vibecoding有感

25年刚开年DeepSeek横空出世，集团下发红头文件，全面拥抱AI，楼主毅然从一个JavaBoy通过内部考试转成了AI开发工程师，到目前为止算是整整一年了。今天来聊一下所谓AI开发工程师都在干什么？首先我们内部有一个共识，现在看到的大部分的AI应用，在公司层面完全是探索阶段，就是说大部分的AI应用都是一个华丽的demo，根本没法保证用户的大量使用了。强如千问，该崩还是得崩。所以我今年一半的工作内容都是在调研新技术，调研新交互模式，开各种会，这个时候你就会感慨为什么乔布斯、张小龙他们是产品而不是研发，很多时候我们精心设计，经过用户调研、项目立项、产品原型设计、技术调研、评审等等等环节，设计出来...

作为程序员，我发现ai写代码总是会出一些bug我最近想到一个可能的原因：代码本质上不是“顺序的文本”，但 AI 模型是按照语言的逻辑在生成。先说语言。语言是天然的时序性信息：一个词接着一个词，说话的人一句一句说，听的人一句一句听。Transformer 这样的模型，就是把前面的词作为输入，再预测下一个词，然后继续往下推。这个逻辑完全符合语言的规律但代码不一样。编程语言里的很多东西，顺序其实没那么重要。比如在 C 里，你先定义结构体再引用，还是先引用再定义，只要编译器能找到，结果是一样的。代码更像一幅画，画家是一步步画出来的，但观众在看时看到的是完整的一张画。计算机存储图像时，也不会去记录画家的每一笔，而是一次性把每个像素的位置都保存下来。代码其实也差不多，虽然我们是逐行写，但真正运行时，它是作为一个整体被处理的。问题就出在这里。我们现在让 AI 用“写故事”的方式去“写程序”，它自然会经常出错。就算有些 Agent 会不断自我纠错，它折腾半天，还是没能改对，就会怀疑：是不是一开始把代码当成语言来处理，就是方向错了？也许未来的代码模型，不应该完全依赖时序展开，而是要找到一种新的结构？既能理解 token，又能直接理解代码的整体逻辑

一、市场上到底要什么人？去招聘网站搜“大模型”，JD看一圈就会发现，岗位其实就三类：① 基模方向：预训练、模型架构、scaling law门槛：顶会paper or 名校博士结论：有就有，没有就别强求，不是几个月能补的② Infra方向：分布式训练、GPU集群、推理加速门槛：扎实的系统底层能力结论：你们组是做这个的就可以冲③ 应用层方向  这是大多数人的机会！不动模型：RAG、Agent动模型：SFT、RL（RLHF/RLAIF） 0基础同学能在4个月内真正拿到offer的地方，就是应用层二、技能要会在点子上，别被概念带偏现在各种概念满天飞，A2A、MCP、GraphRAG...每周都有新名词...

小破厂开工红包 实习生发了两千块