过去一个月,我的手机推送里全是同一类内容:三分钟一个网站、实习生半小时搞定半天的活、不会用 AI 的人马上被淘汰。
我是一个写了八年代码的后端,说实话,这些标题看得我心里发毛。尤其是有天晚上,我看见组里一个实习生用 AI 半小时写完了一段我评估要大半天的协议解析代码,那天我失眠了,脑子里反复问自己一个问题:我的经验,还值钱吗?
焦虑这个东西很奇怪,你越刷越焦虑,越焦虑越想刷。我意识到不对劲,是在某天凌晨一点,我又点开了一条「程序员即将消失」的短视频——那时候我意识到,我在做的不是获取信息,是给自己的恐惧找食物。
于是我做了个决定:关掉短视频,把网上关于这个话题的严肃讨论系统翻一遍。我花了两个周末,看了几十篇技术博客、几份研究报告、大量一线工程师的长文讨论。翻完之后,一个有意思的事情发生了:我不焦虑了。
不是因为我找到了「程序员绝对安全」的保证——恰恰相反,是因为我找到了比保证更有用的东西:一张清楚的地图。
先把结论放在前面:AI 不会让程序员这个职业突然消失,但它正在重新给程序员的能力定价。有些原本值钱的东西在降价,有些原本不起眼的东西在涨价。这句话听起来平淡,但它的含义比「会取代」和「不会取代」都深刻——因为「取代」是二元判断,让你只能恐惧或者侥幸;而「定价」是结构判断,让你能看清自己该往哪走。
我为什么信这个判断?因为它是唯一能同时解释我观察到所有现象的说法。
它能解释为什么实习生半小时搞定协议解析,但求他独立排查一次线上内存泄漏还是不行——代码实现在降价,复杂调试在涨价。它能解释为什么公司招聘 JD 里 AI 关键词越来越多,但面试还是会让你手写一道算法题——低阶执行被工具接管了,但对你「自己能不能想明白」的考察反而更严了。它还能解释为什么组里最资深的工程师现在用 AI 用得最凶,反而是一些初级同事在抗拒——涨价的那部分能力,恰恰是资深的人手上最多的。
翻资料的过程中,我也把网上的说法归了归类。大致是五类:情绪密度极高但论证稀薄的「焦虑营销派」,混淆了 Demo 和产品;轻飘飘一句「AI 只是工具」的「粗暴安慰派」,听着舒服但不指导行动;讲分层分化的「结构分化派」,说行业总量和个人处境不是一回事;讲效率创造需求的「效率乐观派」,引用杰文斯悖论,有道理但容易被当成安慰剂;还有最容易被忽视的「认知退化派」,讨论 AI 会不会让学习阶段的人变弱。
这五类里,前两类是噪音,后三类是信号。而让我睡个好觉的,正是那三类信号拼出来的完整图景:
行业软件需求还在增长,工程问题没有消失,复杂系统没有消失,真实世界的责任也没有消失。AI 拿走的是「结构清晰、样例丰富、重复性高」的那部分工作,留下的是「需要判断、需要设计、需要承担后果」的那部分工作。职业没有危险,危险的是停在原地的那部分能力结构。
想通这一点之后,我给自己列了一张自查表,今天也分享给你。三个问题,每个都要诚实回答:
第一个问题:我现在每天的工作里,有多大比例是「给一段明确的需求,写出结构清晰的代码」?这个比例越高,我在降价区间里的暴露越大。
第二个问题:我上一次独立定位一个复杂线上问题、独立设计一个系统方案、独立为一个技术决策承担后果,是什么时候?这个时间越近,我在涨价区间里的分量越足。
第三个问题:我用 AI 的方式,是让它放大我的判断,还是让它替我思考?前者是我的杠杆,后者是我的麻醉剂。
我的自查结果说出来有点丢人:第一个问题比例过半,第二个问题上一次是两年前,第三个问题最近半年越界了不止一次。所以那天晚上之后,我做了一个具体的决定——组里下一个难啃的性能优化专项,我主动申请主责,不再让 AI 打头阵、我来收尾,而是反过来。
两周下来,我找回了一种久违的感觉:那些被 AI 包办的日子里慢慢钝掉的肌肉,重新开始酸痛了。酸痛是好事。技能的形成需要摩擦,太光滑的路面,人是走不稳的。
焦虑不会因为一条视频而消失,也不会因为一句安慰而消失。它只会在你把模糊的恐惧换成清晰的地图之后消失。这张地图我已经画出来了,你拿去用就行:不需要「程序员不会被取代」的保证,需要的是看清自己的能力里,哪些在降价、哪些在涨价、下一步往哪边挪。
睡个好觉的前提,从来不是世界没有变化,而是你知道变化里自己的位置。
附:我翻资料的「检索地图」,直接拿走
有朋友问我那两个周末具体怎么翻的,把方法附在这里,省得你重新踩坑。
第一步,先屏蔽噪音源。短视频平台上这个话题的内容我全部划走,不是偏见,而是那类载体的时长决定了它只能给情绪,装不下论证。判断标准很简单:三分钟讲完「程序员要完了」的视频,不可能包含任何一条可验证的数据。
第二步,只读三类东西。一手研究——Anthropic、METR 这类机构的实验报告,数据和方法都摊开给你看;一线工程师的长文——写了八年代码的人在聊自己的体感,哪怕偏激,也是带着现场温度的偏激;行业数据——招聘平台对岗位要求的统计、大厂技术负责人的公开访谈。这三类东西的共同点是:作者把名声押在了内容上。
第三步,做对照笔记。同一个问题,我把不同来源的说法并排抄下来:这个行业会不会缩小?初级岗位会怎样?什么能力在升值?——你会发现严肃来源的说法高度趋同(重新定价、结构分化),而噪音来源互相打架(明天完蛋 vs 没事别慌)。趋同本身就是信号。
第四步,也是最重要的:把结论换算成自己的动作。每读完一篇,问自己「所以这周我要做什么」。读三十篇而一个动作都没产出,等于没读。
最后把我这张地图压缩成一句话送给同样在焦虑的人:恐惧来自信息的混乱,秩序来自信息的筛选。你不需要更多的观点,你需要的是更少的、更高质量的样本,外加一张把自己的能力摆上去的对照表。翻完那天你就会发现,焦虑不是被安慰好的,是被看清楚治好的。
对了,如果你问我:这场「重新定价」会持续多久?我的判断是:这不是一个事件,是一个常态。工具的能力每半年上一个台阶,价签就会跟着刷一次。所以别指望「熬过这一阵」——不存在那一阵,只存在「定期盘点自己价格表」这个习惯。习惯养成了,每一次技术波动对你都是校准坐标的机会;习惯没养成,每一次波动都是一次新的惊慌。同一个变化,两种体验,差别只在有没有那张表。
至于那晚的失眠和这两个月的折腾值不值,我现在的答案很清楚:值。因为下一次技术浪潮来的时候——它一定会来——我会做的不是失眠,而是打开表格。这就是焦虑和从容之间的全部差别。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】


为什么要学习大模型?
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年,人才缺口已超百万,凸显培养不足。随着AI技术飞速发展,预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。


大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手,方向至关重要。 正确的学习路线可以为你节省时间,少走弯路;方向不对,努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划,带你从零基础入门到精通!

2、大模型学习书籍&文档
学习AI大模型离不开书籍文档,我精选了一系列大模型技术的书籍和学习文档(电子版),它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告
2025最新行业报告,针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码
学以致用,在项目实战中检验和巩固你所学到的知识,同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题
面试不仅是技术的较量,更需要充分的准备。在你已经掌握了大模型技术之后,就需要开始准备面试,我精心整理了一份大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。

适用人群

第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

6万+



被折叠的 条评论
为什么被折叠?



