即刻App年轻人的同好社区
下载
最近看到一组数据，程序员就业率在2023-2025年间暴跌了27.5%，尤其是22-25岁的年轻程序员影响最大。作为离开大厂创业5个月的老程序员，这组数字让我不由得重新审视自己的职业路径。
数据没说谎，按规格写代码的岗位正在被AI快速替代，但技术更深、能做架构和需求判断的经验开发者影响不大。对我来说，关键是转向那些AI暂时做不了的事，比如业务判断和架构设计。
这段时间，我用AI做了近30个小产品，自己写的代码少得多，核心是判断和决策。AI成了放大效率的工具，而不是竞争对手。
给同行的建议是，梳理一下自己做的工作，哪些能被AI做，哪些不能，把重心放在后者。技术进化是必然，能跳出写代码本身，看清价值所在才是长远之计。
数据没说谎，按规格写代码的岗位正在被AI快速替代，但技术更深、能做架构和需求判断的经验开发者影响不大。对我来说，关键是转向那些AI暂时做不了的事，比如业务判断和架构设计。
这段时间，我用AI做了近30个小产品，自己写的代码少得多，核心是判断和决策。AI成了放大效率的工具，而不是竞争对手。
给同行的建议是，梳理一下自己做的工作，哪些能被AI做，哪些不能，把重心放在后者。技术进化是必然，能跳出写代码本身，看清价值所在才是长远之计。
0 00
昨天看到一个案例，AI写的Solidity代码导致DeFi协议被掏走178万美元。
不是什么高级攻击，就是定价逻辑写错了一行。这让我想到现在很多人Vibe Coding写完代码直接上线，中间跳过了代码审查。
AI写代码效率确实高，但"能跑"和"能上生产"之间差着一个审计流程。尤其是涉及资金的场景，这个成本省不了。
不是什么高级攻击，就是定价逻辑写错了一行。这让我想到现在很多人Vibe Coding写完代码直接上线，中间跳过了代码审查。
AI写代码效率确实高，但"能跑"和"能上生产"之间差着一个审计流程。尤其是涉及资金的场景，这个成本省不了。
1 00
最近这半年创业，感觉效率提升了好几个档次。用上了5个AI Agent，实际上是搭建了一个数字化小团队，覆盖从内容创作到运营管理的多个环节。
举个例子，上周让负责写作的Agent写一篇3000字的AI工具横评，搜集资料到整理成稿不到40分钟。以前这一套流程得花上一整天。再比如视频制作，自动化流程下来，从策划到发布压缩到15分钟，成本几乎可以忽略。
这套AI团队让我可以少做很多重复工作，专注决策和产品本身。虽然最近没有把时间放在直接赚钱上，但这段时间打基础绝对值，效率的提升预示着后续产出会成倍增长。
创业路上，快速决策和执行真的很重要。对我来说，AI Agent不仅是工具，更像是给自己加了十倍速。
举个例子，上周让负责写作的Agent写一篇3000字的AI工具横评，搜集资料到整理成稿不到40分钟。以前这一套流程得花上一整天。再比如视频制作，自动化流程下来，从策划到发布压缩到15分钟，成本几乎可以忽略。
这套AI团队让我可以少做很多重复工作，专注决策和产品本身。虽然最近没有把时间放在直接赚钱上，但这段时间打基础绝对值，效率的提升预示着后续产出会成倍增长。
创业路上，快速决策和执行真的很重要。对我来说，AI Agent不仅是工具，更像是给自己加了十倍速。
3 01
最近看到一篇文章，说90%的程序员用AI写代码还停留在“让AI帮补行”的阶段，真正能同时指挥多路AI协作的不到1%。这其实和我最近的工作体验很像。
我这几个月用多Agent系统管理开发、内容、设计等不同任务，让AI团队各自独立完成工作，我只在关键点审核。比如做一条视频号内容，AI负责选题、脚本、配音、封面设计，效率比以前提升了几倍。数据也很明显，我的参与时间减少了80%，产出没变。
这要求的不再是单纯的写代码能力，而是拆解任务和管理AI的能力。未来程序员的价值更偏向“技术总监”层面，懂得怎样调度和验证AI产出。现在开始熟悉多Agent编排，绝对比单次补全更关键。
我这几个月用多Agent系统管理开发、内容、设计等不同任务，让AI团队各自独立完成工作，我只在关键点审核。比如做一条视频号内容，AI负责选题、脚本、配音、封面设计，效率比以前提升了几倍。数据也很明显，我的参与时间减少了80%，产出没变。
这要求的不再是单纯的写代码能力，而是拆解任务和管理AI的能力。未来程序员的价值更偏向“技术总监”层面，懂得怎样调度和验证AI产出。现在开始熟悉多Agent编排，绝对比单次补全更关键。
1 00
分享一个发现，最近用 OpenClaw 和 Remotion 做视频，效率和效果都超出预期。上线第3天，单条视频播放量从几十飙到1595，累计播放破9000，比自己拍的视频好太多。以前做一条视频要2-3小时，现在15分钟搞定，成本不到两毛钱。
核心是把视频生产拆成自动流水线：AI选题、脚本、语音克隆配音、时间戳精准字幕、代码渲染视频，几乎全自动。我只负责选题和确认发布。
用React写视频模板，统一风格，保持辨识度；用MiniMax语音克隆实现配音自然流畅；用Whisper处理时间戳保证音画同步。这样可以保持高频次产出，也解决了内容质量不稳的问题。
过程里踩过不少坑，比如TTS速度调试、字体加载、动效与音频对齐等。技术门槛有，但框架思路可以借鉴。对于创业者，一人团队的内容生产效率提升，相当有价值。
核心是把视频生产拆成自动流水线：AI选题、脚本、语音克隆配音、时间戳精准字幕、代码渲染视频，几乎全自动。我只负责选题和确认发布。
用React写视频模板，统一风格，保持辨识度；用MiniMax语音克隆实现配音自然流畅；用Whisper处理时间戳保证音画同步。这样可以保持高频次产出，也解决了内容质量不稳的问题。
过程里踩过不少坑，比如TTS速度调试、字体加载、动效与音频对齐等。技术门槛有，但框架思路可以借鉴。对于创业者，一人团队的内容生产效率提升，相当有价值。
1 00
分享一个发现，刚测了智谱的 GLM-5，感觉国产开源模型这次真的有料。参数744B，预训练数据28.5T，工程能力已经能和 Opus 4.5 比肩。
我设计了四个测试场景，从前端页面展示到搭建后端服务，再到调试报错和自动化部署。GLM-5在构架设计和安全细节上表现出色，比如用哈希存储 API Key，频率限制和错误处理也很完整。生成的项目结构清晰且代码质量高，这让我对国产模型的工程能力有了新的认知。
速度上还有提升空间，中等复杂度请求要等30-60秒，但考虑到输出质量，这个时间是可以接受的。它还能通过 Anthropic API 兼容主流工具链，开源特性带来更多定制和私有化可能。
目前我已经开始用它处理日常开发任务，能省不少API成本。国产模型正在实打实地往工程化方向靠近，值得试试。
我设计了四个测试场景，从前端页面展示到搭建后端服务，再到调试报错和自动化部署。GLM-5在构架设计和安全细节上表现出色，比如用哈希存储 API Key，频率限制和错误处理也很完整。生成的项目结构清晰且代码质量高，这让我对国产模型的工程能力有了新的认知。
速度上还有提升空间，中等复杂度请求要等30-60秒，但考虑到输出质量，这个时间是可以接受的。它还能通过 Anthropic API 兼容主流工具链，开源特性带来更多定制和私有化可能。
目前我已经开始用它处理日常开发任务，能省不少API成本。国产模型正在实打实地往工程化方向靠近，值得试试。
0 00
最近我把写文章的流程彻底改造了一下。现在从选题到发布，整个过程只要10分钟，效率提升非常明显。
我是用一个叫OpenClaw的Agent帮忙写初稿。每天早上9点，它自动推送5个选题到Telegram，我选一个，它5分钟生成文章初稿，我花5分钟改一改。文章自动推送到飞书，格式和配图都已经处理好。然后打开我做的字流工具，一键发布到14个平台，整套流程下来，速度是之前的十分之一。
这套系统的核心是我给Agent定了明确的写作风格和角色边界，还有每天的记忆系统，保证文章有我的味道且不重复。重要一点是，自动生成不等于自动发布，每篇文章我都会亲自审核再发布。
这几周下来，最大的收获是心态的改变。以前写文章是个负担，现在变成一件轻松的事，因为选题和初稿都已经有人帮忙准备好。对做内容的朋友来说，能把重复的操作交给工具，把判断留给自己，工作效率能提升一大截。
我是用一个叫OpenClaw的Agent帮忙写初稿。每天早上9点，它自动推送5个选题到Telegram，我选一个，它5分钟生成文章初稿，我花5分钟改一改。文章自动推送到飞书，格式和配图都已经处理好。然后打开我做的字流工具，一键发布到14个平台，整套流程下来，速度是之前的十分之一。
这套系统的核心是我给Agent定了明确的写作风格和角色边界，还有每天的记忆系统，保证文章有我的味道且不重复。重要一点是，自动生成不等于自动发布，每篇文章我都会亲自审核再发布。
这几周下来，最大的收获是心态的改变。以前写文章是个负担，现在变成一件轻松的事，因为选题和初稿都已经有人帮忙准备好。对做内容的朋友来说，能把重复的操作交给工具，把判断留给自己，工作效率能提升一大截。
0 00
分享一个发现，Karpathy 把“Vibe Coding”改名成“Agentic Engineering”，他说这不只是换个名字，而是 AI 编程方式的根本转变。
过去我们是写提示词让 AI 写代码，碰运气的感觉；现在是当架构师，启动一个 AI Agent 给它目标和工具，让它自己规划执行，再由你来审查和改进。
我团队最近做了30多个产品，完全用这个流程。写需求10分钟，Agent跑30分钟，我审查20分钟，手写代码不到1%。效率不是简单提升，而是工作方式的革命。
程序员的核心能力将从写代码变成设计架构、质量把关和产品判断。AI写代码越来越多，谁能保证质量，谁就有竞争力。
这门新技能对大家不是门槛降低，而是门槛提高。能玩转 Agentic Engineering的人，未来才是稀缺。
过去我们是写提示词让 AI 写代码，碰运气的感觉；现在是当架构师，启动一个 AI Agent 给它目标和工具，让它自己规划执行，再由你来审查和改进。
我团队最近做了30多个产品，完全用这个流程。写需求10分钟，Agent跑30分钟，我审查20分钟，手写代码不到1%。效率不是简单提升，而是工作方式的革命。
程序员的核心能力将从写代码变成设计架构、质量把关和产品判断。AI写代码越来越多，谁能保证质量，谁就有竞争力。
这门新技能对大家不是门槛降低，而是门槛提高。能玩转 Agentic Engineering的人，未来才是稀缺。
1 00
最近搭了套 OpenClaw 系统，6 个 AI 助理同时在线，干起活来比招实习生顺手多了。财务、法务、内容、开发、增长，我一人顶多部门的活儿，月成本不到 200 美元。Telegram 上直接@，任务马上分配，报告秒回。
和普通 ChatGPT 不一样，这套 AI 团队有记忆，有分工，还能主动检查邮箱、盯数据，甚至帮我改代码和审合同。比如内容助理写出初稿我只用修几句，增长助理自动帮我优化标题，法务助理能处理 90%常规合同工作。
安装配置很简单，写几个角色描述文件，绑定消息工具就能用。实际用了一天下来，效率提升非常明显——以前开会时还得挤时间汇报，现在手机上一句话，数据和分析全在聊天记录里。
适合独立创业者和小团队，能把3个人的活压缩成1个人完成。缺点是需要花点时间调试，没法一键搞定所有事。想要试试，可以联系我，我有完整视频教程。
和普通 ChatGPT 不一样，这套 AI 团队有记忆，有分工，还能主动检查邮箱、盯数据，甚至帮我改代码和审合同。比如内容助理写出初稿我只用修几句，增长助理自动帮我优化标题，法务助理能处理 90%常规合同工作。
安装配置很简单，写几个角色描述文件，绑定消息工具就能用。实际用了一天下来，效率提升非常明显——以前开会时还得挤时间汇报，现在手机上一句话，数据和分析全在聊天记录里。
适合独立创业者和小团队，能把3个人的活压缩成1个人完成。缺点是需要花点时间调试，没法一键搞定所有事。想要试试，可以联系我，我有完整视频教程。
1 00
分享一个发现：Anthropic 用16个Claude 4.6实例，2周时间写出了一个能编译Linux内核的C编译器。整个过程无人工干预，16个Agent协作完成了10万行Rust代码，GCC torture test通过率达到99%。这套编译器能支持x86、ARM、RISC-V三大架构，甚至能编译Doom和PostgreSQL。
让我印象深刻的是，这些Agent没有专人管理，各自挑问题、写代码、跑测试、解决冲突，自动形成了分工。没有项目经理，没有需求文档，靠协作完成了这样的系统级项目。
缺点也明显：代码性能不佳，16位实模式启动依赖GCC，依然依赖GNU工具链，代码质量只是“够用”。但这已接近当前模型的能力极限。
这说明未来软件开发的模式可能会变成“定义目标+准备测试+让Agent工作+人工复核”，而非传统的写代码。创业者和技术管理者也该关注这一点，AI团队协作时代已经到来。
让我印象深刻的是，这些Agent没有专人管理，各自挑问题、写代码、跑测试、解决冲突，自动形成了分工。没有项目经理，没有需求文档，靠协作完成了这样的系统级项目。
缺点也明显：代码性能不佳，16位实模式启动依赖GCC，依然依赖GNU工具链，代码质量只是“够用”。但这已接近当前模型的能力极限。
这说明未来软件开发的模式可能会变成“定义目标+准备测试+让Agent工作+人工复核”，而非传统的写代码。创业者和技术管理者也该关注这一点，AI团队协作时代已经到来。
1 00