标签: 编程
关于AI能写代码的当下，大学学编程的核心不是学不学，而是要区分哪些是AI能做好的
关于AI能写代码的当下，大学学编程的核心不是学不学，而是要区分哪些是AI能做好的不用深钻，哪些是指挥AI所需的判断力对应的基础知识，这些得好好学。
UG编程模板迎来了封神之路，AI扶我青云志。
UG编程模板迎来了封神之路，AI扶我青云志。
古法编程的负反馈，本质是业务需求超出个人舒适区的边界，而这些负反馈其实是打开知识
古法编程的负反馈，本质是业务需求超出个人舒适区的边界，而这些负反馈其实是打开知识迷雾的进度条，只要把最初的技术基础打牢，最终都会转化为正反馈。
AI降低了编程和工程实现的门槛，很多老派程序员失业了，这其实是挺大的一个破坏。
AI降低了编程和工程实现的门槛，很多老派程序员失业了，这其实是挺大的一个破坏。但AI降低工程实现上的门槛，同时也可能带来巨大的机遇：就是创业的门槛同样降低了！以前需要招很多人成立大的公司的事情，可能只需要一小部分人，甚至一个人，就可以做出一个完整的成果了，这对有见解有全套经验的人，组建小团体进行创业，提供了很大的机遇。被裁的员工，如果是有能力的员工，可能基于自身的专业和经验积累（这部分是真门槛，不是谁都可以达到，但是也有不少这样的人以前只能打工，现在可以创业了），低成本和低门槛的进行创业。这样又可以把失业的人重新组织起来，现在是AI的快速发展，很可能可以帮助有经验的人做到这一点，说不定AI到了一定程度，就会有小的创业公司遍地开花，不是现在，是可能的未来会发生的事。
计算机Python学习编程大学生网站分享热门游戏人工智能入门学习网
计算机Python学习编程大学生网站分享热门游戏人工智能入门学习网站编程网站
一篇技术观点文章提出，随着人工智能编程从简单的“提示即生成”发展为拥有验证框架、
一篇技术观点文章提出，随着人工智能编程从简单的“提示即生成”发展为拥有验证框架、规则文件、测试套件和自主执行流程的工程实践，软件工程的重点正在改变。作者认为，当人类越来越少逐行阅读AI生成的代码时，编程语言的核心价值就不再只是便于人类阅读实现细节，而是要更精确地表达“程序应该做什么”。因此，未来语言的竞争力可能会从实现便利性转向规格表达能力。文章以Lean4为例，主张用类型系统直接充当规格说明。其理论基础是Curry-Howard对应关系：类型即命题，程序即证明。依赖类型让开发者不仅声明某个函数返回列表，还可以要求它返回一个附带机器可验证排序证明的有序列表。这样，编译器不再只检查代码能否运行，而是检查实现是否满足逻辑承诺。只要规格可以写成类型，AI就可以自由选择算法，但若没有有效证明，结果会被编译器拒绝。作者认为，这标志着类型驱动开发可能迎来新阶段：人类更擅长定义意图和约束，AI更擅长生成实现和补全证明，依赖类型成为两者之间的桥梁。文章通过排序算法的Lean4示例说明，无论是插入排序还是其他AI生成的实现，类型本身都能强制输出满足正确性，而不依赖传统测试作为主要保障。这一观点的核心是，在AI高速生产代码的时代，工程信任的关键应从“看起来能用”转向“可被机器证明”。
![[捂脸哭][捂脸哭][捂脸哭]我有个建议，没做过编程的人还是不要评论代码。](http://image.uczzd.cn/2629797491563489065.jpg?id=0)
AI编程创业｜产品化最佳实践业务人用AI快速搭软件，但大多只能本地跑，难
AI编程创业｜产品化最佳实践业务人用AI快速搭软件，但大多只能本地跑，难以规模化交付。判断产品价值看两点：是否提效？对比同类有没有独特优势？思路再好，也要架构与部署支撑，才能放大给更多用户使用。来找我，帮你把AI原型落地成可复制、多用户可用的商用产品。
智谱AI编程工具ZCode把4万多个文件静悄悄传上云，删了也没用9
智谱AI编程工具ZCode把4万多个文件静悄悄传上云，删了也没用9月18日凌晨，程序员发现只要登录着ZCode，自己一个包含42411个文件的仓库加密打包默默上传云端。更离谱的是两个事：这些文件大部分是自己仓库里的历史代码；加密打包后密钥在云端而不是用户手里。当前代码给AI看，很多人能接受；历史库被静默上传，是另一回事。隐私政策里对此类事项只字未提，就更不应该了。当天下午，智谱在用户群道歉，说是"仓库百科"功能默认开着闯的祸，数据云端用完就删、已修复，还承诺开源客户端、找第三方审查、给全体用户补一次周额度。行动迅速，态度诚恳。但是不是这就是全部事实真相，我看要打问号，因为真的有人看了客户端源码。当晚7点，已有公司把ZCode全线禁用。错误存在，道歉也应该。但是看看我们自己的AI编程工具，隐私政策我们真的会去研究吗？不会，研究了也不能100%放心。AI编程工具飞速发展，热情拥抱的同时，安全治理也急需规范！AI智谱AI编程
用豆包做了个个人博客，比想象中好，这个网站放在以前布哥用古法编程得开发好几个月，
用豆包做了个个人博客，比想象中好，这个网站放在以前布哥用古法编程得开发好几个月，现在用Ai只要几天碎片时间就做出来了
#智谱ZCode#智谱（ZhipuAI）旗下编程工具ZCode近期被曝“后台上传用户本地代码数据”。
#智谱ZCode#智谱（ZhipuAI）旗下编程工具ZCode近期被曝“后台上传用户本地代码数据”。一名开发者在清理本地~/.zcode目录时发现加密快照文件（约313MB），经分析显示工作区内容（包括大量.git历史、LFS缓存、对象等，占比很高）被打包，并尝试上传至阿里云OSS。上传行为被指在后台进行，且可智谱ZCode智谱（ZhipuAI）旗下编程工具ZCode近期被曝“后台上传用户本地代码数据”。一名开发者在清理本地~/.zcode目录时发现加密快照文件（约313MB），经分析显示工作区内容（包括大量.git历史、LFS缓存、对象等，占比很高）被打包，并尝试上传至阿里云OSS。上传行为被指在后台进行，且可能无视客户端隐私开关。质疑点包括：隐私政策披露不够充分、上传范围是否包含完整Git历史、服务端是否具备解密能力等。官方回应尚未逐一详细解释所有技术细节。其他相关隐私记录。•2025年5月：国家网络与信息安全信息通报中心通报，智谱清言（版本2.9.6）存在“实际收集的个人信息超出用户授权范围”问题，与Kimi等其他AI应用一同被点名。•智谱招股书中曾提及用户数据保护风险（“我们可能无法保护我们的用户数据”）以及训练数据合规不确定性。
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年的东西没用了，难受得说不出来最近，一段程序员谈论AI的视频引发关注。镜头前的人几次想继续说，却明显卡住了，情绪上来后声音也变得断断续续。他难受的原因，并不是单纯找不到工作，而是自己长期积累的专业能力，突然遭遇了前所未有的冲击：公司开始大规模使用AI辅助编程，原本需要多人完成的开发工作，被压缩成了更少的人手。这件事之所以让很多程序员产生共鸣，是因为写代码从来不是一天两天就能掌握的技能。有人大学四年学习计算机，毕业后继续考证、做项目、学框架，进入公司后还要不断补数据库、服务器、网络、安全等知识。工作几年以后，真正能够独立负责项目的人，往往已经在这个行业里投入了很长时间。过去，程序员提高效率主要靠自己积累经验。一个Bug为什么出现、哪段程序容易出错、怎样优化数据库查询、怎样让系统承受更多访问量，都需要长期实践。现在情况正在改变，AI已经能够根据自然语言生成函数、接口、测试代码，还能协助排查错误、整理文档和修改已有程序。这意味着企业看到的不只是“AI会写几行代码”，而是一整套工作流程正在被压缩。以前一个项目可能需要产品、前端、后端、测试等多人协作，其中大量基础工作具有重复性。AI进入开发流程后，一部分任务可以由一个工程师借助工具快速完成。公司如果认为同样的项目可以用更少的人做，自然会重新计算人员配置。这也是那名程序员最难受的地方。他真正失去的，不只是某一份工作，而是过去建立起来的职业安全感。2026年，海外科技企业已经出现多起与AI转型有关的裁员和岗位重组。Anthropic发布的《2026年智能体编码趋势报告》指出，“只会写代码的程序员将逐渐被市场淘汰”，程序员的角色将从“代码编写者”转变为“智能体指挥官”。但这恰恰说明，AI目前还远远没有到了“程序员全部消失”的程度。一方面，AI确实能够大幅提高某些开发工作的速度；另一方面，软件开发并不是把代码生成出来就结束了。需求理解、系统架构、权限设计、数据安全、上线维护，以及出现严重故障后的处理，都需要经验丰富的人承担责任。ACM通讯的报道指出，AI生成代码存在“质量与安全瓶颈”，验证与确认仍然是需要人类判断的环节。所以，那句“学了十年的东西没用了”，更准确地说，是过去那套单纯依靠手写代码建立竞争优势的方式正在贬值。以前，一个程序员如果熟练掌握某种语言、框架和开发工具，就可能拥有明显优势。以后企业更看重的，可能是一个人能不能把AI变成生产力，能不能判断AI给出的结果对不对，能不能找到机器解决不了的问题。这其实比单纯学习某一种编程语言更加困难。因为代码可以让AI生成，但判断代码是否可靠，需要真正理解程序。AI写出来的东西看上去完整，并不意味着没有漏洞。尤其是大型系统，某个看似不起眼的修改，都可能牵动其他模块。对于刚入行的人来说，压力尤其明显。过去公司可以招聘大量新人，让他们从简单任务开始，几年以后成长为成熟工程师。现在部分重复性工作直接被AI承担，企业对初级岗位的需求自然可能减少。根据Forbes的报道，美国初级软件开发者就业已连续33个月下降，22至25岁软件开发者在AI暴露职业中的就业人数同比下降4.3%。这就形成了一个值得关注的问题：如果新人没有机会做基础工作，又怎么成长为未来的高级工程师？华盛顿大学教授AmyJ.Ko在ACM通讯中警告：“没有那些基础经验，我们没有办法教、培训或教育软件开发者成为高级或架构级软件工程师”。所以，这段视频真正值得关注的，并不是“AI要不要取代程序员”这么简单，而是技术升级之后，一个普通人的十年积累应该怎样重新定价。十年前学会的东西不会凭空消失。计算机基础、算法思维、系统设计、工程经验，这些依旧存在价值，只是使用方式正在变化。过去是人亲手完成更多代码，现在可能变成人提出需求、拆解任务、调用AI，再对结果进行验证和负责。对于已经工作多年的程序员来说，这个过程确实残酷。毕竟一个人很难轻松接受：自己曾经花大量时间练出来的核心技能，如今被工具迅速降低了门槛。那种哽咽，并不奇怪。但从行业变化来看，更现实的方向不是和AI比谁写代码更快，而是让自己的能力从“写代码的人”向“解决软件问题的人”移动。AI能够生成大量代码，却仍然需要人决定做什么、为什么做、怎样验收，以及出了问题由谁承担责任。技术革命从来不会提前通知每一个人。对程序员来说，这次变化来得尤其直接。有人因此失去岗位，也有人借助新工具扩大自己的能力边界。那位在镜头前难以继续说下去的程序员，代表的是正在经历转型阵痛的一群人。十年学习并没有白费，只是曾经熟悉的职业规则正在改变。真正让人难受的，也许不是AI会写代码，而是一个人第一次清楚地发现：自己用了十年建立起来的优势，可能在短短几年里就需要重新定义。
普通人想参与AI革命，第一反应是学编程、转行、或者创业。但说实话，这三条路对普通
普通人想参与AI革命，第一反应是学编程、转行、或者创业。但说实话，这三条路对普通人都不太现实。可有一件事，普通人做得来，而且历史上反复被验证有效——买股票，更准确地说，买指数。问题来了：买哪只股票？答案是，最好别赌。长期数据摆在那里。股市的大部分回报，由少数超级巨头贡献。绝大多数个股跑输无风险收益，甚至直接退市。普通人的信息、资金、心态，都不支持你提前锁定那几只赢家。所以指数不是懒人选项，是承认自己无法预测赢家后的最优解。它不猜谁会赢，它把掉队的踢出去，把新赢家自动装进来。动态汰弱留强，这六个字就是指数最大的护城河。想再聚焦一点，有AI赛道ETF。BOTZ、AIQ、ROBO、SMH，按你对AI的理解选。如果对AI还没那么有信心，就定投纳指100ETF。纳指里跟AI沾边的公司大概30到40家，数量占三到四成，但科技和AI巨头的权重合计超过五成。你看着是在买指数，实际上已经重仓了算力、芯片、云计算和大模型。不押单一赢家，也能吃上时代红利。但说句实话。指数解决的是选股问题，解决不了波动问题。2022年那种跌法还会再来，中间照样有人割在最低点。所以参与方式比标的更重要。固定金额、固定日期、关掉APP。跌了你有仓位，涨了你不踏空。3年后再看，你的成本大概率在一个舒服的位置。你不需要比谁都懂AI。你只需要在别人恐慌下车的时候，还坐在车上。你觉得普通人靠定投指数吃上时代红利，靠谱吗？评论区聊聊。
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年
刷到一个程序员，发视频哽咽难言，原来公司采用AI编程，裁了一半程序员，他学了十年的东西没用了，难受得说不出来。我经历过好多类似新事物替代旧事物的过程了，面对这种情况就一种应对方式，马上学习新的AI技能，现在没啥对手，马上学来得及。我如果二十多岁，我现在会一天十几个小时去学这个，适应时代比坐在原地难过更重要。你要问我具体学什么。。。别问了，自己找。
吴恩达专门发推提醒：编程Agent千万别放手不管。有人鼓吹只给需求就行，剩下全
吴恩达专门发推提醒：编程Agent千万别放手不管。有人鼓吹只给需求就行，剩下全自动。真这么干的人，Token烧光了也写不出能上线的应用。他用实际经验证明，高手用Agent有固定流程：先规划，再执行，后审查，最后调优。尤其是长任务，Agent连着跑几小时就是灾难，必须人工分段介入，及时纠偏。核心就一句：你不懂Agent怎么管理上下文、怎么调用工具，就肯定拿不到好结果。现在不少模型宣传效果很猛，但实际用起来，自主性就像没拴绳的狗，撒手就失控。说到底，AI负责干活，人负责掌舵。你觉得现阶段编程Agent，最该由人死守的底线是什么？
今天早上在X上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用CodingAg
今天早上在X上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用CodingAgent》，是关于AI工程技能的文章，聊的是怎么用好编程Agent。吴恩达采访了几十位顶尖AI工程师，总结出了一套大家公认的工作流程，读完挺有收获的，分享给大家。先说一个大背景。现在编程Age今天早上在X上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用CodingAgent》，是关于AI工程技能的文章，聊的是怎么用好编程Agent。吴恩达采访了几十位顶尖AI工程师，总结出了一套大家公认的工作流程，读完挺有收获的，分享给大家。先说一个大背景。现在编程Agent进化得特别快，ClaudeCode、Codex、Cursor这些商业产品，还有OpenCode、Pi这些开源工具，隔几周就有大更新。所以想用好它们，你得一直跟着试、跟着学，停下来就落后了。那顶尖工程师们是怎么用编程Agent的？吴恩达总结了三个大步骤。先说第一个：规划。就是在动手之前，你得先想清楚要做什么。这包括做调研、搞清楚现有代码库长什么样，然后写一份需求文档，把技术设计和架构想明白，再拆出一个执行计划。你还可以回头审视一下这个计划，看看有没有安全隐患，有没有把简单事情搞复杂了。然后说第二个：执行。让Agent去写代码、跑测试、验证结果。这里面有个关键问题，就是你要拿捏好Agent的自主权。有时候你盯着它一步步来，有时候你可以把一大块任务丢给它自己跑。你还得管理好它的上下文，比如项目进行到一半改了需求，你得确保Agent知道这个变化。如果任务够大，你甚至可以同时开好几个Agent并行干活，但这时候你得想清楚怎么分配自己的注意力。再说第三个：部署和监控。代码写完了，你可以通过CI/CD流水线把它部署上去，然后让Agent帮你盯着日志，发现问题了自动提方案甚至直接修。你会发现，这个流程跟以前写软件其实差不多。但现在工程师花在手写代码上的时间少了很多，更多精力放在了想清楚做什么、设计架构、写好需求文档、验证产出这些事情上。吴恩达还提到了几个关键能力。第一个是审查能力。Agent的产出是不确定的，你不知道它会写出什么好代码，也不知道它会埋什么bug。所以你得设计好测试和验证流程，有些可以全自动，有些还是得人来看。你还可以用AI做代码审查和安全审计，但在关键地方，人的判断还是少不了。第二个是定制能力。你可以给Agent装插件、接MCP服务器、设置hook来自动触发代码审查或部署流程。你还可以维护一份项目说明文档，比如CLAUDE.md，让Agent每次开工都能快速了解项目背景。跑完一轮之后做个复盘，把经验沉淀下来，下次它就能做得更好。第三个是理解Agent的底层原理。你得知道它怎么搜索代码、怎么管理上下文窗口、工具调用怎么影响它的表现。搞懂这些，你才能在它跑偏的时候及时发现，给它纠正方向。最后吴恩达说：社交媒体上经常把编程Agent说得很简单，好像让它自己跑几个小时烧几百万token就行了。但实际上，真正高效的用法是一个高度迭代的过程，你得不断介入、不断判断。能在关键时刻做出高质量决策的人，才能拿到最好的结果。科技先锋官HowIAI
