大家好，我是孟健。
之前我说，AI Coding 一旦发展到 L3 阶段，程序员就没有价值了。有些人说我在危言耸听，散播焦虑。
其实焦虑不需要散播，事实摆在眼前，现在基本上没有不用 AI 的程序员了吧？
那么，程序员工作了这么多年，真的就一文不值，被 AI 取代了吗？
我想用这篇长文，尝试回答它，并和你一起复盘：在 AI 时代，程序员真正的优势到底是什么。
这里的 L3，是借用自动驾驶的分级来类比：从"辅助驾驶"（L2）到"条件自动驾驶"（L3）。
放到软件开发里，L3 更像是一种工作形态：你描述目标、约束和验收标准，AI 能在较长时间的无人值守下，自主完成大部分实现、测试、修复和迭代。
先说结论：
-
如果你掌握的是 how-to（怎么写、怎么配、怎么调），你大概率干不过 AI。
-
如果你沉淀的是底层思维（怎么抽象、怎么推理、怎么权衡），AI 反而会成为你的杠杆。
本文不谈软素质（沟通、协作、管理），只谈程序员的"硬思维"。
我认为至少有 7 个：抽象、逻辑、结构化、批判、分治、简单、成长。
01 抽象思维：软件是一门抽象的艺术
第一个思维一定是抽象思维，也是程序员最重要的一个思维。
软件本质上就是一门抽象的艺术。
程序员的工作实际上是思维的游戏，我们会敲键盘、看显示器，但是程序的运行在我们的视野之外，我们看不到程序是怎么运行的。
所以程序员必须动用抽象思维，对问题进行抽象，挖掘概念之间的关系，通过建模，实现业务需求。
很多时候，我们并不是在写代码，而是在梳理需求，或者看别人的代码，理清关系。
要理解抽象思维，我们可以从毕加索的画入手：
可以看到，抽象的牛只有几根线条，过滤了绝大多数的细节，保留了最基本的特征。
其实抽象思维更接近问题的本质，所有的牛都逃不过这几根线条。
如果你研究过哲学，其实柏拉图的洞穴之喻也是一种抽象：
囚徒们只能看到影子、听到回声，于是认为这些影子和声音就是真实世界。实际上，他们认知的真实世界，只是冰山一角。
包括我们目前所处的世界，对宇宙的认知，也是建立在抽象的基础上。如果说三维空间我们可以具体感知到，那么多维的弦理论就是无限的抽象，必须依靠想象才能理解。
数学也是一门抽象科学，所有的数学符号，本质上都是一种抽象。很多人觉得数学比较难学，就是因为它是建立在抽象思维基础之上的科学。
软件设计首要考察的能力就是抽象能力，所谓面向对象，OOAD，就是一种抽象的科学方法，从复杂的需求中挖掘关键概念和实体。
抽象是有一定的评判标准的，在软件系统的设计中，我们以 4 个指标来衡量抽象设计是否良好：
-
耦合性： 降低耦合性，可以降低复杂性。如无必要，我们希望的是弱耦合设计。
-
内聚性： 各个元素之间的联系应该是高内聚的，功能性内聚。
-
充分性： 保持最小但充分的接口设计原则。
-
完整性： 所有的必要的场景都值得考虑。
甚至我们说，设计模式就是建立在抽象思维之上的。整个计算机科学也是抽象思维，我们还记得 TCP/IP 的分层协议设计吧？这个分层设计非常经典，本质上也是对协议的拆分和抽象。
另外，编程语言的发展，本质上也是不断的抽象，我们现在所用的高级编程语言，是抽象后的结果，程序员是不可能理解底层机器码究竟怎么运行的。
软件设计的建模工具------UML，更是建立在抽象思维的基础上，没有抽象思维，我们是无法真正掌握 UML 的：
最后，我们计算机的三大难题之一：命名，本质上也是抽象思维，你命名是否恰当，完全体现在抽象思维是否够强，能够找到合适的表达方式。
在软件设计中，依赖倒置的解耦思想，面向接口编程的思想，本身就是抽象模式的设计，它需要我们具备较强的抽象思维能力才能够理解：
那么，有了 AI 之后，我们还需要抽象思维吗？
答案都不用想，肯定需要，而且抽象思维是程序员最重要的优势，有了抽象思维，你就有了总结能力，概括能力，全局观，这是人类文明诞生之后所具备的非常重要的能力！
02 逻辑思维：让"关系"可被推理
第二个思维是逻辑思维。程序构建在逻辑基础之上，然而，逻辑学是一门非常复杂的学科，不过逻辑思维并不复杂。所谓逻辑，其实就是关系，指的是一切可理解的规律。
我们常常说一个事情无逻辑，是指没有建立起事物之间的正确关系。比如一个人说"今天天气不错"，回答是"肚子好饿啊"，这两者之间就不符合逻辑关系。
我们将逻辑思维，首先第一步就是把概念定义清楚，在一个领域内，如果一个系统的核心概念定义出现问题，可能会给上层业务带来毁灭性的打击。
在领域驱动设计（Domain Driven Design）的思想中，我们需要先制定团队通用语言，语义的重要性体现在界限上下文（Bounded Context）中，一个团队只有统一了语言概念基础，划分了清晰的边界，才能更好的沟通协作。
逻辑的第二个要素是判断，是推理的基础，我们单元测试的断言，本质上就是在做判断。
我们都知道"世界上的所有人都是善良的"这个判断是假的，否则这个世界就没有违法犯罪的人了。
准确地运用判断，我们才能够进行正确的思考，而思考的形式就是推理了。
第三个要素是推理，逻辑推理可以分为演绎推理、归纳推理和溯因推理。
所谓的演绎推理，就是从一般到特殊的过程，三段论大家应该还记得：大前提 -> 小前提 -> 结论。
最著名的例子是："所有人都会死"（大前提） -> 苏格拉底是人（小前提） -> 苏格拉底会死（结论）。
这其实是一种必然推理（保真推理），因为其结论就包含在前提之中，"所有人会死"本身就包含"苏格拉底会死"。
归纳推理则是反过来，也就是从特殊到一般的过程，我们中学学过的科学归纳法，就是一种归纳推理。
经典的例子是：天鹅 A 是白的，天鹅 B 是白的，天鹅 C 是白的，天鹅 D 是白的...因此，天鹅是白的。
不过，显然我们知道这个结论是错误的，因为有黑天鹅的存在。
所以，很多哲学家认为，归纳推理永远得不到真理（但是可以产出新知识）。
而逻辑推理可以得到真理，但是不能产生新知识（真理是先验的）。
其实现代科学知识，基本上是基于归纳推理的，实验科学就是明显的归纳推理过程，本质上来说确实不是真理。
比如牛顿力学是伟大的理论，但是受到了相对论的挑战，相对论是精妙绝伦的理论，但是又受到了量子力学的挑战。
第三种推理方式是溯因推理，简单来说就是：大胆假设，小心求证。
这是个很重要的推理方式，也是最早由亚里士多德提出，我们先假设知道了答案，再去推理原因。
我们现在很多的科学解释，都建立在假说的基础之上，比如著名的宇宙大爆炸假说、生物进化假说。
很多假说都是先假设，然后被验证证实，变成了真理，比如原子假说、细胞学说、地球板块漂移假说、光量子假说、中微子假说，等等。
当然也有很多失败的假说，比如地心说，以太假说等等。
逻辑思维还有一个非常重要的概念是逻辑链，逻辑链本质上是因果链，我们可以分两个方向扩展。
往因的方向扩展，形成 5why 思考法；往果的方向扩展，形成 5so 思考法。
在工作中，在职场中，掌握 5why 和 5so 思考法，基本上就掌握了底层的逻辑思维，对于个人发展是非常有帮助的。
逻辑思维也是程序员的优势，不论是 AI 时代前还是后，逻辑思维都是我们必不可少的基础思维。
03 结构化思维：把混乱变成可协作的"结构"
第三个思维是结构化思维，相信大家都听过或看过金字塔原理。
结构化思维是以逻辑思维为基础，是一种无序到有序、混乱到清晰的思维能力。
系统的性质是由结构决定的，要素的内容是不稳定的，可随时被替换。就像忒修斯之船，虽然船的木板被换掉了，但是只要船的结构没有变，仍然是忒修斯之船。
我们做程序架构，核心也是结构，所谓的架构，就是"要素+结构"。理论上来说，程序员应该是比较擅长结构化思维的。
结构化思维是一种以逻辑（事物内在规律）为基础，从无序到有序搭建结构的思维过程。其目的是降低复杂度和认知成本，因为大脑更喜欢概念少、有规律的信息。
在金字塔结构中，总体上有两个方向的逻辑关系，即纵向逻辑关系和横向逻辑关系。一个好的金字塔结构，需要在纵向关系上满足结论先行、以上统下；在横向关系上，满足归类分组、逻辑递进这 4 个基本原则。
在纵向上，是一种层次关系，上一层思想是下一层思想的概括，下一层是对上一层的解释和支持。它的核心就是结论先行、以上统下。
在横向上，要保证每组思想必须属于同一个逻辑范畴，按照逻辑顺序进行组织。常见的逻辑顺序有三种：
-
时间顺序，最容易理解的逻辑顺序，比如活动前、活动中、活动后，就是典型的时间顺序。
-
空间顺序，空间包括实物空间和概念空间，在空间顺序上要遵循 MECE 原则（相互独立，完全穷尽），比如垃圾的可回收、不可回收。从外到内 / 从上到下 / 从整体到局部。
-
重要性顺序， 按"重要程度"来讲，通常是"最重要的放前或放后"。比如亚里士多德《修辞学》的说服三要素：品格（Ethos）、情感（Pathos）、逻辑（Logos）。
我们在解决问题的时候，一般有两种方法：一种是从目标出发，沿着不同的路径分解，探求问题的答案；另一种是把各种信息聚合起来，得出一个正确结论或解决方案。
这两种方法也是我们搭建金字塔结构时仅有的两种方法：一是自上而下 地搭建金字塔结构，即问题分解，也叫作疑问回答分解；二是自下而上地搭建金字塔结构，即概括总结做聚合。
我们在写代码时，做架构拆解是自上而下的思想，做单元测试是自下而上的思想，编程的领域，往往需要上下结合，不断切换思想。这就是我说，程序员天然就应该掌握结构化逻辑的原因。
当然，结构化思维领域远不止这些，很多前人已经帮我们抽象好了很多结构框架，我们可以直接套用，比如 2W1H、5W2H、市场营销 4P 模型、组织战略 7S 模型、SWOT 模型、SMART 模型等等，在这里就不展开了。
04 批判性思维：不轻信，也不轻易否定
第四个思维是批判性思维。其实程序员天生就有批判性思维，大家会发现程序员往往来说比较理性，且比较较真，甚至还很容易抬杠，这其实就是一种批判性思维。
冲动和情绪是理性的敌人，要做出明智的选择，就要用到批判性思维。批判性思维不仅有利于我们做出高质量的决策，更重要的是，它会培养我们保持怀疑的态度和理性思考的习惯，让我们的思维保持开放性和灵活性。
保持批判性思维并不容易。除了进行理性的思考，还要排除各种认知、本能、情绪、语言和外部权威及社会环境等其他因素的影响。
古希腊哲学家苏格拉底说，未经审视的人生不值得过。同样，未经批判性思维审视过的结论也是不值得相信的。
在一些西方国家的教育体系中，从小学、高中到大学，一直把批判性思维贯穿在各种课程中，而我国比较缺乏对批判性思维的系统性讲解和训练，国内很少有大学会开设批判性思维方面的课程。
我们的文化比较讲究经验和直觉，而批判性思维比较注重理性和逻辑；我们的文化比较讲究包容和认同，而批判性思维常常需要反驳和质疑。
然而在今天，批判性思维已经越来越重要。在这个信息爆炸的时代，针对同一个事情，你可能看到成百上千个观点，而且每个观点都貌似给出了言之凿凿的证据和结论，我们该相信谁呢？观点有很多，但真相可能只有一个，所以我们越来越难以分辨是非。
过去，我们一生中面临的选择比今天要少很多，物质生活和精神娱乐等的可选范围都非常有限，而如今随着物质和精神世界的丰富，我们面临的选择太多了，但选择多并不是一件好事，它反而会降低我们的幸福感。
坚持自我批判是华为的核心价值观之一，任正非曾说过，二十多年的奋斗实践，使我们领悟了自我批判对一个公司的发展有多么的重要。如果我们没有坚持这条原则，华为绝不会有今天。
没有自我批判，我们面对一次次的生存危机，就不能深刻自我反省，自我激励，用生命的微光点燃团队的士气，照亮前进的方向。
没有自我批判，就会固步自封，不能虚心吸收外来的先进东西，就不能打破局限，把自己提升到全球化大公司的管理境界。
没有自我批判，我们就不能保持内敛务实的文化作风，就会因为取得的一些成绩而少年得志、忘乎所以，掉入前进道路上遍布的泥坑陷阱中。
没有自我批判，就不能剔除组织、流程中的无效成分，建立起一个优质的管理体系，降低运作成本。
没有自我批判，各级干部不讲真话，听不进批评意见，不学习不进步，就无法保证做出正确决策和切实执行。
只有长期坚持自我批判的人，才有广阔的胸怀；只有长期坚持自我批判的公司，才有光明的未来。
自我批判让我们走到了今天；我们还能向前走多远，取决于我们还能继续坚持自我批判多久。
当然，批判性思维绝对不是批评，而且批判性思维的应用，最好是用于自身，而不是用于他人，尤其不适合用于处理家庭关系，如果用批判性思维处理家庭矛盾，会适得其反。
在职场中，在人与人的交往中，情商往往更加重要，批判性思维并不是说你可以毫无顾忌地大放厥词，不分场合，不顾及环境，我们要辩证地看待和运用这种思维，也不要好为人师，轻易介入他人因果。
05 分治思维：软件复杂，必须"分而治之"
第五个思维，是分治思维。分治是一种古老的、非常有效的思想。分治，从字面理解，就是分而治之。
程序员在学习算法的时候，一个非常重要的思想就是分治算法，它有一个先分后合的过程。比如分布式系统架构 Hadoop，Map 是分的过程，而 Reduce 是合的过程。
分治的价值在于，我们不应该试着在同一时间把整个问题域都塞进自己的大脑，而应该试着以某种方式去组织问题，以便能够在一个时刻专注于一个特定的部分。
因为软件太复杂，因此软件应用中，分治可谓无处不在。我们先看两个设计模式：
第一个是管道模式，最著名的当属 UNIX 中的管道设计：
bash
cat access.log \
| awk '{print $1}' \
| sort \
| uniq -c \
| sort -nr \
| head -n 1在这个命令行中间起连接作用的竖杠符号（"|"）就是管道，类似于自来水的管道，起到了阀门和连接的作用。
这个思想就是分治，其实很多工作流做的事情都是业务逻辑的组件化分治。
第二个例子是责任链模式，最典型的责任链模式可以参考 Koa 的洋葱模式设计：
当然，其实真正的分治算法，并不只是分，完整包含了分、治、并。
"分"是递归地将原问题分解成小问题；"治"是在解决了各个小问题之后（各个击破之后）合并小问题的解，从而得到整个问题的解；"并"是按原问题的要求，将子问题的解逐层合并，构成原问题的解。
比如最典型的归并排序算法：
包括流式计算的思想也是一样，java 8 全面支持了 stream API，数据流操作只有等到最后才真正被执行，这就是并的过程：
当然，最宏大的分治系统非大型分布式系统莫属了，面对上亿的用户，几十万的并发，上 TB 的存储，必须要上分布式的解决方案，这也是分治思想一个最大的应用。
分布式之所以强大，是因为它可以支撑"接近无限"的业务扩展诉求，架构真经的作者提出了 AKF 扩展立方的概念，很形象的说明了分布式系统扩展解决方案：
x 轴的拆分，通常叫做水平扩展，通过集群设计，复制服务的方式，分散负载压力。通过负载均衡策略把流量分配到多台服务器上，这种做法已经屡见不鲜了，现代的云计算 K8S 架构，可以很方便的处理这个问题。
y 轴的拆分，通常称之为领域拆分，最典型的应用就是微服务的思想和 DDD 设计。无论是 SOA 还是 ROA，都是在做服务拆分，从而出现了很多标准，比如 RPC、WebService、REST 等等。
我个人认为，微服务（包括微前端）和领域拆分，更多的是面向团队协作和人的维度，而非技术维度的拆分。如果你的团队只有三五个人，我相信不会把应用拆成 70 多个微服务的。
所谓有人的地方就有江湖，大厂里面程序员太多了，很多的拆分是为了让团队的权责更清晰，比如订单服务、支付服务、用户服务，各自有负责人和负责团队，从而解耦开。
但天下三分，分久必合，合久必分，这是永恒不变的哲学。微服务拆多了之后，就出现了很多服务治理的问题，大仓思想就出现了。
其实复用和重复本身就是矛盾统一体，当我们想要拆公共模块进行复用的时候，必然会带来部署连带影响面扩大，耦合更深的问题。DDD 设计中的防腐层，也是折中的妥协。
我在大厂做技术 leader 的时候，经常需要做的就是各种权衡，DRY 原则和部署影响面的权衡，配置与数据抽离的权衡，领域划分颗粒度的权衡等等。
最终你会发现，会回归到中庸之道，不能走极端。阿里的大中台战略就是一个例子，试图将业务中台抽离复用，造成了更大的复杂度，和更深的耦合。
在大厂里面，很多时间都花费在，排查一个问题，需要拉十几个上下游链路的部门，服务 A 说找服务 B，服务 B 找服务 C，服务 C 找中台，最后找了一圈，拉了几十人的群，也没人真正定位问题。
如果是出了故障，那就是更复杂的链路和人际关系了，事故发生时是各个利益方 leader 的表演舞台，事故复盘时就是各个链路程序员的表演舞台。限于篇幅就不展开了。
z 轴拆分，通常叫做数据分片，是把一个大数据集分割成小数据集的方法。
在分布式技术出现之前，数据库都是单体的，即使有主备数据库的设计也是很有风险，因为机器的性能不能无限向上扩展，所以水平扩展才是唯一的解决方案。
具体到数据库层面，就变成了两种解决方案，一种是基于领域的垂直切分，也叫竖切，把不同领域的数据进行分库分表操作。另一种是水平切分，也叫横切，也就是通过数据路由算法对数据库进行分片，从而减少数据库的压力。
分治思想，可以说是程序员必备的思想了，也是最能体现技术能力的一种核心思想。
06 简单思维：把复杂留给自己，把简单留给他人
第六个思维，是简单思维。《UNIX 编程艺术》的作者在书中提到，所有的 UNIX 哲学浓缩为一条铁律，那就是各地编程大师们奉为圭臬的"KISS（Keep It Simple and Stupid）原则"。
在 2021 年的微信产品公开课上，张小龙说，简单是一个非常高的目标，不是一个简单的目标。他认为，简单能代替美观、合理、优雅，可能很多人并不认同，但在他看来，简单是很美的、最简单的，也可能是最好的。
然而，简单的做法往往难以实现，一方面受制于工程师的认知和能力，有时无法把复杂的问题抽丝剥茧进行简化。
另一方面，迫于晋升的压力，特别是在大公司，要想法设法地证明自己的技术价值，重复造轮子，做所谓的技术沉淀，从而把简单的事情复杂化。
其实，把一件事情搞复杂是一件简单的事，但要把一件复杂的事变简单，这是一件复杂的事。
作为有追求的程序员，我们应该尽量把复杂留给自己，把简单留给他人，而不是反过来。
简化本质上是一个熵减活动。所有的事物都在缓慢熵增，
就像凯文·凯利在《必然》一书中提到，世间万物都需要额外的能量和秩序来维持自身，无一例外。这就是著名的热力学第二定律，即所有的事物都在缓慢地分崩离析。
而熵减就是逆向做功，即通过更多的努力让混乱的系统重新归于秩序。
Linux 操作系统中的 File API 是非常优秀的案例。回顾一下 File API 的主要接口：
API 提供了非常清晰的概念模型，我们能够很快理解这套 API 背后的基础概念：什么是文件，以及相关联的操作（open、close、read、write）。
另外，File 支持很多的不同文件系统实现，这些系统实现甚至属于类型截然不同的设备，例如磁盘、块设备、管道、共享内存、网络、终端等。
这些设备有的支持随机访问，有的只支持顺序访问；有的是持久化的，有的则不是。然而所有不同设备的不同文件系统实现都可以采用同样的接口，使得上层系统不必关注底层实现的不同，这正是此 API 强大生命力的体现。
基于这些原因，我们知道 File API 为什么能够如此成功。事实上，正是因为它的成功，以至于今天的 Linux 操作系统都是基于文件的（everything is filedbased）。
正如乔布斯所说，简洁比复杂困难得多，因为你只有努力简化思维，才能把东西做得简洁。但这么做是值得的，因为一旦做到了这一点，你就能改变世界。
奥卡姆剃刀原理，是指如无必要，勿增实体（Entities should not bemultiplied unnecessarily），即"简单有效原理"。
在具体的应用过程中，我们可以遵循以下原则去做事情：如果同一个现象有 n 种理论，最简单的那个便是最正确的。能用 n 个动作做好事情，那就不要有第 n+1 个动作。
在自然科学中也印证了这个观念，E=mc2 和 F=ma 证明，上帝似乎不是一个喜欢复杂的人。
07 成长型思维：AI 时代，唯一的护城河是持续进化
第七个思维，是成长性思维。技术发展很快，新技术层出不穷，程序员如果想要跟上时代的脚步，就必须要不断学习和实践，这也是程序员特有的成长型思维。
成长型思维源自斯坦福大学心理学教授卡罗尔·德韦克写的《终身成长：重新定义成功的思维模式》（Mindset: The New Psychology of Success）一书。
不同的人在面对竞争、失败、挫折的时候，会有不同的想法和做法，这个反应就是你的思维模式。卡罗尔教授把这种思维模式分为两种------成长型思维和固定型思维。
在固定型思维模式的世界中，个人能力是固定的，天赋带领你走向成功，你需要不断证明自己的能力与价值。拥有固定型思维的人急于一遍遍地证明自己的能力。
他们追求完美无缺，害怕自己努力后的失败会证明自己无能，因而恐惧挑战，拒绝学习新事物。
拥有成长型思维的人认为成功是学习的结果，努力是通往成功的关键。在成长型思维模式的世界中，个人能力是可以改变的，你需要提高自己，去学习新的知识，从失败中吸取经验教训，拓展自己的才能。
他们认为：成功是学习的结果，意味着做到最好的自己，但自己仍是普通人；失败是一次机会，无法成为永久的定义；努力是通往成功的关键，无论个人的能力有多强，只有努力才能激发和拓展能力，取得最终的成就。
他们追求不断进取，直面挑战，努力做到更好。正如卡罗尔所言，成功个体的标志，在于他们热爱学习、喜欢挑战、重视努力，并在面对苦难时坚韧不拔。
成长型思维是有脑科学作为依据的，传统观点认为，成年后的大脑功能固定且不可改变。而诺曼·道伊奇经科学研究发现：大脑的功能并不是一成不变的，而是拥有一定可塑性，通过合理的训练和调整，只要掌握正确的方法，持续成长是有可能的。
我们的大脑是由无数个神经元组成的，思考是通过神经元之间的相互连接和传递信号完成的。大脑和肌肉有点相似，锻炼可以增强肌肉，同样，训练大脑也可以增强神经元之间的连接或产生新的神经元连接。
随着思考力和能力水平的提升，我们的大脑会得到重塑，天赋、智商并不是在出生那一刻就被决定了的，而是可以通过学习、锻炼、挑战不断提升的，因此我们应该秉持"终身成长"的信念。
精进是大乘佛法的六度之一，就是你每次必须比上一次进步一点点！记住，慢也是快。千万不要忽视每天进步一点点的力量，也不要试图"一口吃成胖子"，真正的进步是滴水穿石的累积，这就叫"精进"。
巴菲特说，人生就像滚雪球，关键是要找到足够湿的雪和足够长的坡。好在，在技术领域，"雪"是足够多的，而且"坡"也足够长，关键看我们能不能坚持下去，但凡能持续学习和持续精进的人，其结果都不会差。
学习并不总是轻松的，有时会很枯燥。但成长型思维并不是我们拥有"终身成长""活到老，学到老"的信念就可以，还需要我们付出实实在在的行动和努力，这样才能有所成就。
也许你也时常能听到这样的说法："某某炒股赚了 100 万。""谁谁都晋升到副总了，你都 30 岁了，怎么还在写代码？"在这个时代，人极易变得浮躁。也难怪，同龄人之间巨大的竞争压力，家庭沉重的经济负担......即使是"佛系"的技术男，也难逃世俗的漩涡。
平和的心态是我们持续成长的基础，因为人的专注力是有限的，内心平和的人可以更多地专注在学习和工作上；而内心挣扎的人，需要支配更多的精力去应付内耗，那么投入在学习和工作上的精力自然就少了。
因此，拥有一颗平常心，不患得患失，不急功近利，非常重要。这样在你遇到困难时，才知道怎样与自己和解，并知道如何应对焦虑，把精力专注在解决问题而不是内耗上。
平和的强大之处在于，真正平和的人了解自己所有的主观感受都只是一瞬间的波动。虽然疼痛，但不再感到悲惨；虽然愉悦，但不再干扰到心灵的平静。于是，心灵变得一片澄明、自在。这样产生的心灵平静力量之强大，是那些穷极一生疯狂追求愉悦心情的人完全难以想象的。
推荐大家看一下《当下的力量》这本书，有一种神奇的魔力，可以让我们体会平和的状态。
一位学僧问禅师："师父，以我的资质多久可以开悟？
"禅师说："十年。"
学僧又问："要十年吗？师父，如果我加倍苦修，又需要多久开悟呢？"
禅师说："得要二十年。"
学僧很是疑惑，于是又问："如果我夜以继日，不休不眠，只为禅修，又需要多久开悟呢？"
禅师说："那样你永无开悟之日。"
学僧惊讶道："为什么？"
禅师说："你只在意禅修的结果，又如何有时间来关注自己呢？"
当我们因太注重结果而匆忙赶路的时候，双脚触及地面的力度会减轻，行走的步调会紊乱，如此生活就会有失踏实感，进而降低生活的质量，难以接近成功。
《道德经》有云："大方无隅，大器晚成，大音希声，大象无形。"不论游戏，还是人生，少就是多，慢也是快。
曾国藩考了七次科举才考中秀才，但是一旦开窍，后面的路就越来越顺。中了秀才的第二年，他就中了举人；又四年，高中进士。这才有他出将入相的一生，没有起伏蹉跌，实属罕见。
相反，那些有小聪明的人往往不愿意下苦功，做事总想找捷径，遇到困难绕着走，基础松松垮垮，结果平庸一生！有些方法看起来慢，其实却是最快的，因为它扎扎实实、不留疏漏！
结语：AI 会把"写代码"变便宜，但会把"做正确的事"变更贵
以上 7 个底层思维，是我 10 年程序员生涯的总结与抽象，也是我认为在 AI 时代能让程序员走得更远的能力底座。
如果只让我保留一种思维，那一定是成长型思维：有了成长，你就能持续更新工具箱；其他思维也会在一次次训练中变得更强。
再让我推荐一种思维，那就是简单思维：大道至简。真正的简单，是经历过复杂之后的历练；历经千帆，归来仍是少年。
很多程序员固执地认为 AI 做不到复杂架构。诚然，软件本身很复杂，但你也要意识到：很多复杂并不是必须的。
复杂度的增长，往往和"人的协作成本"强相关。《人月神话》早就证明：人多了，效率反而会下降。
回想我们这些年的很多"潮流"：领域划分、微服务拆分、DevOps 流程、万物皆可 as code、测试左移、度量指标......研发效能真的提升了吗？对业务真的有帮助吗？有些复杂停留在理论层面，最终变成了"程序员的自我折腾"。
有很多复杂的东西往往停留在理论层面，本质上还是有人的地方就有江湖，强行变得复杂，没有遵循 KISS 原则。
凯文凯利预测，未来大概率的公司会呈两极分化的态势，要么是人员规模超大，要么是极小的公司，人与人之间的协作成本会大幅度降低。
因为当 AI 把生产力放大到足够高，人与人之间的协作成本会变得更"奢侈"。打工的尽头大概率是个体户，程序员的尽头大概率是独立开发者。
从 KISS 原则来思考，DDD 不是最重要的，MVC 也许足以；DevOps 不需要那么多条条框框，Serverless 足以；设计模式不是必须的，未来的代码可能是给 AI 看的，不一定给人看。
程序员并没有"天然不可替代性"。
当你掌握抽象思维和分治思维，指挥 AI 设计架构，会比人设计的更好，架构图更漂亮。
当你掌握结构化思维，能高效地让 AI 帮你写代码干事，做到 90%甚至 100%的覆盖率没有任何问题。
现在没有程序员说自己写算法比 AI 还厉害吧？反正我是自愧不如。
这是从现在的 AI 智能程度来说，就可以做到了，那么，未来呢？
真正拉开差距的，是你是否拥有这些底层思维：你能不能定义问题、设定约束、做出权衡、判断对错，并持续迭代。
居安思危、未雨绸缪，才是我们应该具备的素质。拥有这 7 个底层思维，在 AI 时代才能以不变应万变。
这篇文章我花了一周时间才完成，因为抽象"底层思维"并不容易。写这种文章也确实费力不讨好------现在越来越少有人愿意沉下心来做深度思考了。
对我而言，它也是我对过去十年程序员生涯的一次告别：我会带着这些底层思维，在 AI 时代创业、转型做产品、做企业，去寻找属于自己的道路。也希望能与你共勉！
🚀 想要与更多AI爱好者交流，共同成长吗？