我从那国企离开还14个月不到，但仿佛已经过去好久好久。
过去14个月，我的日均工作时长比之前长了许多，我做着阿妮以为很累但自己觉得很有意思的工作，于是过去的14个月于我，是极其充实的。
过去一两个月间，我内心一直想着理一下过去一年的工作经历。它总体来说，也是一种学习经历，大概每隔一段时间，我都生出这样的感受（它们总一闪而过）："好像自己现在，比之前懂的又多了许多。"或者这样的感受："哟，我又搞懂了一种新技能的使用方式，爽！"
我好几次想着提笔记下这念头，但都因为太"忙"（工作日9点到9点，周末也会加班------工作时间真的都在干活、或是看AI相关文档准备应用。剩下时间只想休息，周更当中的许多内容都来自于上下班地铁）以及一种虚荣------我总想着这总结应该完整一些，专业一些，有深度一些------作祟，写两句便停下，拖拖延延又到年底。
但写得差是好过不写的，于是有本篇。它最初的标题是"转行AI落地应用开发一年，积攒的一点经验"。转眼2025只剩几天，于是它又变成2025年终总结的一部分。
过去一年多，我做的与AI相关的工作，主要分为这样几个方向：RAG数据库的对比、Redis-Stack的落地应用、基于Google ADK的落地应用开发、多家模型的原生调用与快疯魔的提示词调优，以及Deep Search初研究。
RAG数据库的对比，我主要测试了这几个：Qdrant、Milvus和Redis-Stack。测试步骤是简单的，将各家数据库部署到本地，录入相同数据，以相同的问题做召回，然后对比召回效果（嗐，又得坦诚一下，文档都在公司文档库，而那些对比标准我已然完全忘记）。
效果对比的结果，都以图片形式展现。图片如何生成？全来自于Cursor的帮助。我不需要知道图形名称，只将示例数据以及期望的结果------请用这些数据用代码帮我生成直观的对比图片------给到Cursor，它便给出代码：用代码，生成结果。
这段使用Cursor的经历，是为《Cursor初体验》。
当时公司应用的核心体验，是"快"，以最快的速度给到用户AI的回复。我们生成回复过程中的一环，是RAG------召回与问题相关联的用户信息。对比三个向量数据库过后，最终选定速度最快的Redis-Stack。Redis-Stack用起来简单，参照官方文档即可；使用过程中的注意事项，也是老生常谈：内存、CPU、边界条件、召回速度，以及偶尔卡顿的缘由。
Agent（智能体），是我换公司后开始接触的新概念。我的入职待办清单（自己定的）当中，第一项便是搞清楚Agent的定义。经过一段时间摸索，我对Agent的理解是这样的：一种能够独立完成某种工作------比如规划行程------的智能工具。
Google ADK，是一个多Agent框架，它------以及其它的许多多Agent框架------的出现，代表大家认为单Agent能做的工作有限，而许多复杂任务需要多个Agent合作才能完成。以做菜举例：一个Agent规划菜单，一个Agent买菜，一个Agent准备食材，还有一个Agent炒菜，更细一点，甚至是9个Agent各做一道菜最终成品八菜一汤。总之，多个Agent之间的合作分工，是为多Agent。
使用Google ADK几个月之后，公司再给予我尝试多家模型（Claude、Gemini、ChatGPT、豆包、Qwen、DeepSeek等）的机会，挨家挨户用下来，我对各家模型的用法都多出些概念性了解。它们的一个共同点是，几乎都适配OpenAI，也都有专属于自己的SDK。以及，相同提示词，在各家模型上的效果是可能不一样的。
紧接着，是调研DeepSearch：将问题直接给到模型服务商接口，由服务商规划分析、收集资料、多轮汇总后再出结果，它很像此前的单Agent。然后，OpenAI和火山（字节）都出了Responses API，这新的接口类型，自带工具调用、文档查询。
使用AI需要花钱也需要收钱，有大概两三个月时间，我一直负责的，是创业公司的支付系统（这系统老板觉得简单而实际调起来复杂，于是前面几位支付同事包括我都在观点上与老板有着偏差）。使用Stripe、和印度老哥联调RazorPay也属于新的职业体验。
以上，是我最近一年接触到的那些与AI相关的工具、技能，以及概念（这些内容列的很粗，且都只能算是浅尝辄止）；转眼之间，我现在的岗位名称，已经变成很有些时髦的"AI Agent开发工程师"。
从工作角度来说，我以为AI带给我的改变主要体现在两个方面，一关于学习的认知，二关于代码的落地。
认知层面，关于读很细节的技术书，写很细节的技术文。
我曾经给自己设定过一个目标：读完Effective Python，然后基于书中内容输出一篇篇博客以及一期期教学视频。
博客和视频都只坚持几期便结束。这计划不能如期执行的前面一段时间，我是很有些焦虑的："这件事情会很有价值，读完这本书以两种形式复述完这本书，自己对Python的了解大概能再上一个台阶，我可一定要完成。"（"有价值"认知依然不变，变得是这件事情于我的紧急程度，它现在重要但不紧急。）
随着使用AI的频次变多，我发现就Python语言技能这一点，已经变得不那么重要。我疑惑的点、考虑不周甚至完全忽视的点，只要给予大模型合适提示词，它都能够给出专业、（几乎完全）全面的回答。即短期（这里的短期，如果编程语言没有翻天覆地改变，或许将是一个很长时间）内，我应该关注的点是知识的广度，而不是编程语言的深度。
（如果需要深度，我想应该转向去了解大模型的工作原理，就像当年看内存、CPU、甚至操作系统一样。现阶段的我，使用AI过程中，又进入一种"知其然不知其所以然"状态。）
代码落地层面，是我最近一年的敲代码，借助AI极多。
在创业公司时，老板鼓励多多尝试各种AI产品，并给我们买了Cursor会员，于是从此处开始，我几乎所有代码都让Cursor敲，我做的事情，只是Tab许多下（甚至我一直引以为傲的Vim技能都几乎转换为唯一的Tab键），以及输入准确的语义目标。这一段经历，是为《使用Cursor再三个月，有多出些新的感悟》。
6月换工作后，经过一段短时间的不习惯（继续手敲代码），我在9月花200刀买一年Cursor会员，接下来，我许多代码的Demo版本，也用Cursor敲。我以为当下的敲代码，应该更关注设计，内里的逻辑实现，交给AI做就好，它们会做的很好。
我仿佛看见这样一种趋势：未来的模型，肯定会越来越聪明，AI的落地应用肯定会越来越多，渗透到各行各业直到每一个角落。当下很重要的提示词调教，大概只是一个过渡阶段，不远未来的AI形态，对个人来说，应该是贴身助理，它知道你的所有，将很准确理会你的意图，并很完整完成你的指令。
我的未来呢？
关于自己的未来，我依然保有一种大概来自于读书许多的心态：借助工具做好自己的工作，同时尽量去尝试搞清楚工具如何用好，以及工具为什么好用；且不考虑太远，只给予当前工作以热爱。
热爱带回来的，是久违快三年的对工作对生存的信心。