AIGC标识 AI越来越强,工程师如何保持优势

AI每天在变强,软件工程师的焦虑很具体:手头的任务会不会被替代,下一步该往哪走。与其被动等待,不如主动制定一份能力建设计划。这份计划不宏大,但每一步都可执行,目标是在可预见的一段时间内保持优势。

先说心态。对AI保持警惕是合理的,但过度悲观没有帮助。把AI当成一种新工具,接受它成为日常的一部分,同时保留自己的判断。就业市场对初级开发者确实不友好,但我也见过没有经验的年轻人凭借创意和资源整合拿到好机会。保持好奇和开放,比反复担忧更有效。

第二件事是选定发展路径并坚持。注意力经济让人容易从一个热点跳到另一个热点,追趋势没有错,但不能把它当作核心策略。我采用T型发展:横向保持对新技术和新工具的接触与实验,纵向在金融科技工程领域持续深挖。大约七到八成的学习时间花在纵向上。计划执行初期会感觉慢,但积累到一定程度,点会连成线。

领域深度是区分度的来源。如果能把业务层面的知识和对应的技术方案打通,你会被看作独特且有价值的人。我在支付领域工作了近五年,理解支付流程和系统底层如何运转。保持行业敏感度的方式包括读书、听播客、看 newsletter、参加社区聚会。如果对金融科技感兴趣,可以从《The Anatomy of the Swipe》和《The Pay Off》两本书入手。

使用AI工具要成为AI原生,而不是AI依赖。AI擅长信息检索、探索和综合,因此上下文管理变得关键。几个对我有效的做法:前期多花时间收集需求,与相关方讨论后整理成一份持续更新的文档,供智能体读取;采用规格驱动开发来约束AI输出;写详细的架构决策记录,记录“为什么”而不只是“做什么”;通过MCP服务器和连接器把Jira、GitHub、Slack等工具接进来;先用AI广泛探索,再靠自己的判断深入;用原型而非文档与相关方沟通,提高主动性;借助AI为团队做实事,比如用Claude生成一份Go语言入门指南用于新人 onboarding。

同时要减少AI垃圾。AI让产出更容易,不意味着应该产出更多。加入新组织时不要急着改流程,先了解现有的工程工作方式。没有规则和范围界定,AI驱动开发的爆炸半径可能很大。我采取的做法包括:把PR拆小,便于审查并限制潜在问题;写提示词之前先想清楚,把思路、假设和方法写下来;设置人工检查点,架构决策和大改动必须有人把关;提示时明确目标读者,提高相关性。分享AI生成的内容前,我会问自己五个问题:我真的审查过吗?我贡献了原创思考吗?我是在帮人省时间还是浪费时间?我敢在上面署名吗?我是否明确标注了AI生成?一个简单的底线是:自己不愿读的文档不要发给别人。

信息越来越易得,个性和经验反而更值钱。我花更多时间提升软技能:沟通、倾听、需求收集。人们更看重体验,而不只是解决方案。AI不擅长在组织层面推动变革并让工程师欣然接受,它容易过度设计。好的工程文化是用简单方案和有效工具解决复杂问题。我也不断提醒自己,不要让AI夺走观点和构建的乐趣。我坚持动手做实验,因为对构建软件系统的热情是招聘中越来越被看重的信号。与其在AI擅长的地方硬拼,不如在它表现更差的地方发力:来自真实经验和独特视角的热情与创造性思考。

最后是建立个人品牌和社区连接。参加聚会、与同行辩论、分享自己的视角,这些是AI无法替代的人类经验交换。可以在技术社区写实验和思考,在职业社交平台参与讨论,维护一个能体现自己热情和方向的GitHub项目集。重要的不只是你在构建什么,还有你为什么构建。

这份计划没有魔法,核心是投资基础、选定方向、深耕领域、有边界地使用AI、打磨软技能、建立可见度。每一步都不复杂,难在持续执行。你可以从今天开始,选其中一项动手。

posted on 2026-11-16 00:40  朋友圈自动点赞工具  阅读(25)  评论(0)    收藏  举报