软件和互联网行业裁员是之前疫情期间过度乐观招了太多人，而不是 AI 抢了这些人的工作。被裁掉的这些人，在大企业里本来也做不了什么事，他们起到的作用就是产生内在摩擦力，在电梯里做俯卧撑上上下下而已。
所谓 AI 抢了人的工作，到现在看是不假思索的陈词滥调。影响人的工作，只有人本身，而不是

互联网充电｜优质资源
优质内容｜内幕消息

无招离开钉钉后，花名会被没收吗？

Google Developer 这场圆桌干货真多。

Google Developer 这场圆桌讨论含金量非常高，推荐所有的程序员和产品经理都可以看看。

几位嘉宾都是谷歌非常资深的工程师和管理者，他们分享了各自对接下来程序员职业发展的看法，应该是我今年听过最有见地和接地气的判断了。

下面是我的笔记：

1、程序员应该主动放下对语法的执念。过去学习一门语言，往往要花大量时间记忆各种语法细节。

现在这些工作越来越适合交给 AI。真正值得投入精力的，是理解这门语言为什么这样设计、适合解决什么问题，以及不同技术方案背后的取舍。

语法越来越容易获得，判断力反而越来越稀缺。

2、Senior Engineer 的定义变了。过去资深工程师的价值，是能写出别人写不出来的代码。

现在资深工程师的价值，更多体现在理解复杂系统、拆解复杂问题，以及做出正确的权衡判断。

面对同一个需求，他知道哪些方案适合业务长期发展，哪些方案只是看起来很先进，实际却会带来新的复杂度。

3、AI 正在模糊职业边界。谷歌有团队做过一次统计，一周时间里，软件工程师大部分时间都在补文档、写设计文档，而 UX Researcher 反而开始写代码。

过去很多需要跨团队协作的事情，正在被 AI 压缩到一个人身上完成。

确实，AI 会让每个人获得一些跨领域能力，但大多数时候只能达到入门水平。

产品经理能写一点代码，工程师能做一点设计，研究员能做一点原型。但真正的竞争力，依然来自自己专业领域里的高级判断力。

4、AI 时代，内部文档的重要性反而在上升。当团队开始大量使用 Agent，相当于团队规模突然翻倍，而且新增成员几乎没有任何背景知识。

如果设计决策、业务规则和历史上下文没有被记录下来，再聪明的 Agent 也很难发挥作用。

5、AI 时代最危险的事情是把思考让渡给 AI。

很多人现在写代码的方式是，把需求告诉给 AI，让它生成，错了再让 AI 修改。

时间久了之后，系统虽然还能运行，但自己已经说不清楚为什么这样设计、为什么这样实现。

这就是所谓的 Cognitive Debt。

AI 给出答案之后，不验证、不质疑、不追问，直接接受，表面上效率很高，实际上是在逐步放弃自己的判断能力。

短期看是在省时间，长期看是在搭纸牌屋。等系统真正出问题的时候，你会发现自己根本不知道它为什么会这样工作。

6、以前开发者负责的是实现路径，诸如用什么语言、什么框架、怎么写每一行代码。

现在越来越多时候，开发者要描述的是 end state，也就是最终想要什么。你要把问题、目标、约束、边界、质量要求讲清楚，然后让 AI 去实现。

但这件事没那么简单。不是随便写一句 prompt 就完了。

你得非常清楚地知道：什么叫 done，什么叫 good，用户真正要解决什么问题，系统要满足哪些质量标准。

比如功能正确只是 done 的一部分，性能、可访问性、交互体验、稳定性，也都应该写进意图里。

7、架构能力正在往下沉。以前可能只有高级工程师、架构师才经常考虑系统拆分、模块关系、通信方式。现在只要你用 Agent，你就得想这些问题。

比如，一个任务应该交给一个 Agent 跑一天，还是拆成十个 Agent 各跑一小时？哪些任务适合后台跑？

哪些任务必须人盯着？一个 Agent 的职责边界在哪里？多个 Agent 怎么协作？这些都已经变成普通开发者也要面对的问题。

8、很多人把 AI 当工具用，但更高阶的玩法是把 AI 当成一个持续成长的协作者。

真正有价值的动作，是分析 Agent 的错误。Agent 为什么会犯这个错？是上下文缺失？规则不清晰？还是需求本身有歧义？

很多人遇到错误之后第一反应是赶紧修复。

但优秀的工程师遇到错误之后第一反应是总结。因为修复一次错误，只能解决今天的问题。

理解错误产生的原因，才能解决未来的问题。

9、一个特别实用的方法，是把 AI 当成一个专门挑刺的导师。

代码写完之后问它：我漏了什么逻辑没？哪里会出问题？别人会怎么反对这个方案？文档写完之后也问同样的问题。

很多时候最有价值的，是让 AI 帮我们发现自己看不见的盲区。

10、不要把忙碌误认为生产力。

很多人喜欢吹嘘说自己同时启动了 20 个 Agent 干活，并行在干 10 个任务，看起来很厉害。

理论上确实可以同时开很多个 Agent 干活，但人的注意力不能并行。Agent 多了以后，我们可能会花大量时间分配任务、检查结果、修正方向，最后看起来很忙，其实生产力不一定高。

真正重要的能力，是知道哪些事情应该交给 Agent，哪些事情必须自己深度参与。

忙碌和有产出是两回事。

11、不要试图跟上所有变化。AI 时代很容易陷入一种错觉，好像每天都有新工具出现，自己只要慢一步就会被淘汰。

一个具体的方法是，给自己设定固定的实验预算。比如每个月认真研究一个工具，或者每周固定留出几个小时做实验。适合自己的就留下，不适合自己的就快速放弃。

变化越来越快之后，真正重要的能力已经不是追热点，而是筛选热点。

最近读完曼昆写的《经济学原理》， 写的通俗易懂。
推荐IT朋友多读一下经济学的书， 可以了解社会和市场运行原理， 给自己的认知增加很多广度。
当我们学会了经济学以及人性的原理后， 我们再看世界就不会因为二元论无法解释社会的很多现象,而让自己内心充满冲突。
https://manateelazycat.github.io/reading/2023/06/18/principles-of-economics.html

互联网充电｜优质资源
优质内容｜内幕消息