今天我想讲一个比较沉重的话题大家觉得未来还有程序员吗我是不是不应该这么问容易让人焦虑我换种话术问吧。大家觉得现在在大厂中我们这些程序员应该怎么向 AI 靠齐我们的核心竞争力究竟又是什么我讲讲我的想法仅仅一家之言。我觉得以后程序员的核心能力其实是从交付代码变成交付价值。❝也就是说写代码以后肯定是非常容易和简单的一件事情。因为 AI 写代码的能力实在是太强了它写的代码肯定比大部分人好的多而且更快。但是呢这个代码怎么契合到你的业务和架构这个 AI 是不具备的这个需要行业经验。就好比说你没有做过这个东西你就不会知道里面的坑和问题点在哪里这样的话你做出来的东西就一定不是一个产品级别的而只能是一个 Demo 或者一个能跑通的一个玩具而已。所以说我们以后真正的核心能力不是说你写代码有多厉害而是说你对整个业务和架构的理解深度。举个例子吧。之前我们去开发支付系统和电商系统的时候为了保证最终一致性还是强一致性怎么和业务结合去取舍这些都是需要人来判断的。再比如我们从单体然后到微服务这些设计的时候这个其实是更偏向于顶层的架构设计而不是说我光会写代码就可以的。所以我刚说的未来的核心竞争力其实是交付价值这个价值其实是整个架构式的思维。❝从一个类似于 Leader 的角度去统筹前端、后端UI 或者其他的把它当做一个整体。而我们呢就更像是一个编排者。我们要知道把不同的任务分给不同的 Agent然后对他的结果有审查能力并且知道他这个过程中可能会出现什么样的问题。这里我说下审查能力我觉得这个真的特别重要❝我们得知道每一个任务它的边界和限制以及我们预期想要的效果。如果你的脑海中没有这一套的体系和思路的话你去使用 AI 是非常困难的。因为你不知道对错你甚至不知道他写了什么根本没法审查。这就是为什么经常有的人说 使用 Vibe Coding 之后但最终生成的只是个玩具。之前还专门出现了一个职业叫做 AI 审查师。还有就是我们这个统筹协调各个环节的能力也非常重要❝以前我们从PM可能上层有个 PMO 项目管理从 PM 到后端前端 UI 设计测试这整个开发流程是非常长的。这时候你可能想要去对齐一个工作一天开无数个会。但是往后的话你可能一个人就得负责一个项目或者一个生产。所以你就更应该知道哪些地方可能会返工。总结一下我觉得我们的核心竞争力包括❝第一个业务的理解如果你没有做过这个东西你不知道这个产品和商业模式是怎么样的你就没法做出一个技术上的决策。其实你也得有能力去选择技术上的最优路线还有去做业务系统架构设计的能力。最后还有对效果审查的能力以及对整个开发环节管理的能力。以前我们程序员路线都是从初级工程师到高级工程师最后再到一个 Leader。这一步步我们也会学到的一些技能和经验比如行业经验、分配任务的能力、审查结果的能力等等其实也是有价值的。大家也能看到现在很多公司不咋招初级程序员了因为初级程序员确实少了这些经验上手会比较困难。结语抓住大模型时代的职业机遇AI大模型的发展不是“替代人类”而是“重塑职业价值”——它淘汰的是重复性、低附加值的工作却催生了更多需要“技术业务”交叉能力的高端岗位。对于求职者而言想要在这波浪潮中立足不仅需要掌握Python、TensorFlow/PyTorch等技术工具更要深入理解目标行业的业务逻辑如金融的风险控制、医疗的临床需求成为“懂技术、懂业务”的复合型人才。无论是技术研发岗如算法工程师、研究员还是业务落地岗如产品经理、应用工程师大模型都为不同背景的职场人提供了广阔的发展空间。只要保持学习热情紧跟技术趋势就能在AI大模型时代找到属于自己的职业新蓝海。最近两年大模型发展很迅速在理论研究方面得到很大的拓展基础模型的能力也取得重大突破大模型现在正在积极探索落地的方向如果与各行各业结合起来是未来落地的一个重大研究方向大模型应用工程师年包50w属于中等水平如果想要入门大模型那现在正是最佳时机2025年Agent的元年2026年将会百花齐放相应的应用将覆盖文本视频语音图像等全模态如果你对AI大模型入门感兴趣那么你需要的话可以点击这里大模型重磅福利入门进阶全套104G学习资源包免费分享扫描下方csdn官方合作二维码获取哦给大家推荐一个大模型应用学习路线这个学习路线的具体内容如下第一节提示词工程提示词是用于与AI模型沟通交流的这一部分主要介绍基本概念和相应的实践高级的提示词工程来实现模型最佳效果以现实案例为基础进行案例讲解在企业中除了微调之外最喜欢的就是用提示词工程技术来实现模型性能的提升第二节检索增强生成RAG可能大家经常会看见RAG这个名词这个就是将向量数据库与大模型结合的技术通过外部知识来增强改进提升大模型的回答结果这一部分主要介绍RAG架构与组件从零开始搭建RAG系统生成部署RAG性能优化等第三节微调预训练之后的模型想要在具体任务上进行适配那就需要通过微调来提升模型的性能能满足定制化的需求这一部分主要介绍微调的基础模型适配技术最佳实践的案例以及资源优化等内容第四节模型部署想要把预训练或者微调之后的模型应用于生产实践那就需要部署模型部署分为云端部署和本地部署部署的过程中需要考虑硬件支持服务器性能以及对性能进行优化使用过程中的监控维护等第五节人工智能系统和项目这一部分主要介绍自主人工智能系统包括代理框架决策框架多智能体系统以及实际应用然后通过实践项目应用前面学习到的知识包括端到端的实现行业相关情景等学完上面的大模型应用技术就可以去做一些开源的项目大模型领域现在非常注重项目的落地后续可以学习一些Agent框架等内容上面的资料做了一些整理有需要的同学可以下方添加二维码获取仅供学习使用