致性最好。但速度不如Cursor快，某些细节处理需要多轮对话。2. 如何选择？钱不是小事。这哥们之前同时付费3个（每月$60），后来做出决定：1）日常迭代：用Cursor（多文件context优势明显）2）架构设计/重构：用Claude Code（全局视野）3）快速修bug：用Copilot（反应快）但如果只能选一个，他的答案是：Cursor。理由是time-to-working-code最短，bug最少，减少心智负担。3. 决策链路？这不是"哪个工具最强"的问题，而是：1）你的项目多大？（文件多 → 需要Cursor的context）2）你有多少交接债？（遗留代码多 → 需要Claude的理解力）3）你的编程风格稳定吗？（不稳定 → 用Claude统一风格）Copilot有GitHub加持但context盲；Cursor快但理解浅；Claude Code深但慢。可以考虑组合使用（比如Cursor日常+Claude做重构）。虽然成本高，但显著减少了在工具限制面前的"卡壳时刻"。原文链接： dev.to/harsh2644/github-copilot-vs-cursor-vs-claude-i-used-all-3-for-30-days-heres-my-honest-winner-2f9g#HOW I AI# #程序员#

10. 35岁大厂程序员，AI能复现核心算法后，该如何构建“不可替代”的职业竞争力？ ?

11. 如何成为一个AI Agent 工程师？

12. 35岁大厂程序员，花了3周写的核心算法，AI用10分钟复现了更优版本，我10年的经验到底值多少钱？

13. 毕业后，我们会被AI取代吗？

14. Agent Infra到底是什么？【AI基建】

15. AI编程大战正式开打！ Claude vs GPT同一天放大招，不是比谁代码写得好，而是AI开始自己组队当项目经理了。#大咖观察 #红衣聊AI #编程 #ChatGPT

16. 在团队开发中，面对几十万行代码的新项目，快速理解全貌往往非常困难，光靠阅读文档和代码常常力不从心。Understand Anything 是个超强的Claude Code插件，能自动扫描项目，构建出涵盖每个文件、函数、类和依赖关系的交互式知识图谱，还配备可视化仪表盘，让你像浏览地图一样探索代码结构。GitHub：github.com/Lum1104/Understand-Anything主要亮点：- 利用多智能体流水线解析：项目扫描、文件分析、架构识别、导览生成、图谱验证，一气呵成；- 交互式知识图谱：可视化展示代码间依赖和调用，点击即可查看代码和纯英文简述；- 语义搜索和模糊搜索：支持按功能或名称查询，快速找到架构关键点；- 变更影响分析：提前知道代码变动会波及哪些模块，降低风险；- 分角色定制UI：针对初级开发、产品经理、资深开发者调整展示内容深浅；- 支持多平台：Claude Code、Codex、OpenCode、OpenClaw、Cursor全覆盖，无缝集成现有AI开发流程；- 生成入职导览：帮新人快速理清项目架构和关键代码路径。适合刚入团队的新开发，也适合产品和设计，甚至资深开发者用AI深度剖析项目，提升协作效率和代码理解。#智能开发# #代码知识图谱# #AI开发辅助#

17. 【软件工程师会最先把自己干掉吗】Dwarkesh在播客里提了个有意思的观点：软件工程可能是唯一一份AI能获得完整工作上下文的职业，因为代码库里什么都有。Dario似乎没能给出令人信服的解释，说明为什么自动化其他工作会同样容易。这就引出一个略带讽刺的可能：程序员可能是第一批把自己写失业的人，而其他人只是日常工作中无聊的部分被自动化了。但这个观点立刻遭到了大量反驳。代码库真的包含了全部上下文吗？实际上远远不够。生产系统依赖基础设施、用户行为模式、SLA、预算约束等大量外部信息。很多技术上完全正确的改动一上线就炸了，就是因为缺失了系统全貌。还有那些决定"为什么这样写"而不是"怎么写"的上下文：需求在Slack里临时改了，团队口头约定的规范，某个字段是从供应商那份名叫SOURCE_OF_TRUTH_Q4_v3的表格继承来的，而且必须是v3因为v2被实习生搞砸了。代码里有语法，但没有意图。更关键的区别可能不是上下文完整性，而是验证闭环。你运行代码，几秒钟内就知道对不对。医生没法"编译"一个诊断，律师没法对合同跑单元测试。软件之所以先被自动化，是因为反馈是即时的。那其他职业呢？有人指出，律师和会计的上下文理论上也可获取，AI能比任何人更快更深地检索全部案例法。销售工作如果把每通电话都录下来转成文字，配合邮件记录和公开数据，理论上也能复制一个初级销售的工作流程。区别在于知识的结构化程度。代码天然是结构化的、版本控制的、为机器解析而生的。而大多数工作的上下文散落在邮件、会议、Slack对话、不成文规则里，没有任何一样是机器可读的。这个差距会缩小，但需要时间。一个务实的视角是：AI不需要完美的上下文才能替代劳动力，只需要"足够"的上下文就能产生经济价值。而且每年都有更多工作流变得机器可读。与其想"哪些工作会被取代"，不如想"哪些工作流会被压缩"。压缩掉40%到60%的工作量，可能就足以重新定价整个职位了。另一个有意思的动态是：当各行业开始为AI建立技术文档时，员工会意识到自己正在为取代自己做准备。这种张力会如何演化，值得观察。延伸思考：Dwarkesh的论点优雅但脆弱。它把一个连续光谱上的问题二值化了——好像上下文要么"完整可得"要么"不可得"。现实是：每个职业都有一个上下文可编码性的光谱，软件工程确实在最有利的一端，但即便在这一端，代码库也远非"完整上下文"。真正让软件工程率先被自动化的，是上下文可编码性和验证闭环紧密度的双重优势。而对其他职业来说，瓶颈不在于"上下文能不能数字化"（当然能，给它时间），而在于验证闭环能不能被构建。你可以把所有法律文书数字化，但如果你无法在秒级验证一份合同的质量，AI就很难形成有效的自主工作循环。最终，这不是一个"软件工程师先失业还是后失业"的问题。这是一个关于每个职业中，哪些工作流同时满足"上下文可编码"和"结果可快速验证"这两个条件的问题。满足的部分会被迅速压缩，不满足的部分会顽强地留存——直到有人找到办法构建新的验证闭环，或者直到AI强大到不再需要验证闭环。后者才是真正值得担忧的时刻。但那已经是另一个层次的讨论了。x.com/buccocapital/status/2022782677523345670

18. 大家在使用AI编程时，更倾向于让AI一次次生成短小易读的代码，还是直接放手让AI写一大片？

19. AI时代，如何求生？解读《2028年全球智能危机》

20. 阿里新一代大语言模型Qwen3.6-Plus正式发布。较之上一代模型，千问3.6整体性能提升明显，尤其是编程Coding能力、智能体Agent能力和工具调用能力都实现了全面跃升，同时深度适配主流Agent框架，释放模型在开放环境中完成复杂任务的新潜力。

21. 大模型更像人的大脑，智能体是大模型的手和脚。 #大咖观察 #红衣聊AI #智能体 #大模型

22. 全球AI开发者新宠！阶跃星辰Step 3.5 Flash，两天登顶OpenRouter趋势榜

23. 在Opus 4.5发布后，我感受到从初级软件工程师（SDE1）到中级（SDE2）的跃迁。这段时间既充满乐趣，也高效产出，但同时也让我意识到，我们可能是最后一代真正意义上的软件工程师。这并非危言耸听，而是技术进步带来的必然。AI和大型语言模型（LLM）正在改变编码的本质——从机械式的代码敲击转向更抽象的“编程架构师”角色。我们不再是单纯写代码的人，而是引导机器、协调复杂系统的设计师。有人说，代码写作本身从未真正体现“工程师”的本质，更像是机械操作。如今，随着AI承担繁重的重复劳动，软件工程将回归其核心——系统思维和架构设计。未来的开发者，将更多聚焦于整体解决方案，而非具体实现细节。这既是告别时代，也是新机遇。我们是最后一代手写代码的工匠，但也是首批AI驱动工程师。如何驾驭这股浪潮，把握未来，是摆在我们面前的挑战。软件工程不会消失，只会进化为更高层次的智造。有人担忧AI还不够成熟，仍会卡壳，但它的发展速度惊人。前端、后台、自动化都在快速“烹熟”，未来几年内这场变革将更剧烈。我们必须适应、学习如何与AI协作，成为真正的“编程建筑师”。这场转变让人感到既激动又复杂：我们正在见证一个时代的谢幕，同时也是另一个时代的开端。对我而言，最重要的是保持好奇，持续学习，拥抱变化，因为软件工程的未来正由我们这一代人铺路。原文：x.com/vikhyatk/status/1994358958870413598

24. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

25. MiniMax M2.7+OpenClaw实战！AI到底能接管多少工作？

26. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

27. 回复@_imlh:第一版不需要写测试，重点是跑通主要流程//@_imlh:既然第一版代码是乱飞的，那可测试性应该很低？那如何编写可靠的测试？//@宝玉xp:重构代码这事，最佳实践是先写自动化测试，先保证自动化测试覆盖，然后再去替换模块代码，确保替换后测试还能通过，这样重构后系统还是相对稳定的。AI 正适合写自动化测试，另外对于用 AI Agent 写代码，有了自动化测试，也更容易验证生成结果的好坏，能提升效率，至于工具，主流的 Coding Agent 工具

28. Gemini3.0 的前端代码生成，都说好用哭了。而我用他分析嵌入式键盘项目的代码，生成 API 文档。。。对于人而言，嵌入式代码更基础，更晦涩难懂，更少框架。但是，一样看的清清楚楚明明白白。。。太强了。。。 AM 不会释放任何 coder 职位的 hc 了。。。说实话，作为一个前程序员， AI 在代码方面的能力。。。我的评价是。。。可怕。。。人类的努力毫无意义。

29. Anthropic官方报告：8大趋势说透AI编程未来，60%代码AI写的，老金实测项目带你看！

30. 轻松学会！高手都在用的AI编程大法！

31. AI圈昨晚炸了！Claude Code内部不慎操作，导致源码泄露，整整51万行代码、1900多个文件，全部意外公开，而这件事背后更重要的是：让所有人第一次看清楚，下一代AI软件到底长什么样。#大有学问 #红衣聊AI #代码 #网络安全 #Claudecode

32. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

33. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

34. AI原生电商出现，Agent帮你从建站到运营

35. 在AI浪潮下，就业岗位数量正经历结构性重塑，呈现出明显的此消彼长。数据显示，2025年，全行业AI新发岗位量同比增长超10倍，其中“前沿部署工程师”岗位激增超过800%。不过部分执行类白领岗位需求显著下降，如电脑绘图艺术家（-33%）、作家（-28%）等。显然易被取代的工作多涉及大量重复性或标准化任务，如部分翻译、文书处理等。因AI诞生的新岗位则集中在机器学习工程师、AI应用开发等前沿领域。总体而言，AI并未大规模消灭岗位，而是改变了工作内容。未来的核心竞争力将转向与AI互补的批判性思维、复杂问题解决和创造力等“人性特质”，从业者需从执行任务转向更多需要人类判断和情感互动的价值创造工作。#AI让就业变多还是减少#

36. 现在互联网公司的大模型岗位，或者算法工程师岗位，一般的工作内容是什么？

37. AI编程会替代程序员吗?

38. 当有人说“编程已死” 我更愿意说一句：死的是“打字员式编程”，活下来的是“定义价值的编程”。#大咖观察 #红衣聊AI #openclaw #ChatGPT#编程

39. 硅谷巨头正疯抢高中生，斯坦福开设vibe coding课，清华AI博士甚至建议从幼儿园学起？AI海啸下，人才底层逻辑彻底变了，未来最值钱的不再是代码，而是你的“Vibe”#ai #vibecoding #秒哒 #硅谷 #AI时代学什么

40. 今年10个最容易被裁员的岗位，腾讯终于出手了！openclaw龙虾的威力有多大日本大裁员

41. DeepSeek V4 网页端《原神×我的世界》融合小游戏代码测试：拳打 ChatGPT，脚踢 Gemini，硬刚 Claude

42. AI编程会替代程序员吗?

43. 有人说用“vibe coding”（凭感觉用AI写代码）能直接做出上线的生产级应用，这是不现实的。生产环境的软件必然复杂，需要大量代码的编写和维护，单靠写prompt根本撑不起。AI确实能帮你快速生成代码片段，甚至能做一些简单小工具、小项目，或者快速搭建原型，提升开发效率。但当涉及到真正的生产级应用，边界条件、集成、安全、性能和稳定性等问题，都需要工程师的严谨设计、测试和持续维护。那些说“vibe coding”能做出SAP、Salesforce这样的大型系统，显然是夸张了。相反，经验丰富的工程师利用AI辅助，能快速完成70%-80%的代码工作，但他们依然需要深入理解业务、规范开发流程、严格测试和持续重构。成功案例确实存在，比如一些小型APP或合规项目用AI辅助开发并上线，但这更多是建立在开发者本身具备扎实的基础和工程能力上。完全靠AI和prompt从零开始，几乎不可能保证产品质量和稳定性。AI是加速器，不是替代品。真正的生产级软件开发，离不开架构设计、代码审查、测试覆盖和持续迭代。那些只靠prompt写代码，却指望一劳永逸的人，注定会碰壁。生产级代码的核心，是对复杂性的掌控，而不是对AI的盲目信任。AI帮你写代码，工程师帮你撑起整个系统。原文：x.com/svpino/status/1993672597792518177

44. 一位中国AI创业者，一行代码都没写，却靠着AI智能体，冲进了OpenClaw全球贡献者前30，而且排在他前后的，是一批干了十几年的硅谷顶级工程师。#大有学问 #红衣聊AI #创业 #智能体

45. 2025年被科技界提及最多的词—Agent！大家都把它视为下一个风口。那究竟什么是Agent？Agent到底能做些什么？这期视频，带大家看看理想同学Agent又能带给我们的生活哪些改变？ #理想i8# 骆智慧的微博视频抽奖详情

46. 抖音前沿科技30X30｜采访AI超级个体 Gemini 3发布后，这5个开发者给自己的人生装上了外挂。 27年程序员老兵：用AI写出多部长篇小说，一边敲代码一边圆武侠梦；硬核奶爸：手搓本地AI操作系统，把私教装进孩子口袋； AI安全研究员：把AI变成科研副驾，打破思维墙；有效加速主义者：打造AI全自动分身，让AI替自己看新闻处理琐事；全栈讲师：降低新手学习门槛，把技术文档自动变成PPT；本期视频，产品君连线5位GDE谷歌开发者专家，带你拆解AI时代的超级个体，听听他们给普通人的真诚建议。 #前沿科技趋势发布月 #抖音知识年终大赏 #AI新星计划 #AI #Google

47. Qwen3.6-Plus 太猛了！免费+百万上下文+Agent，多模态能力直接拉满！| 零度解说

48. #雷军说未来每周或仅需工作3天#雷总还是挺乐观的，不过我最近的观察，反而是全网的AI焦虑正好推出Openclaw 的公司—— Anthropic 发了份报告，来说明 AI 对就业市场的影响。几个核心结论：➡️不是突然冲击，是慢慢渗透报告说AI对就业的影响更像"温水煮青蛙"，不是COVID那种断崖式，而是持续10年的慢性变化。➡️没大规模裁员，但招聘缩了22-25岁年轻人入职率降了14%（图2），老员工失业率暂时没涨。企业不裁人，但新人进门难了➡️最危险三岗位：程序员、客服、数据录写报告用“暴露程度”来表示可替代性（图3），程序员高达75%，客服70%，数据录写员67%，程序员大部分工作内容可被AI替代有意思的是，收入越高、学历越高反而越危险。厨师、救生员、洗碗工这些体力活暂时安全。所以是越接近物理世界，越难被取代。蓝领和线下跟人打交道的工作，面对AI的冲击，还是有护城河的。感兴趣可以看看这篇报告网页链接#霸天资讯##openclaw#

49. 亲手给“继任者”铺路？#大厂员工们正在帮AI取代自己# 数据标注师构建的样本库，让AI识别准确率突破95%；程序员反馈的AI编程bug，让工具越来越好用。可亚马逊CEO早就明说“AI会缩减员工规模”，国内大厂也在AI投入超千亿的同时裁员10%-25%。这种“被迫赋能AI”的工作模式，你能接受吗？#AI职场冲击##程序员#

50. AI 会“写代码”，但它不会“做软件” 作者：Matias Heikkilä你有没有发现，最近有相当多的人在到处寻找技术合伙人或者 CTO？反正我吧，收到了多得惊人的这类咨询；他们的话术大同小异：“嘿，我这儿有个‘凭感觉编程 (Vibe Coding)’搞出来的 App，你愿意帮我把它做成‘生产就绪’（也就是能正式上线、稳定运行）的版本吗？”我大概能给这些人画个像。想象一下：他们非常懂自己的业务，但一直以来都缺乏技术能力，没法把好点子变成现实——他们可能是个法律顾问，或者客户经理。这些人干嘛要找我呢？我也琢磨了一下，我觉得这释放了一个重要信号：到底有什么事是他们靠生成式 AI (GenAI) 没法独立完成的？这不正是现在人人都想搞明白的问题吗？大家都想知道这些模型的能力边界。或者，说得再直白点：大家都想知道哪些工作很快要被淘汰了。我收到这些求助，这个事实本身就说明了“软件工程”这个行业的一些问题。我的意思是，如果软件工程真的已经被 AI 自动化了，那根本不会有人来找技术合伙人。嗯，我想我明白为什么我们会收到这些请求了。关键在于：AI 会写代码，但它不会构建软件。这是我在花了大量时间用 AI 辅助编程、并且看了无数别人的演示之后，得出的结论。圈内有句老话：写代码容易，软件工程难。现在看来，说大语言模型 (LLM) 已经能自动化“大量写代码”的工作，这挺公允的。像 GPT-5 这样的模型（这里作者指代的是未来更强的模型），在解决那些定义清晰、孤立的小问题时，成功率相当高。但是，“写代码”本身并不是大多数程序员拿工资的真正原因。构建一个能正式上线的 App，那不叫“写代码”，那叫“软件工程”。在我看来，当你试图把一个“演示版 (demo)”变成一个“真正的产品”时，“写代码”就升级成了“软件工程”——而这，恰恰就是前面提到的那些人带着他们的项目来找你的时候。我其实也不太清楚为什么 AI 至少目前还无法“构建软件”。也许这和工作的本质有关。当你以写软件为生时，你的核心任务是处理“复杂性”。一个普通的线上产品，它做的可能只是一堆简单的事情。真正的挑战是，如何让“成百上千件”简单的事情同时不出错地运行，并且让整个系统保持“可维护性”。换到我们今天讨论的 AI 话题下，这句话可以这么说：演示一个“功能”是一回事；而用一种支持“集成、扩展和长期可维护性”的方式来“构建”这个功能，则完全是另一回事，难度天差地别。当你点开那些人发来的代码时，你会发现，所谓的“让 App 生产就绪”，真正的意思其实是“把这些代码全删了，从头重写”。我觉得，这非常清楚地说明了我们在 AI 发展上目前所处的阶段。来源网页链接

51. 真正的核心竞争力，来自于驾驭工具。 #大咖观察 #红衣聊AI #编程 #人工智能技术

52. 全球每天600+程序员失业，这个锅该AI来背吗？

53. 华为AI开发三大颠覆性突破：代码生成、自动测试、Bug修复全搞定！码农福音还是大锤？华为云码道（CodeArts) 代码智能体公测版今日发布，集代码大模型、IDE、自主开发模式为一体，覆盖代码生成、研发知识问答、单元测试用例生成、专家技能Skills、Codebase代码库索引、规范驱动开发等AI Coding技术，同时接入开源模型GLM-5.0、DeepSeek-V3.2以及华为自研模型，并提供鸿蒙的专属模型。鸿蒙专属模型，纯血鸿蒙应用开发简单，后续鸿蒙APP将爆发，各种鸿蒙APP会填补缺口。对一些公司来说是个机会窗。

54. #AI会最先替代哪些岗位#智能客服秒接咨询，工业机械臂精准拧螺丝，AI的替代浪潮已率先拍向规则明确、重复度高的岗位。这些岗位的核心任务可被算法拆解，效率与精度远超人工，成为AI渗透的“首站”。#人工智能##AI创造营# 凯文思考的微博视频

55. 2026 AI Coding 下半场：不拼参数，拼谁能让开发者“戒不掉”

56. 【告别“码农”时代？马斯克预言“就在年底”，国产大模型春节竞速AI编程】《科创板日报》2月15日讯 “到今年年底，我们甚至不再需要编程。”日前，马斯克在一段发布的视频中如是说，AI将直接编写二进制代码，且AI生成的二进制代码将比任何编译器生成的都要高效。他预测，随着AI技术的持续发展，人类对编程语言的依赖将会逐渐减弱。AI 系统可能自行完成从需求到可执行程序的整个工作流程，因此，编程将作为过时的中间步骤被时代抛弃，这将显著缩短“从提出创意到执行落地”的距离。未来，编程这种职业或将不复存在。虽说马斯克这番话引发了业内不少争议，毕竟更多人更倾向于将AI看作“辅助”而不是“取代者”，但这番言论无疑为本就火热的AI编程赛道又添了一把火。无独有偶，近几日国产AI的“春节档”上新潮中，不少都瞄准了AI编程。

57. 72小时实测GitHub Copilot和Cursor，AI编码神器选对不踩坑

58. GitHub Copilot 入门篇

59. 代码生成不再是梦 GitHub Copilot 在测试开发脚本编写中的极效应用

60. 005-GitHub Copilot产品评测 | GitHub Copilot Review

61. "AI 辅助编程实战

62. 《AI代码革命2026

63. 2026.3.12 行业观察 AI编程助手进入"无代码"时代

64. AI编程助手实测

65. AI编程工具用了一年，说说真实感受

66. 当Cursor Token耗尽后，我探索了Google AI Studio和通义灵码

67. 9款国产/热门 AI 编程助手横评 + 如何挑选

68. 国产 AI 编程工具横评

69. 当AI审查“先入为主”

70. GitHub一巡！解决LLM编码陷阱，四大核心原则提升代码质量与开发效率

71. Claude+Codex同时干活？多LLM协作实测

72. 4.9-3|软件工程与代码质量自动化

73. 代码质量新榜单

74. 代码审计代码桥

75. 静态分析工具作为LLM生成代码安全性评估标准的可靠性审视

76. LLM 写的代码为什么总是”看似合理”但不是”正确”？

77. 大模型写真实代码，正确率仅三成？

78. LLM 写代码不行？也许该怪的不是模型！改一个变量 16 个模型集体飙升

79. 2025软件研发应用大模型，国内现状调研报告

80. LLM测试的成本效益分析实战

81. FSE'25| 论数据质量在单元测试生成中的重要性

82. AI单元测试生成

83. 百度CTO王海峰解读文心大模型5.0核心技术和能力效果

84. AI 生成代码的可靠性边界与校验思路

85. AI Code 工具对比

86. 人工智能能写代码吗？编程 AI 的能力边界

87. 多智能体写代码，越拆越乱？这篇论文揭开了AI代码生成的规范鸿沟

88. 我用 OpenCode 做代码重构

89. Devin 2.0深度测评

90. GPT-5推理质变 | 智能体爆发 | 编程迎来「硅基同事」时代 🤖

91. 漫话智能体

92. 图解智能体，第12章　编程 Agent 与 AI 开发助手

93. 大厂都在研究的“智能体（Agent）”，到底能不能取代程序员？

94. AI能取代程序员吗？2026年深度分析程序员的未来在哪里

95. ai时代下程序员变化与替代的深度分析

96. AI浪潮下的程序员

97. AI会取代程序员吗？2026年真实数据分析报告

98. AI编程会让程序员失业吗

99. 程序员被AI替代还有多远？

100. AI正在重塑开发者角色

101. 当2026成为“AI元年”，开发者究竟该如何自处与破局？

102. AI时代，代码还在，写代码的人去哪了？

103. 2025人工智能职场报告

104. 中国信通院发布《智能化软件工程行业现状调查报告（2026年）》，深度洞察现状与趋势

105. AI能否替代一名工程师

106. AI重构职业版图，核心竞争力在于温度与创造力

107. 工程师AI时代生存指南

108. AI时代生存指南

109. AI时代职业技能重塑

110. AI改变或替代人类工作

111. 【中文配音】AI对开发者

112. 我的岗位曾被预警“高危”，我如何用AI工具提升不可替代性

113. AI时代，你的不可替代性在哪里？

114. AI能做“架构设计”了，系统架构能力还更重要吗？

115. AI来了，架构师却更难了？揭秘技术浪潮下的稀缺真相

116. 在 AI 自主编码时代，架构师的核心价值是什么？

117. 系统性思考能力的重要性#VibeCoding进阶

118. 最强AI也搞不定长期开发

119. 大厂P9

120. 技术架构师在AI时代该做什么

121. AI写代码，未来为什么人人都必须是系统架构师？哪类IT人员才是幸存者？

122. 超越工具熟练度

123. 架构 | AI 只是工具，架构才是灵魂

124. 当智能体参与工作

125. AI 大模型能力全景图 · 人机效能对比报告（ 25+ 个行业与职能领域）

126. 智能体协作时代

127. 从47%到75%

128. 2026年劳动力趋势预测

129. 数字员工人机协同

130. 【财富空间】警报已拉响：AI“斩杀”75%编程任务，年轻人正被挡在职场门外

131. 开发者称AI编程工具确实有效，但这正是他们担忧的原因

132. 2030就业预警：93%的工作被AI重塑，AI就业冲击下的“哑铃型”社会：要么做指挥官，要么被替代

133. LLM的是否有能力边界？--LLM的基础限制（一）

134. AI正在干掉这些岗位：不是危言耸听，已经开始了

135. 70%程序员被AI取代？2026裁员真相

136. 逻辑写到秃头？传统产品经理若不进化为AI产品架构师，将失去核心决策权

137. 2026年不拼学历，如何从零转型AI工程师

138. “AI+人类”能力构建：2025年职场不可替代性核心逻辑与实证研究

139. 程序员这个职业，没多少时间了

140. 灵码双阶段架构揭秘：代码生成速度提升10倍！

141. 智谱发布GLM-5V-Turbo多模态视觉理解模型，以94.8分超越竞争对手，AI编程进入"视觉原生"时代

142. 代码自动补全与代码生成的区别与联系

143. AI 智能体（AI Agent）的开发

144. Solving a Million-step LLM Task with Zero Errors

145. 【开源】Ghost-OS 是一个实验性的 AI Agent 操作系统框架，核心理念是让智能体通过代码与环境交互。系统将工具调用、思考过程、记忆管理和任务规划全部抽象为可执行代码，使 Agent 不仅能调用能力，还能持续生成新工具并扩展自身功能。通过这种方式，AI Agent 可以像开发者一样构建项目并不断进化。特点 • Agent-as-Code 架构：智能体能力以代码形式定义和执行 • MOSS 协议接口：统一 Agent 与工具之间的编程协议 • 多 Agent 协作：支持事件总线与异步 Agent 网络 • 项目化 Agent 管理：智能体能力可以像代码仓库一样共享 • 内置 Agent 能力库：包含规划、记忆、知识管理等组件 • LLM 集成：支持 OpenAI 等模型并构建自动化工作流库名 ghostwright/ghost-os

146. 智谱 GLM-5V-Turbo 发布：AI 编程进入 “视觉原生” 时代，一张设计稿秒变代码！

147. LLM的基础限制（九）：检索失效

148. AI辅助研发全流程：代码审查+任务生成高效技巧

149. AI 团队协作的里程碑：多角色 Agent 共同研发

150. 【明日生存课】厘清责任边界：在“人为主”与“AI为主”之间划出警戒线

151. 同一需求 5 款 AI 代码生成工具实测！大家都在避的坑，你中招了吗？

152. GitHub Copilot X实测：AI编程助手全面升级

153. BIRD-INTERACT：动态交互驱动的LLM文本到SQL评估基准，支持全CRUD操作，GPT-5成功率不足17%（已开源）

154. AI Coding工具培训报告

155. LLM的是否有能力边界？--LLM的基础限制（四）

156. 对标CODEX！阿里放出AI编程大杀器，我一下午搞出个小应用！

157. 智能体AI Agent详解

158. Agent智能体教程全流程教程！ - 哔哩哔哩

159. 马上2026年了，copilot还能用吗？

160. 2026AI职业替代真相：翻译客服程序员数据解读与三条保命策略

161. 技术好文分享003：《大厂P9：为什么大部分程序员成不了架构师？》

162. RAG 系列（四）：生成侧优化——模型、Prompt 与 Agentic Workflow

163. 用λ演算驯服LLM的递归：8B小模型干到70B的表现

164. 智谱AI发布GLM-5V-Turbo，多模态编程能力进一步完善

165. Cursor 3发布:AI编程进入多Agent协作时代从"人机协作"到"智能体自主工作"的范式跃迁

166. Agentic AI 职业冲击报告，软件工程师风险比法官还低

167. AI时代职场|这一轮AI热，带来了哪些职位增长

168. 93%的人在用AI，为什么生产力只提升了10%——两个被严重低估的杠杆

169. VS Code使用 GitHub Copilot 高效重构代码：10 大实战技巧 + 自定义指令封装指南

170. 2026全球劳动力市场洞察报告：AI岗位激增70%，揭示人机协作新未来

171. 多模态大模型LLM与AIGC前沿技术实战，基于训练数据和生成算法模型

172. AI 时代的职场系数：2025年底各岗位 AI 能力系数全景报告

173. 智能体开发-自进化流派。动机当前大语言模型（LLM）智能体的强化学习训练严重依赖人类标注数据（如RLHF或RLVR），不仅成本高昂、难以扩展，还将其能力上限绑定在人类知识边界之内。虽有若干自进化（self-evolution）方法尝试摆脱人类数据，但普遍存在两大瓶颈：一是任务生成受限于模型自身固有知识，难以超越当前能力前沿；二是交互模式多为单轮，无法支持工具调用、多步推理等复杂课程构建，导致训练陷入停滞。方法与创新本文提出 Agent0——一个完全无需外部数据、从零开始自进化的智能体协同演化框架。Agent0引入两个功能互补的智能体：课程智能体（Curriculum Agent）负责生成对当前执行者具有前沿挑战性的任务，执行智能体（Executor Agent）则通过工具增强（如代码解释器）求解这些任务。二者通过共生竞争机制进行多轮协同演化课程智能体使用 GRPO（Group Relative Policy Optimization）进行 RL 训练，以执行智能体的不确定性（self-consistency ≈ 0.5）和工具调用频率作为奖励信号，持续生成“前沿难度”任务；执行智能体则通过作者新提出的 ADPO（Ambiguity-Dynamic Policy Optimization）算法进行 RL 训练，该方法针对自生成伪标签中的模糊性与噪声，引入优势缩放与动态裁剪机制。此外，框架集成代码解释器工具，并支持多轮上下文交互，使任务更具现实复杂性，形成“工具增强→任务升级→能力提升”的正反馈循环实验结果在Qwen3-8B-Base模型上，Agent0在数学推理任务上平均提升18%，在通用推理任务上提升24%，显著超越现有无数据自进化方法。具体而言，Agent0在MATH、AIME25、Olympiad等高难度数学基准上全面领先，甚至优于依赖外部API的Socratic-Zero。与最强无工具方法R-Zero相比，Agent0提升达6.4%；与使用工具但仅用于验证的Absolute Zero相比，提升达10.6%。更令人印象深刻的是，Agent0生成的任务难度随迭代稳步上升（执行者在早期模型下的通过率从64%降至51%），同时平均工具调用次数持续增加，验证了协同进化机制确实有效驱动了能力跃升 #智能体 #AI #知识前沿派对 #大模型 #Agent

174. VS Code使用 Copilot 重构代码：10实战技巧 + 自定义指令封装指南

175. GitHub超17K+星：让你的LLM应用从看起来行进化到生产级可靠

176. AI 辅助代码重构实例

177. 太湖云AI协同开发平台：探索协同开发新路径

178. 用"代码重构"当照妖镜：Codex、Claude Code、Kimi Code 深度横评

179. ICSE'26|从代码生成到代码正确

180. 如果现在要开发一个“AI 代码生成平台”，你觉得前端工程师需要具备、并承担哪些能力 / 工作？比如流式对话、SSE、上下文规划、长列表性能、多模态输入输出等？

181. 别再用GPT写代码了！通义灵码这个AI程序员让开发效率飙升的秘密

182. Deepseek分析:35岁程序员三周写的核心算法Ai十分钟复现更优版本

183. AI引发失业潮？Gartner揭示：2028年起岗位创造将超过替代

184. wen3.6-Plus重磅发布，编程与智能体能力全面提升！

185. 智能体工作流核心：Agent vs 传统编程 vs Workflow 的本质区别

186. 2026年JS开发者：是创造者还是AI的“代码搬运工”？

187. 国产AI编程工具崛起：Trae vs 通义灵码

188. 大多数开发者不信任 AI 生成的代码，但即便如此，他们也往往不会去检查——Sonar 的一项开发者调查发现，AI 工具的采用造成了验证瓶颈

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！