AI
AI 工具的实际用法、使用心得与趋势观察
重新定义程序员:从代码生产者,到系统设计者
如果程序员仍然只把自己定义为代码的生产者,这种价值定位还能维持多久?我尝试从执行、设计、目标三个层次重新理解这个职业,把技术知识、个人经验、AI协作和交付成果都梳理成可以长期积累的工程能力。
为什么未来的高手,都是「人机协作系统」的设计者
当AI能完成越来越多具体任务,真正的竞争力可能不再是会用某个工具,而是能否设计一套人与AI协同工作的系统。明确目标、拆解任务、分配角色、验证结果、反馈迭代,这些系统设计的基本逻辑,正在成为高手的核心能力。
经验在 AI 时代还有没有价值,取决于它有没有被结构化
AI几分钟就能给出我当年要查很久的答案,于是我开始重新怀疑经验的价值。真正有价值的经验不是做过多少事、记住多少知识,而是能否在下一次做判断;只有把经历拆成事实、原因、规律和检查机制,它才能被AI调用,也才能持续迭代。
AI Agent时代,一个人的生产力系统该怎么搭
当AI Agent能够独立完成一段相对完整的工作流程,过去围绕个人时间搭建的生产力系统已经不够用了。我把自己的系统重新拆成目标、上下文、执行、反馈和治理五层,重点不是把所有事情自动化,而是让重复工作更轻、让积累真正可复用。
未来十年,哪些技术能力会持续贬值
当某些技术能力越来越容易获得,我开始把能力也当成一项需要评估的资产。单纯写代码、只会用某个框架、只按需求执行、只对局部负责,这些能力正在失去稀缺性,更值得投入的是问题定义、系统理解和把经验转化为资产的能力。
如何用AI,给自己的知识系统做一次自动化归档
知识系统设计得越来越完善,却未必真的被管理好,记录之后如何归档、关联和找回,才是让我头疼的地方。我尝试把归档拆成人、AI和工具之间的分工,让AI处理可以标准化的整理,自己只负责判断什么值得留下。
AI不会替代程序员,但会淘汰旧版本的协议
AI未必会淘汰程序员,但会让某些旧的工作协议越来越不划算,比如把执行过程当成价值本身,或坚持每件事都必须亲自完成。我试着识别这些默认规则,重新设计自己与工具、与未来之间的分工方式。
不会用AI的人,会不会成为新的「文盲」?
不会使用AI的人是否正在成为新的文盲,这个说法虽然夸张,却提醒我关注一件更实际的事。真正的差距不在会不会用工具,而在能否借它把模糊想法变成可靠结果,同时保留自己的判断力,而不是把思考也一并交出去。
AI时代,程序员的核心资产到底是什么
当AI能完成大部分编码工作,十几年积累的技术经验还剩多少价值?我重新做了一次资产盘点:真正值得积累的,是定义问题的能力、对复杂系统的理解、判断AI输出是否可信,以及把一次性工作沉淀为可复用资产的能力。
2026 年 X 上最值得关注的 100 个 AI 博主(全球精选榜单)
学 AI 最怕待在信息链下游。国内看到的往往都是二手转述,真正的一手信号和实战经验到底在哪?这份榜单从 OpenAI、Anthropic 的掌舵人,到国内一线搓产品的中文实战派,精选出 100 个含金量最高的账号。