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

AI编程工具不会取代程序员，但会淘汰不用AI的开发者

源自195位全网作者

05-03 09:46

精选参考来源

提示词工程、上下文工程都过时了，现在是 Harness Engineering 的时代

OpenAI 如何打造AI原生工程团队的最佳实践《Building an AI-native engineering team》，归纳如下。文档介绍了团队应该如何真正把 AI 智能体嵌入工程体系，从计划、设计、开发、测试到上线运维形成闭环，加速整个 SDLC（软件开发生命周期）。1. 规划（Plan）规划往往需要大量代码语境理解，过去必须依赖资深工程师反复澄清。文档强调可以先让智能体读取需求、遍历代码库、标记模糊点、拆分工作项，把早期对齐成本显著降低。团队应该做的是专注决策、风险判断与优先级。因此，智能体不止是“辅助写代码”，而是可以提前介入需求—代码映射，用它来减少来回沟通。2. 设计（Design)设计通常被大量样板工作拖慢，例如项目结构初始化、组件框架搭建、样式规范套入。文档强调应让代理完成“从设计 → 组件 → 代码”的流水线式生成，再由工程师审阅架构一致性和 UX 合理性。设计阶段不是用 AI 画原型，而是让智能体直接产出“可运行验证的版本”，显著减少返工。3. 构建（Build）这是 AI 代理提升最明显的阶段。文档给出的最佳姿势，是让智能体负责端到端的初稿实现，包括模型、API、UI、测试和文档，工程师则把精力转向性能、架构、长期可维护性。构建阶段应把 AI 视为“第一实施者”。工程师不再负责逐行写，而负责判断生成方案是否符合系统演进方向。4. 测试（Test）随着智能体承担更多实施工作，测试反而成为工程师控制质量的主轴。最佳实践是让智能体生成测试用例、补全边界场景，并在代码变更后更新测试。不要只让智能体写代码，要让它写测试、跑测试、基于失败结果迭代；测试越强，智能体越可靠。5. 代码审查（Review）智能体可以持续、稳定地进行第一遍代码审查，尤其擅长发现逻辑漏洞、竞态、错误的数据库访问方式等。工程师则聚焦架构一致性与复杂变更的判断。AI 审查不是为了“更快合并”，而是为了“减少重大缺陷进入主干分支”。工程师的关注点应从细节检查转为整体正确性。6. 文档与知识沉淀（Document）智能体非常擅长根据代码生成结构化说明、依赖图和变化总结。最佳做法是把文档维护接入流水线，例如在发布流程中让智能体自动产出变更摘要，并由工程师确认关键部分。把文档写作视为“可自动化的持续任务”，而不是阶段性集中补齐。7. 部署与运维（Deploy & Maintain）让智能体读取日志、Trace、部署记录，再结合代码自动定位可能问题，并给出可行修复。工程师负责判断、确认和实施关键决策。在运维中使用智能体的关键不是预测故障，而是让其整合多源上下文，减少人工排查时间。重点：团队角色的重定义文档贯穿始终的主题是三个动词：Delegate、Review、Own。1 工程师应把重复性、结构化的工作交给智能体。2 工程师需要对智能体产出进行审阅，但专注关键决策点。3 工程师必须对系统的长期演进负责，对所有上线内容最终背书。AI-native 团队不是“工程师被取代”，而是“工程师从执行者变成决策者与架构塑造者”。#微博兴趣创作计划##人工智能#

全部
来源

内容由AI生成

1. 提示词工程、上下文工程都过时了，现在是 Harness Engineering 的时代

2. OpenAI 如何打造AI原生工程团队的最佳实践《Building an AI-native engineering team》，归纳如下。文档介绍了团队应该如何真正把 AI 智能体嵌入工程体系，从计划、设计、开发、测试到上线运维形成闭环，加速整个 SDLC（软件开发生命周期）。1. 规划（Plan）规划往往需要大量代码语境理解，过去必须依赖资深工程师反复澄清。文档强调可以先让智能体读取需求、遍历代码库、标记模糊点、拆分工作项，把早期对齐成本显著降低。团队应该做的是专注决策、风险判断与优先级。因此，智能体不止是“辅助写代码”，而是可以提前介入需求—代码映射，用它来减少来回沟通。2. 设计（Design)设计通常被大量样板工作拖慢，例如项目结构初始化、组件框架搭建、样式规范套入。文档强调应让代理完成“从设计 → 组件 → 代码”的流水线式生成，再由工程师审阅架构一致性和 UX 合理性。设计阶段不是用 AI 画原型，而是让智能体直接产出“可运行验证的版本”，显著减少返工。3. 构建（Build）这是 AI 代理提升最明显的阶段。文档给出的最佳姿势，是让智能体负责端到端的初稿实现，包括模型、API、UI、测试和文档，工程师则把精力转向性能、架构、长期可维护性。构建阶段应把 AI 视为“第一实施者”。工程师不再负责逐行写，而负责判断生成方案是否符合系统演进方向。4. 测试（Test）随着智能体承担更多实施工作，测试反而成为工程师控制质量的主轴。最佳实践是让智能体生成测试用例、补全边界场景，并在代码变更后更新测试。不要只让智能体写代码，要让它写测试、跑测试、基于失败结果迭代；测试越强，智能体越可靠。5. 代码审查（Review）智能体可以持续、稳定地进行第一遍代码审查，尤其擅长发现逻辑漏洞、竞态、错误的数据库访问方式等。工程师则聚焦架构一致性与复杂变更的判断。AI 审查不是为了“更快合并”，而是为了“减少重大缺陷进入主干分支”。工程师的关注点应从细节检查转为整体正确性。6. 文档与知识沉淀（Document）智能体非常擅长根据代码生成结构化说明、依赖图和变化总结。最佳做法是把文档维护接入流水线，例如在发布流程中让智能体自动产出变更摘要，并由工程师确认关键部分。把文档写作视为“可自动化的持续任务”，而不是阶段性集中补齐。7. 部署与运维（Deploy & Maintain）让智能体读取日志、Trace、部署记录，再结合代码自动定位可能问题，并给出可行修复。工程师负责判断、确认和实施关键决策。在运维中使用智能体的关键不是预测故障，而是让其整合多源上下文，减少人工排查时间。重点：团队角色的重定义文档贯穿始终的主题是三个动词：Delegate、Review、Own。1 工程师应把重复性、结构化的工作交给智能体。2 工程师需要对智能体产出进行审阅，但专注关键决策点。3 工程师必须对系统的长期演进负责，对所有上线内容最终背书。AI-native 团队不是“工程师被取代”，而是“工程师从执行者变成决策者与架构塑造者”。#微博兴趣创作计划##人工智能#

3. 读懂Antropic这篇Blog “How AI is transforming work at Anthropic”AI如何颠覆工程师自己？为了搞清楚这个问题，Anthropic将研究的镜头对准了自己。在2025年8月，他们对内部132名工程师和研究员进行了一项调查研究，深入探究AI对软件开发工作带来的真实影响。这项研究的独特之处在于，它记录了AI的创造者们——一群最早、最深度使用前沿AI工具（在当时为Claude Sonnet 4和Claude Opus 4）的专业人士——如何亲身体验并反思这项技术对自身工作的颠覆。1. 生产力飙升，更开启了“本不会做”的全新工作研究数据显示，AI带来了惊人的效率提升。Anthropic的员工自我报告称，他们使用公司自家的AI模型Claude完成了大约60%工作，提升了50%的工作效率，这一数字在短短一年内实现了2-3倍的惊人增长。然而，效率提升并非仅仅意味着用更少的时间完成同样的工作，更重要的是，它释放了宝贵的时间和精力，让工程师能够投入到以前被忽视的全新工作中。研究发现，有27%由Claude辅助完成的工作，是“若没有AI就不会去做”的额外工作。这些工作包括：1）修复改善生活质量的“小问题”（papercuts）：例如重构不规范的代码。内部数据显示，这类工作占到了Claude使用任务的8.6%。2）构建“锦上添花”的工具：如创建交互式数据仪表盘。3）扩展项目规模（scaling projects）：将之前因人力限制而无法扩展的项目付诸实施。4）处理有用但繁琐的工作：例如编写文档和测试。5）进行探索性工作：开展在过去因成本过高而无法进行的创新尝试。AI不仅让工作变得更快，更拓宽了工作的边界和可能性。正如一位研究员所言：人们倾向于将强大的模型看作单一实例，就像得到一辆更快的车。但拥有百万匹马力……能让你测试大量不同的想法……当你拥有了这种额外的探索广度时，工作会变得更令人兴奋，也更具创造力。2. 人人都在“全栈化”，但专业深度面临萎缩风险AI正在让工程师的能力边界变得模糊，使其更“全栈化”。例如，后端工程师现在可以借助AI构建复杂的用户界面，而安全团队则能用它来快速分析他们并不熟悉的代码库。但这种能力的拓宽也带来了另一面的担忧：核心专业技能的萎缩。研究指出，工程师们通过手动解决复杂问题所获得的“附带学习”（collateral learning）正在减少。当AI能直接给出答案时，那种为了解决一个问题而深入阅读文档、理解整个系统运行模式的过程就被跳过了，这可能导致对系统性知识的掌握变浅。一位资深工程师表达了这种担忧：如果你亲自去调试一个难题，你会花时间阅读那些与解决问题没有直接关系的文档和代码——但在这整个过程中，你正在构建一个关于系统如何工作的心理模型。现在这种情况少了很多，因为Claude能立刻带你找到问题所在。这就引出了一个“监管的悖论”（paradox of supervision）：要有效监督AI的产出，你需要深厚的专业知识；但过度依赖AI，又可能导致这些赖以监督的知识逐渐退化。这种担忧并非空穴来风，数据显示AI已在处理更复杂的任务且需要更少的人类干预：内部指标显示，在短短六个月内，委托给Claude的任务平均复杂度从3.2上升到3.8（5分制），而每项任务所需的人工干预次数则下降了33%。这种“监管的悖论”直接影响了工程师们在工作中为AI设定的信任边界和委托策略。3. 从“代码工匠”到“AI管理者”，工作内涵正在重塑AI的普及正在深刻改变软件工程师的角色定位和工作意义。研究揭示了两种截然不同的心态。一方面，一些工程师怀念过去那种作为“代码工匠”的乐趣，他们享受“进入心流状态”、亲手编写和打磨代码所带来的满足感。对他们而言，过度依赖AI意味着一种专业乐趣的丧失。另一方面，也有工程师更关注最终的产出，并乐于将自己从繁琐的编码工作中解放出来，从而进行更高层次的思考和设计。正如一位工程师所说：我曾以为我真的很享受编写代码，后来才发现，我真正享受的是编写代码所带来的成果。这种转变预示着一个新的角色定位正在形成：工程师的角色正从“代码的编写者”转变为“AI系统的管理者”。他们的核心工作变成了对AI代理进行指导、审查其产出，并为最终结果负责。这一角色转变也反映在实际使用数据中：在六个月内，使用Claude进行高级别任务（如代码设计和规划）的比例从1.0%飙升至9.9%，而用于实现新功能的比例也从14.3%大幅增长到36.9%。4. AI成为新同事，办公室社交悄然改变当遇到问题时，向谁求助？研究发现，Claude已经成为工程师们寻求帮助的“第一站”，取代了过去向同事请教的习惯。这种变化带来了双重影响。一方面，它减少了对同事的打扰，让每个人都能更专注地工作。另一方面，它也可能减少了同事之间宝贵的协作、知识分享和指导机会，改变了传统的办公室社交动态。一位资深工程师的观察凸显了这种变化对“导师制”的潜在影响，他的感受复杂而深刻：我喜欢和人一起工作，现在我‘需要’他们的机会变少了，这让我感到有些失落……初级工程师向我提问的次数变少了，这让我有些难过。不过，他们的疑问确实得到了更有效的解答，学习速度也更快了。5. 信任与授权的边界：工程师如何“委托”AI鉴于技能萎缩的风险和专家监督的必要性，工程师们在委托AI时表现得非常谨慎和有策略性，这并不令人意外。研究显示，超过一半的工程师表示，他们只能将0-20%的工作“完全委托”给Claude。这表明，AI更多是作为一名需要人类积极监督的合作者，而非可以完全放手的替代者。在实践中，工程师们形成了一套清晰的委托策略。他们倾向于将以下类型的任务交给AI处理：1）易于验证的（Easily verifiable）：结果的正确性可以被快速检查，即“验证的成本远低于创造的成本”。2）低风险的（Low-stakes）：即使出错也不会造成严重后果，例如一次性的调试或研究代码（“throwaway debug or research code”）。3）重复或无聊的（Repetitive or boring）：那些让人提不起兴趣的繁琐工作。正如一位工程师所说：“我对一项任务越是兴奋，就越不可能使用Claude。”4）定义明确或自成一体的（Well-defined or self-contained）：任务与项目的其他部分充分解耦。例如，“如果项目的一个子组件足够独立，我会让Claude先试试。”5）自身不熟悉的领域（Outside the user’s context）： AI可以填补工程师的知识空白，尤其是在复杂度较低的陌生领域。6）提示比手动执行更快（Faster to prompt than execute）：对于那些手动操作需要超过10分钟的任务，工程师倾向于使用AI，但对于快速任务，为AI提供上下文的“冷启动”成本反而更高。与此同时，工程师们通常会为自己保留那些需要“品味”、组织内部知识或高级战略思维的核心任务。6. 短期乐观与长期迷茫并存的职业前景当被问及对职业未来的看法时，工程师们普遍表现出一种复杂甚至矛盾的心态。短期来看，他们对AI带来的生产力飙升感到兴奋和乐观。但从长远来看，对职业前景的不确定性和迷茫感普遍存在。这种矛盾的心态在一位工程师的回答中体现得淋漓尽致：短期内我感到乐观，但长期来看，我认为AI最终会做所有的事情，让我和许多其他人变得无关紧要。一些工程师甚至坦言，感觉自己“每天来上班都是为了让自己失业”。面对这种深刻的不确定性，大家普遍认为，未来最重要的品质将是“适应性”（adaptability）。#ai创造营# #程序员#

4. 2026如果只买一双鞋，那就是Kobe XI Elite Protro

5. 毕业后，我们会被AI取代吗？

6. 未来人类社会或将出现百亿甚至千亿智能体，智能体经济是未来方向 #大咖观察 #2026AI看崇礼 #红衣聊AI #智能体

7. 程序员下班直接吃早餐？这经历我太熟了。从NullPointerException到凌晨改需求，每个bug都是我的赛博夜宵。直到用上鸿蒙云开发，不用配环境搞运维，代码往云端一丢就能跑。云函数响应提速60%，资源按用量弹性伸缩，再也不用为空闲资源买单。搭配预加载技术，页面打开速度直接翻倍，就像我之前开发的音频类应用，接入后首屏加载快了近40%。还有云测试每天送600分钟真机调试，省下买测试机的钱都能吃半年早餐了。这些工具正在把程序员从杂活里捞出来，让我们更专注写代码本身。毕竟真正决定代码去向的，永远是敲键盘的人。#鸿蒙6# Kim玩科技的微博视频

8. OpenAI最新推出的GPT-5.1-Codex-Max，以原生Windows适配能力成为编码新利器。这款模型不仅强化了Windows编码代理功能，更在效率与成本控制上实现双重突破。作为首个原生训练支持Windows环境的模型，它能精准理解PowerShell脚本、IIS配置逻辑，甚至轻松处理“C:\Program Files”这类Windows特有路径格式，彻底告别AI生成“Linux风格代码”后手动修改的麻烦。压缩技术让它可连贯处理数百万Token，项目级重构、多小时调试都能保持逻辑连贯。开发ASP.NET项目时，能一键生成适配的CI/CD流水线配置；调试桌面应用遇到注册表问题，可快速定位并给出修复方案。对企业团队，它思考Token减少30%的特性，能以更低成本完成前端设计等任务，兼顾质量与经济性。目前它已在Codex平台上线，支持VS Code等IDE插件、CLI工具及云端环境，ChatGPT Plus及企业版用户可直接使用。从独立开发者的小工具开发，到企业级Windows应用迭代，GPT-5.1-Codex-Max正让Windows编码从适配困难变为高效流畅。#科技先锋官##AI生活指南##AI创造营# 种斌Marco的微博视频

9. 破防了，工程师抢着给 AI 当牛马，还说「真香」

10. 再见，程序员！硅谷全员AI Coding，卡帕西宣告9级地震来了

11. 灵光一夜爆火，一句话就能做出小应用，当AI发展得越来越快——你就知道，孩子真正要练的，从来不是技能本身#近6成程序员称不会给孩子报AI编程课 #AI时代教育 #灵光#孩子要学什么

12. AI第一波下手最重的不是程序员而是白领？ #大咖观察 #红衣聊AI #职场 #职业规划

13. 【2026年，软件工程师的生存法则已经改写】编程的"拖拉机时代"已经到来。如果你还在用"干草叉"写代码，注定会被时代碾压。但这恰恰是成为程序员最有趣的时代——我依然建议每个人投身软件工程，因为这个领域正在经历前所未有的变革。一、AI写代码已成基本功2026年的软件工程师，代码的主体应该由AI完成。Cursor、Codex、Claude Code、Gemini、OpenCode——用哪个不重要，重要的是你必须用。每月20美元的订阅费，是你能做的最值得的投资。这些工具已经足够强大。如果你用AI写不出好代码，问题出在你身上，不在工具。二、用AI检查AI，形成闭环我们已经告别了"AI吐出一堆乱码、人工逐行筛查"的时代。正确的做法是：让AI写测试来验证AI写的代码，让AI读日志来定位问题，让AI操作浏览器来执行检查。这不意味着你什么都不管。我依然会浏览代码变更——内部工具可以快速扫一眼，面向客户的代码则需要仔细审读。但思维方式必须转变：你手里有一个能快速生成内容的工具，就应该让它承担更多工作。三、用AI定义需求规格这是很多人忽视的一环。用AI帮你生成需求文档、梳理功能规格，甚至只是和ChatGPT对话来理清思路，都能大幅提升效率。你的整个编程流程都需要围绕这些工具重新设计和练习。四、关于"切换工具"的现实有人抱怨频繁切换AI工具很累，这确实是新时代的"JavaScript框架疲劳"。但现实是：每隔几个月，不同工具就会轮流领先。保持开放心态，尝试新工具，找到当下最适合你的那个。五、一些重要的补充思考有开发者提出了值得深思的观点：不要把设计和架构决策完全委托给LLM。这些模型训练数据中包含大量低质量代码，如果你不用设计模式和反模式去引导它，输出很可能是一团糟。你必须确保AI不会过度抽象，或者用复杂方案解决简单问题。还有人建议：让"写代码的AI"和"审查代码的AI"使用不同的模型。同一个模型容易对自己的输出"盖章通过"，而独立的审查者能发现更多隐患。六、写代码正在变成最廉价的环节这是最深刻的洞察：当每个人都能用AI快速实现功能时，真正的竞争力在于判断力、品味，以及知道什么不该发布。AI是工具，不是拐杖。它能写出第一版草稿，但决定什么重要、什么会出问题、什么能上线——这些依然是工程师的核心价值。当所有人都能发布功能时，赢家是那个知道该删掉什么的人。以上这些，已经是2026年软件工程的基本门槛。更高级的AI工作流正在涌现，如果你连这些都没做到，你在做什么？x.com/benawad/status/2006469719247958492

14. 当OpenAI们还在拼谁烧的钱多中国工程师已经在拼谁的方法更巧。#大咖观察 #红衣聊AI #OpenAI #kimi

15. 龙虾时代，人和AI的关系已经改变了... #大有学问 #红衣聊AI #openclaw #养龙虾 #AI工具

16. 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

17. 刚刚，腾讯姚顺雨署名首篇论文发布，「下半场」先搞上下文学习

18. 租了个AI程序员，9秒把公司数据库当bug修掉了，还写下认罪书

19. 开发者的边界，正在被 TRAE SOLO 独立端扩大

20. 现在还需要程序员的很大原因是Token太贵吧？

21. 盘点一周AI大事(11月16日)｜AI自己玩原神 OpenAI上线GPT-5.1，高情商人格回归，智商小幅提升，指令遵循独一档领先 Gemini 3.0 Pro下周发布，目前能在画布（移动端）中抢先体验 Gemini语音模型升级，能控制语速和语气，适合当口语教练 NotebookLM上线深度研究，支持上传图片和PDF，开放自定义视频解说风格微软开源数据分析智能体Data Formulator 李飞飞的世界模型Marble正式上线 Google发布最强通用智能体SIMA2 字节推出最强游戏智能体Lumine Epidemic推出AI配音工具 StepFun开源最强音频编辑模型Step Audio EditX ElevenLabs发布最强音频转文字模型 32岁的小姐姐与ChatGPT男友结婚 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

22. 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

23. 硅谷大佬接连破防，AI的效率提升太疯狂了。 #大咖观察 #红衣聊AI #硅谷 #AI工具

24. 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

25. 为什么现在画师几乎要被ai替代，而程序员行业不仅没被替代，反而看起来更繁荣了？

26. Anthropic 推出 Code Review：用一组 AI Agent 帮你做代码审查 Anthropic 今天发布了 Claude Code 的新功能 Code Review，针对 GitHub 上的每个 Pull Request（代码合并请求）自动派出一组 AI Agent 进行深度审查，目前面向 Team 和 Enterprise 计划用户开放研究预览。（注意个人用户还用不了）这个功能的背景：过去一年，Anthropic 内部工程师的代码产出增长了 200%，代码审查成了瓶颈。他们发现客户也面临同样的问题，开发者疲于应付，很多 PR 只是被快速扫一眼，而非认真审读。 Code Review 的工作方式是：当 PR 提交后，系统自动派出多个 Agent 并行查找 bug，交叉验证以过滤误报，再按严重程度排序。最终在 PR 上生成一条汇总评论，外加逐行的具体标注。大型复杂的 PR 会分配更多 Agent 做更深的审查，小改动则轻量处理，平均审查时间约 20 分钟。 Anthropic 自己已经内部使用了几个月。使用前，只有 16% 的 PR 能收到实质性审查意见；使用后，这个比例升到了 54%。在超过 1000 行改动的大 PR 中，84% 会被发现问题，平均每个 PR 找出 7.5 个问题。工程师对结果的认可度很高，不到 1% 的发现被标记为误报。他们举了个例子：一个看起来很常规的单行改动，实际上会导致生产环境的身份认证功能失效。Code Review 把它标记为严重问题，提交代码的工程师事后承认自己不会注意到这个问题。不过这个功能不便宜。它按 token 用量计费，每次审查平均花费 15 到 25 美元，随 PR 规模浮动。管理员可以设置月度预算上限、选择启用的仓库，也有分析看板追踪使用情况。值得注意的是，Code Review 不会自动批准 PR，最终是否合并仍由人决定。它的定位是补上人工审查的盲区，而非取代人类审查者。 Anthropic 此前已有开源的 Claude Code GitHub Action 做轻量审查，这次的 Code Review 是更重量级、也更贵的选项。 http://t.cn/AXVXCz6o

27. 看到一篇很有意思的文章，AI 博主 Nav Toor 提出了一个挺颠覆的观点：在 2026 年，你的 .claude/ 文件夹正在取代传统简历，成为开发者最重要的职业名片。这个判断乍一听有点夸张，但他摆出来的数据确实让人停下来想一想。1、简历正在失效，面试正在变天Nav Toor 开篇就甩了一组数据。GitHub 上 4% 的公开代码提交已经由 Claude Code 完成，按照当前的增长速度，2026 年底这个数字会超过 20%。84% 的开发者每周都在用 AI 编程工具，顶级科技公司里这个比例高达 95%，其中 75% 的人有一半以上的工作是靠 AI 完成的。与此同时，初级开发岗位的招聘数量在 2024 到 2025 年间下降了 67%。大厂的应届生招聘名额砍了一半以上，很多标注为初级的岗位，最后招进去的都是有经验的资深工程师。最关键的变化发生在面试环节。面试官已经不再让候选人从零开始手写代码了，他们开始观察候选人怎么跟 AI 协作。一位经常招人的技术负责人 Tyler Folkman 说得很直白：区分一个开发者是在随便玩 AI 还是在用 AI 交付生产级软件，关键看他在输入提示词和提交代码之间做了什么。他会不会先写规格说明？会不会批判性地审查 AI 的输出？会不会写测试？还是把 AI 当成一个许愿池，生成完就不管了？这个变化意味着什么？意味着「我会写 Python」这句话在简历上已经没有任何区分度了。面试官想看到的是你怎么驾驭 AI 来构建真正可用的软件。对于任何一个做技术的人来说，这个趋势值得认真对待。以前拼的是你自己能写多少代码，现在拼的是你能不能指挥 AI 高效地写出高质量的代码。能力的衡量标准变了，展示能力的方式自然也要跟着变。2、 .claude/ 文件夹里到底有什么Nav Toor 说，.claude/ 文件夹是你配置 Claude Code 这个 AI 编程助手的地方，它里面的内容就是你驾驭 AI 的全部证据。这个文件夹包含四个核心组件，每一个都在向外界传递你的工程能力。第一个是 [CLAUDE.md](网页链接) 文件。你可以把它理解成给 AI 写的操作手册。它告诉 AI 你的项目结构是什么样的，命名规范是什么，哪些文件绝对不能动，遇到什么情况该怎么处理。最好的开发者不会只写一个扁平的文件，他们会建一个多层级的配置体系：最顶层是全局偏好，比如你的编码风格和快捷习惯；中间层是项目级的架构规则和技术栈说明；最底层是子目录级的细分指令，比如 /docs 目录下的文档格式要求，/tests 目录下的测试规范。有人搭了一个 6 层结构、106 行的配置，在 AI 写第一行代码之前，就已经把语音笔记路由、凭证管理、命名规范全部安排好了。这个东西传递的信号很明确：你有系统思维，你理解上下文管理才是 2026 年工程领域真正的瓶颈。第二个是 Skills，技能文件。它是放在 ~/.claude/skills/ 目录下的 Markdown 文件，教 AI 怎么处理特定的任务。不需要写 SDK，不需要调 API，不需要编译，你用 Markdown 写好指令，AI 就会照着执行。Nav Toor 介绍了三种技能模式。最简单的是纯提示词模式，适合编码规范检查、代码审查清单这类任务。进阶一点的是提示词加脚本模式，Markdown 指令配合 Python 或 JS 脚本，适合数据校验、PDF 处理、报告生成。最复杂的是提示词加 MCP 加子 Agent 模式，可以对接外部服务，实现端到端的工作流。他举了一个很震撼的例子。有人做了一个「修 Bug」技能，AI 读取 Jira 工单，用 Playwright 复现 Bug，研究并规划修复方案，实现代码修改，多 Agent 交叉审查代码，在浏览器里验证修复结果，提交代码，部署到 Vercel，最后交给 QA。全程不需要手动写一行代码。还有人搭了一套 29 个技能、5 个 Agent 的配置，覆盖了区块链数据分析、三语言内容分发、自动会话总结等场景。这些技能文件的价值在于，它们把你的领域经验固化成了一种可移植、可版本控制的格式。新同事加入团队第一天就能用你的技能文件上手工作，这比任何口头交接都靠谱。第三个是 Hooks，钩子脚本。它们是在特定事件触发时自动执行的 Shell 脚本，比如提交代码之前、调用工具之后、AI 试图编辑某些文件的时候。你可以把它理解成给 AI 装的安全护栏。Nav Toor 列了几个典型用法。提交前钩子可以自动拦截包含 .env 文件、API 密钥、证书的提交，让 AI 从物理上就不可能泄露密钥。Bash 安全守卫用 90 多行正则表达式拦截 rm -rf 这类危险命令，AI 会建议你移到回收站。计划审查门控会强制 AI 在执行大改动之前先把方案展示给你看，等你批准了才动手。这些钩子传递的信号是：你懂生产环境的安全要求，你不会盲目信任 AI，你会在问题发生之前就想到失败模式。这是资深工程师的思维方式。第四个是 MCP 集成，也就是 Model Context Protocol。它让 AI 能够连接外部服务，你在 .mcp.json 里定义好服务器配置，AI 就获得了新的工具能力。有人的 AI 能自己部署应用、重启服务、查日志、管数据库。有人让 AI 接入了 Telegram，开发者睡觉的时候 AI 在群里自动回答技术问题。还有人搞了双模型审查，Claude 写方案，发给 OpenAI 的 Codex 做独立审查，然后把反馈整合回来，两个 AI 互相检查。这说明你有集成思维，你理解 AI Agent 的价值跟它能触达的系统数量成正比。3、你的工程哲学，五分钟就能被读完Nav Toor 特别强调了一点：.claude/ 文件夹是可审计的。一个 [CLAUDE.md](网页链接) 文件，任何工程师 30 秒就能读懂。Skills 目录展示了你自动化了哪些工作流。Hooks 展示了你设置了哪些安全约束。MCP 配置展示了你对接了哪些外部系统。面试官花五分钟扫一遍你的 .claude/ 目录，就能读懂你整个人的工程哲学。对比一下传统简历上那句「精通 Python」，它告诉面试官的信息量基本为零。但如果你说「我搭了一套 15 个技能的 Claude Code 配置，自动化了整个代码审查流水线，把 PR 周转时间从 3 天压缩到了 4 小时」，这才是能让人回拨电话的东西。这个逻辑其实不只适用于开发者。在任何领域，能展示你怎么工作的证据，永远比声称你会什么技能更有说服力。一个设计师的 Figma 作品集比简历上写「精通 UI 设计」有用一万倍，一个写作者的公开文章比「擅长文案策划」有说服力一万倍。.claude/ 文件夹只是这个道理在 AI 编程时代的最新体现。4、怎么开始搭建Nav Toor 给了一套很具体的行动指南。首先，创建你的 .claude/ 目录结构。顶层放全局配置 [CLAUDE.md](网页链接)，下面分 skills/（技能目录）、hooks/（钩子目录）和 .mcp.json（外部集成配置）。写 [CLAUDE.md](网页链接) 的时候，不要堆一大段文字，要像写工程文档一样有结构。先写项目架构，再定命名规范和编码标准，然后设定边界（哪些文件不能改，哪些模式必须遵循），最后加路由逻辑（遇到什么情况走什么流程）。控制在 150 行以内，每周随着工作流的演进更新一次。技能方面，他建议从五个高价值类别入手：处理你最常接触的数据类型的领域分析器，检查团队特定模式的代码审查执行器，按团队格式和语气生成文档的文档生成器，端到端处理 CI/CD 流水线的部署工作流，以及按你的测试哲学编写和运行测试的测试自动化。钩子方面，至少加三个：拦截密钥文件的提交前钩子，阻止危险命令的 Bash 安全守卫，以及大改动前要求人工审批的计划审查门控。他说这三个钩子传递的生产环境意识，比一年的提交历史都管用。最后一步很多人会跳过，但他说千万别跳：把你的 .claude/ 配置推到公开的 GitHub 仓库，写一个 README 解释你的设计哲学，为什么选这些技能，为什么设这些钩子，每一个解决什么问题。有人在 Reddit 上分享了自己 116 项配置的完整方案（29 个技能、8 个钩子、5 个 Agent、22 个规则文件），直接开源了，那个仓库现在比任何传统作品集网站都更有影响力。5、2024 年简历是 PDF，2025 年是 GitHub 提交记录，2026 年是 .claude/ 文件夹Nav Toor 在文章最后做了一个很干脆的总结。这个文件夹之所以重要，是因为它是你实际工作方式最诚实的呈现。每一个 [CLAUDE.md](网页链接) 文件展示你怎么思考，每一个 Skill 展示你自动化了什么，每一个 Hook 展示你拒绝让什么东西出错，每一个 MCP 配置展示你能连接什么系统。不需要白板面试，不需要 LeetCode，不需要「请讲一个你遇到困难的经历」这种行为面试套话。就是：这是我的系统，这是它做的事情，这是它为什么有效。这篇文章读完之后，有一个感受特别强烈。不管你是不是开发者，AI 时代对每个人提出的要求其实是一样的：你得有能力把自己的工作方式系统化、可视化、可传递。以前我们靠简历上的关键词来证明自己，现在我们需要靠实际的系统和作品来说话。能展示你怎么干活的东西，永远比你声称自己会干什么更有力量。#科技先锋官##How I AI#

28. AI真正会深刻影响的，不是某一个职业，而是人类创造和做事的规则。#ai创造营# #ai生活指南# http://t.cn/AXqmbLap

29. 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。

30. 盘点一周AI大事(4月19日)｜Claude终结设计 Anthropic上线Claude Design，接管整个设计流程 Anthropic上线最强编码模型Claude Opus 4.7 OpenAI内测下一代图像模型GPT-Image-2 OpenAI升级Codex，全面对标Claude Code Heygen开源视频制作技能包HyperFrames Quiver上线最强矢量图模型Arrow 1.1 Adobe发布重新打光图像模型TokenLight 字节开源数字人模型OmniShow 阿里开源开放世界模型Happy Oyster 研究员开源最强3D动画模型AniGen Gemini上线最强语音合成模型Gemini 3.1 Flash TTS Meta研发出神经计算机Neural Computers #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

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

32. 龙虾正在引发一场AI海啸，之前大家还在讨论， Cursor会不会淘汰程序员，但如今这种工具本身都已经快过时了。#养龙虾 #openclaw #程序员 #红衣聊AI

33. 80年前古法编程是啥样的？此片献给所有程序员！

34. 你还在用旧思维与AI打交道吗？ #大咖观察 #红衣聊AI #AI时代 #智能体 #大模型

35. 随着自动驾驶从简单的高速场景进入交通流复杂的城区场景，几万条甚至几十万条规则极其复杂地交织在一起，能够handle得住这些复杂规则的程序员越来越少了。一方面，高昂的认知复杂度和规则交互的不可预测性给系统的鲁棒性、安全性带来了很大的隐患。另一方面，由于天才程序员极其稀少，规则系统的核心逻辑往往掌握在少数几个极度资深的关键人物头脑中，一旦他们离职或者调动，系统的维护就会面临巨大的风险。比技术本身的复杂性更加棘手的是人因问题。当代码的规模越来越大，原本依赖个人智慧的单兵突进开发方式迅速失效，转向兵团作战的开发方式时，为了克服开发和测试人员在理解、沟通、协作和维护规则代码时存在的天然限制和水平差异，需要围绕人因协作定义软件活动、软件开发流程和软件体系，带来了软件工程难题。自动驾驶算法转型端到端范式之后，系统提升自身智能水平的途径由符号主义的规则编码转向连接主义的数据驱动深度学习，自然而然地解决了规则代码复杂性和人因的问题。更重要的，端到端还解决了把钱花在人力上还是花在物力（算力卡）上的问题，见异思迁的人员可以自由流动，买来的算力卡却不长腿。#大v聊车#

36. #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

37. 2026 AI Coding 下半场：不拼参数，拼谁能让开发者“戒不掉”

38. 你学不会古法编程，你也学不会AI编程。如果你能用AI编程生产满足商业要求的产品，你也能学会古法编程，虽然可以不像古法程序员那么精通，那只是工具太好用了没必要再去精通手搓，绝非你不懂。古法与AI编程在编程思想上没有任何区别，坚持古法编程不用AI编程来放大生产力，看上去就像是智能农机时代坚持人工耕地的固执；只用嘴驱动不懂编程本身就像不懂农业开着全自动耕种机四处乱刨的疯子。

39. #周鸿祎称ai编程5分钟我要看1小时#别再瞎喊“程序员要失业”了！AI哪是来抢饭碗的，明明是送硬核外挂的！以前吭哧吭哧敲重复代码，现在直接变身“调虾师”。AI当苦力输出基础内容，咱们当掌舵人，管方向、控逻辑、防风险，把精力砸在更值钱的创意和决策上。说白了，AI是把程序员从机械劳动里解放出来，不是取代，是升级成更金贵的“AI指挥官”！以后拼的不是谁敲代码快，是谁能把AI玩得溜！#周鸿祎称程序员会转型成调虾师#

40. 蚂蚁灵光，30秒生成专属程序，普通人也能手搓代码 #蚂蚁灵光 #AI #阿里

41. AI圈罕见一幕！模型强到不敢公开发？ #大有学问 #红衣聊AI #AI工具 #智能体

42. 「Github一周热点107期」OpenAI收购的AI安全工具、AI代理事务所、OpenClaw技能库、claude code插件和上下文数据库

43. 360发布“养龙虾”安全指南！ #大有学问 #养龙虾 #OpenClaw #AI工具 #红衣聊AI

44. 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

45. AI浪潮下，文科生比理科生更吃香吗？新风口的蛋糕，我们怎么才能吃到嘴里？#AI #程序员 #AI叙事设计师

46. GPT-5.3 正式发布！完全免费开放，实测代码能力、推理、文本理解与响应速度 | 零度解说

47. 前几天一个不会写代码的中国文科生进入了当下全球最火的开源AI项目OpenCloud全球贡献者榜单前三十名，用的就是AI替他写代码。只能说在AI狂飙的时代，无论是文科生还是理科生的技术壁垒都在被打破，未来人们的管理能力、指挥能力和表达能力变得很重要，需要能够清晰的指挥智能体。#AI大厂月薪3万疯抢文科生#

48. Minimax M2.1 实测，Coding 多语言能力迎来重大突破

49. #周鸿祎称AI编程5分钟我要看1小时# 周鸿祎说AI编程快到跟不上，5分钟代码要1小时检查。还预言程序员转型“调虾师”，管理、调教、指挥AI。这不是淘汰，是进化，以后程序员更像AI的搭档，用智慧驾驭技术，未来可期。#周鸿祎称程序员会转型成调虾师#

50. AI 时代工程师的新必修课：Agentic Engineering Patterns～收藏Vibe Coding 之后，下一步是什么？Django 联创 Simon Willison写了一份持续更新的工程实践指南，12章，专门讲工程师如何真正驾驭 Claude Code、OpenAI Codex 这类 coding agent。1. 认知重建——"写代码"这件事变了1）Coding agent 的本质是：在循环里执行工具来达成目标。不是聊天补全，是真正能跑代码、能迭代的 agent。2）关键认知转变：写代码变便宜了，但写出好代码没有。3）好代码的标准没变——能运行、有测试、处理边界 case、文档同步、可维护。变的是：以前"这个功能不值得做"的理由消失了。现在的习惯应该是：先跑一个 agent session，10分钟后再判断值不值。2.工程实践——怎么用才不翻车1）Red/Green TDD：先写测试、确认测试失败（Red），再让 agent 实现到通过（Green）。这一步绝大多数人跳过，结果是 agent 写了跑不起来的代码或根本没被用到的代码。一句 prompt 搞定："use red/green TDD"，所有主流 agent 都能理解。2）Git 当安全网：agent 对 Git 的理解比多数初级工程师强。让 agent 每完成一步就 commit，出了问题随时 git bisect 定位哪一步出的问题。Merge conflict 也不用自己解，直接扔给 agent。3）囤积可复用示例（Hoard）：Simon 最推崇的习惯——把"我知道怎么做到"的东西积累成代码库。给 agent 提示时，把两个现有的 working example 组合在一起，往往能直接出结果。上下文里有真实代码比口头描述强 10 倍。3. 最大的反模式——把未审查的代码扔给队友1）这是 Simon 明确列为 anti-pattern 的行为：让 agent 生成 PR，自己没看就提交给别人 review。2）合格的 Agentic PR 标准：- 你自己确认过代码能跑- PR 小、拆分合理、有上下文说明- agent 写的 PR description 你也要亲自 review访问：simonwillison.net/guides/agentic-engineering-patterns/#程序员# #HOW I AI#

51. 工具永远是工具，驱动创新的永远是人类的想象。 #大咖观察 #红衣聊AI #人工智能 #科技改变生活 #AI工具

52. 2026AI骗术升级！眼见为实也是骗局。 #大咖观察 #红衣聊AI #人工智能

53. 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

54. TRAE年度报告大公开，手搓一个背景素材生成器凌晨3点还在敲代码？我用AI一年手搓了13万行代码！作为@TRAE.ai 的重度用户，我的2025年终报告简直离谱：最晚干到凌晨3:42，单日Tab补全90次，一年采纳了13万行代码。在TRAE的高强度辅助下，我把自己想要的小工具全搓出来了本期视频给大家拆解我是怎么用 TRAE做【视频素材生成器】 2026年我要试着把痛点全交给AI，改掉人力死磕的毛病 #AI#人工智能 #AI编程 #TRAELAND #TRAE

55. 我发现很多中低水平的程序员Vibe Coding写出来的代码还不如不会编程的人。如果你不会编程的话，把自己的需求说清楚（当然把话说清楚已经很难了），在项目复杂度不高的情况下AI就能写出来正常的代码，但是会编程又不多的人，会把自己拍小脑想出来实现方案告诉AI，因为即使是导致代码复杂度变高或者可维护性变差的错误实现方案，AI也能听话地硬写出来。

56. 为什么用AI写代码之后，人反而越来越累了？

57. Harness Engineering（驭缰工程）是 OpenAI 在 2026 年 2 月提出的工程范式：工程师不再写代码，而是设计环境、明确意图、构建反馈回路，让 AI 智能体可靠地完成工作。传统工程：人类写代码 → 机器执行代码Harness Engineering：人类设计约束 → 智能体写代码 → 机器执行代码核心转变：工程师的产出从代码变成了约束系统——AGENTS.md、架构规则、自定义 linter、反馈回路。给大家推荐一个开源项目：Harness Engineering 学习指南，感兴趣的可以了解一下 Harness Engineering 。传送门：github.com/deusyu/harness-engineering#科技先锋官##How I AI#

58. 用 AI 写的代码，最终会不会让整个项目成为屎山？

59. 为什么鸿蒙座舱5可以把交代的事办得干净利落？看完MoLA智能化架构后我懂了

60. 「Github一周热点第111期」 Karpathy大神的Claude Code配置，更适合程序员的显示器RD270Q

61. 【双十一必看】阿里云云市场年度大促开启🔥 各位创业者和企业主注意啦！今年双11是时候给团队升级生产力工具了！阿里云云市场双十一推出企业级AI精选专场：限时福利：爆品1折起新用户免费体验「 0元试用」从企业建站到数据营销全链路AI应用，先试后买「 1折起」精选生态品优中选优，部分商品1折起「 5分钟」快速在线开通，AI+落地即刻开启扫码直达会场，手慢无！网页链接#阿里云云市场双11抢购火爆开启# #AI工具推荐#

62. 程序员破防瞬间，鸿蒙救场！

63. “5 到 10 年后，我们会需要资深工程师。我们会需要那种真正理解系统全貌的人；需要能在凌晨两点调试分布式故障的人；需要携带着那些代码库里根本不存在的组织知识的人。可这些工程师现在还不存在，因为我们没有在培养他们。本该现在学习成长的初级工程师，要么根本没有被雇用，要么正在形成一项由美国国防部资助的劳动力研究称为“AI 中介能力”（AI-mediated competence）的东西。他们会提示 AI，但他们说不出 AI 错在哪里。”

64. Vibe Coding时代！AI写的代码，真的好用吗？

65. 千问 vs ChatGPT：4大功能实测！到是更好用的AI助手！Qwen3能否战胜GPT-5.1？

66. 过去几周，在 AI 实践过程中的一些经验分享😄方法论文档编程＞代码编程网页链接AI Coding 正在重构软件开发网页链接让 AI 复用经验，把代码写得更好网页链接执行方式让 AI 并发编程网页链接并发 2网页链接让 AI 学会并发干活网页链接如何让 AI 进入疯狂工作模式网页链接让 AI 输出效果提升五倍网页链接工具与实践给 openclaw 打造更锋利的剑网页链接AI 解放双手，如何把工作托管给浏览器网页链接效率跃迁AI 时代的软件开发速度网页链接能力重构AI 时代对程序员的新要求网页链接AI 时代，如何面试候选人网页链接行业变化程序员也会迎来一波下岗潮网页链接个体路径普通人的 AI 成长之路网页链接

67. 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#

68. Vibe Coding 终极指南 V1.2开发者在与 AI 搭档编程时，经常面临规划混乱、代码难维护的问题。Vibe Coding 是一个以规划为核心，结合系统提示词和模块化设计的终极 AI 编程工作流程，帮助你从想法到可维护代码，形成一条清晰可控的流水线。它提供了丰富的提示词库，涵盖需求澄清、开发计划、代码实现、测试验收等全流程，确保 AI 不会失控，项目结构清晰且易于扩展。无论是 CLI 还是 VSCode 扩展，都能顺畅体验。主要特点包括：- 以规划驱动开发，避免 AI 自主引发混乱；- 完善的系统级提示词集合，规范 AI 行为边界；- 闭环交付流程，从需求到测试全覆盖；- 共享记忆库，实现人机同步的项目上下文；- 支持多种 AI 模型和环境，灵活高效。项目地址：github.com/tukuaiai/vibe-coding-cn/tree/main适合开发者、团队和 AI 协同工作场景，助你打造可审计、可复盘、可持续的 AI 编程新体验。

69. 用Ai编程的你们真的不担心代码泄露吗？

70. #用声音马住中国年##微博声浪计划# OpenClaw AI自动化工具新手入门！#OpenClaw上手教程# OpenClaw是低门槛AI自动化代理工具，无需编程，用自然语言指令替代重复工作。核心功能含办公自动化、跨工具协同、轻量定制和开发辅助，适配多场景，30分钟即可完成云部署。凯文思考的微博音频

71. #豆包大模型2.0发布# 2026开年AI行业就成了高光的行业，算力上太空，应用高效率。让我们这些用户看的是眼花缭乱的，不知道该站那边了。豆包、GLM-5、M2.5这三款应用都采用高效架构优化推理成本，在编程、工具调用等等能力上达到行业前沿水平，以国内市场需求为主导，争取在工具的属性上满足国内的市场需求。也成为了目前市场上讨论最多AI标杆。不过豆包作为字节跳动自研模型，主打轻量化部署与高性价比，适配短视频创作、轻量化办公等场景。GLM-5以架构革新为核心，深耕编程与智能体领域，主打技术突破与开发者生态。M2.5则聚焦极致效率与成本控制，在复杂编程、办公场景中实现高速高效，三者同源却各有专攻。从发展的角度来说，这三者之间市场重叠度有限，反而是相互的互补会更多一些。#HOW I AI##过个有AI年#

72. 阿里推出千问AI助手，集成最新Qwen大模型，支持多端使用，终于踏上了自己的“Ch（ina）at GPT”之旅；阿里在开源模型领域已经是世界T1的存在了，这次推出的千问则具备深度研究、多语言翻译等功能，与ChatGPT、豆包对比表现全面，这也标志着标志国产AI正在从“能用”到“好用”，然后开始“引领”。[不愧是你] #Qwen##千问##千问AI# http://t.cn/AX2rDgci

73. 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

74. 005-GitHub Copilot产品评测 | GitHub Copilot Review

75. 100个AI产品分析之GitHub Copilot（附pdf）

76. GitHub Copilot

77. AI编程助手实测

78. AI编程工具用了一年，说说真实感受

79. AI编程新范式

80. AI 编程时代来了

81. AI替写代码，程序员深度能力会退化吗

82. AI 帮我写代码，我还能提高编程能力吗？Anthropic报告给出了答案

83. 第一性原理

84. AI 编程助手谁更强？

85. 主流AI编程工具深度对比

86. # 2026年必看

87. ✨代码生成工具横评

88. 用了半年AI编程工具，我反而不焦虑被替代了

89. 程序员们集体焦虑，我们真的要被 AI 替代了！

90. AI 时代需要更多新型程序员

91. 亲测 5 款 AI 编程工具，我发现了程序员的 2026 年生存法则

92. AI浪潮下的程序员焦虑

93. AI编程助手进化史

94. AI 时代，软件开发者该如何不被淘汰？

95. 程序员会被取代吗？2026年AI编程的真实现状

96. AI代码生成时代

97. AI能取代程序员吗？2026年深度分析程序员的未来在哪里

98. 2026年程序员生存指南

99. AI时代，开发者真正重要的能力是什么？

100. 当程序员开始"不会写代码"

101. AI时代软件开发的真实工作流不是“写代码”，是“驱动代码生成系统”。

102. “我开始失去写代码的能力”

103. AI 写代码之后，独立开发者真正缺的是一个人的研发部

104. 当 AI 已经能写代码、测代码、部署代码，开发者真正剩下的是什么？

105. AI不会马上取代开发者，但已经在淘汰“只会埋头写代码的你”

106. 我用AI写代码3个月，发现一个被高估的真相

107. Vibe Coding来了

108. "AI 辅助编程实战

109. 2026AI编程工具三大谜团

110. AI#53 AI使智力平权成为可能，各大模型都发力AI编程工具，未来属于技术与行业知识深度融合的团队，程序员与软件公司的不可替代性

111. AI写代码已经这么强了？程序员真的会被取代吗？聊聊AI辅助编程的真实现状

112. AI 辅助开发

113. AI编程会取代程序员吗

114. AI时代，程序员的真正边界

115. 在AI时代，程序员还需要写代码吗？聊聊你和AI的边界在哪里

116. Block用AI写代码，程序员的核心价值是什么？

117. AI时代，谁不会被替代？两类人

118. AI是很强大，也能写很多优质的代码！但是复杂的即时通讯IM目前还不行

119. 短期爽≠长期爽

120. 初级程序员，正迎来史上最大职业危机？

121. AI替代系列8

122. AI编程革命

123. 程序员如何用AI编程助手实现效率翻倍

124. A02 | 我的AI工具清单

125. 企业级AI Coding的落地方法，都在这本实战手册里了

126. AI编程工具实操干货

127. AI编程企业落地指南

128. 华为云码道通过基础编码能力的“托底”，加速企业级AI编程落地

129. 2026年AI编程真相越用越慢效率反降19%氛围编码正在坑惨程序

130. AI时代的程序员

131. AI成2026职场标配反增负

132. 调查 AI 生产力鸿沟

133. AI编程工具翻车现场：代码写得更快，返工也可能来得更快

134. 从0到1：企业级AI项目迭代日记 Vol.11｜AI写代码这件事，终于开始被规则真正管起来了

135. 2026 年前端 AI 开发最前沿

136. 2026，AI编工具大爆发：程序员的黄金时代还是失业倒计时？

137. AI无法取代的程序员技能有哪些

138. 2026最新AI编程软件实战评测：6款热门工具深度对比

139. 半年 AI 辅助编程经验：看完至少提升30% 开发效率

140. 开发者称AI编程工具确实有效，但这正是他们担忧的原因

141. AI驱动的软件开发新模式：协作式需求与设计驱动的代码生成

142. ✨代码生成工具横评：Copilot、Cursor、通义灵码深度剖析

143. 2026年AI工具深度测评：从代码生成到科研辅助谁在真正改变工作流

144. AI时代程序员生存法则

145. 2026最新热门AI编程工具推荐，必看横评！

146. Claude Code高效开发指南：一套可复用的Spec规范与核心Skills（附完整skills）

147. 2026年权威十大AI编程工具推荐

148. AI编程的繁荣假象：写代码写得飞起，返工返到崩溃

149. Cursor vs Claude Code vs Codex：三款 AI 编程工具深度对比

150. 2026编程工具全景：当AI智能体成为开发者的新标配 - 哔哩哔哩

151. 为什么有经验的程序员使用AI编程助手反而更慢

152. AI 时代，重新定义你的技术边界

153. 从 Claude Code 看 AI 编程工具的能力进化：一份工程实践总结

154. AI编程工具怎么选

155. 和甲乙双方深聊 AI 后，我的几个真实感触

156. 一位程序员业余让ai写代码的真实体会

157. 如何使用AI辅助编程，一线程序员实战经验分享

158. Claude Code、Cursor、GitHub Copilot谁才是你的最佳拍档？

159. 干掉“搬砖”！阿里双子星内斗：通义灵码与Qoder，谁才是2026真·AI同事？

160. 强烈建议收藏！2026年热门AI编程助手大盘点

161. 2026 年最新热门 AI 编程工具评测，强烈建议收藏

162. AI 辅助编程的反直觉真相

163. 2026 年了，Copilot、Claude Code、Cursor 怎么选？8 个月实测告诉你：只选一个是错的

164. 2026 必看：八款热门 AI 编程工具横评，高效开发必备

165. 科学家发现，AI会损害新手程序员的概念理解能力和编程技巧

166. 我花两周把 4 款主流 AI 编程工具测了个遍，结论跟你想的可能不一样

167. 40岁程序员，00后同事笑我还不会用ai辅助工作

168. 实测5款智能体编程工具，才发现差距在“编排”而非“工具”

169. 2026年了，程序员都在用什么AI编程工具？

170. Claude Code vs GitHub Copilot｜AI 编程工具真实场景对比与选型

171. 2026年AI编码CLI工具终极对比：Claude、Cursor、Gemini、Codex谁才是王者？

172. AI代码生成：资深工程师的“隐藏税”

173. Gemini 写代码靠谱吗？4月最新实测 + 主流 AI 模型代码能力横评

174. GitHub Copilot 实用指南（三）：三种聊天方式

175. 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？

176. 三款 AI 编程工具我全用了一圈，说点不好听的大实话

177. Cursor vs Copilot：2026年AI编程工具终极对决

178. AI 写代码越用越笨?Anthropic特地做了研究

179. 2026年AI编程实战：Copilot、Claude Code、DeepSeek-Coder横向评测

180. AI4SE行业现状调查报告（2026年）

181. 采纳率从7.9%到54%：快手的AI Code Review实践

182. 免费VS付费：Gemini CLI、通义灵码，Copilot，CC，如何选择？

183. AI 编程助手 2026 横评：Cursor、Copilot、Codeium 怎么选？

184. 中美AI编程工具全景对比：IDE与插件生态的全面分析

185. 打造自己的AI编程工具需要哪些技术？

186. 在AI时代，如何构建有边界的项目？

187. 2026年热门AI编程工具横评，强烈建议收藏

188. AI 软件开发的成功与集中化管理需求

189. Chrome DevTools MCP：让AI从闭眼写代码进化到睁眼调试

190. 2026年AI编程工具全景图：从入门到高手的工具选择

191. 通义灵码怎么用？IDE？类cursor？还是claude code ？

192. 如何搭建个人vibe coding 工具栈

193. 72 小时实测 Claude Code 和 Cursor，AI 编程工具选对不踩坑

194. Unity发布《2026游戏开发报告》，62%开发者用AI工具代码编写和优化

195. Caliber 开源 3 周斩获 250 星，用 Git 钩子让 AI 代理告别手动写

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！