大型语言模型与软件开发职业

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

在软件开发领域,最稳健的职业发展路径通常包括两点:

(1)在解决问题时务实且高效;

(2)不要把现有代码当作"黑箱"。

第一点意味着,作为一个稳健的开发者,你应该会熟练地使用现有的技术栈,比如 PostgreSQL 或 MySQL(或其他数据库)、Rails 或 .NET(或其他框架),并且懂得借鉴来自 Stack Overflow 或大型语言模型(LLMs)的代码。

第二点则意味着你要有好奇心,愿意随着时间的推移去深入理解网页服务器、数据库、操作系统和浏览器的工作原理。这样,当你在借鉴他人代码和思路时,才能做出更好的判断与调整。

从更宏观的角度看,借助 LLM 编程,本质上与使用 Rails 或在 Stack Overflow 上查找代码并无根本不同。它更快、更直接,但归根结底仍是人类在"改写现有代码"。

那些只愿意把现有框架、库或应用程序当作黑箱看待的人,本来在求职与留任方面就不具竞争力。而那些真正有技术深度的公司,总是倾向于招聘理解基础原理的开发者,因为他们要么:(1)在足够大的规模上运行,应用程序的实现方式会直接影响性能与稳定性;要么(2)他们本身就在构建 PostgreSQL、MySQL、Rails、.NET、Stack Overflow 或 LLM 等底层技术。

软件行业的发展一直遵循一个方向------持续降低中小企业(SMBs)乃至大型团队雇佣开发者以解决问题或提升效率的需求。LLM 的出现只是这场"自动化进程"的延续。但这并不意味着企业就不再需要开发者。当业务复杂度或客户规模扩大到一定程度时,企业仍然必须招聘开发者来支撑系统的成长。

那些依赖软件基础原理的工作,不会因为 LLM 的普及而不再依赖这些原理。相反,随着越来越多非开发者开始使用 LLM 来构建工具、系统与应用,真正懂得软件底层原理的工程师反而会变得更重要------因为他们将承担维护、优化、扩展这些基础系统的责任。

总而言之,如果你热爱软件开发,不必担心"有趣的开发工作"会消失。

继续学习,继续动手------去编译器、数据库、操作系统这些核心领域探索;去寻找那些因为规模或复杂性而需要扎实基础的公司;或者去挑战那些在底层上构建未来的团队。真正有趣的工程,总是存在于那些让基础原理再次重要的地方。

相关推荐
这token有力气1 小时前
Function Calling 格式漂移
人工智能
onething3651 小时前
Spring Boot + Spring AI 从入门到实战:7天转型计划 Day 5 —— SSE 流式输出 + 打字机效果
人工智能·后端·全栈
onething3652 小时前
Spring Boot + Spring AI 从入门到实战:7天转型计划 Day 6 —— 业务完善 + 会话消息预览
人工智能·后端·全栈
IT_陈寒2 小时前
SpringBoot自动配置的坑,我爬了三天才出来
前端·人工智能·后端
甲维斯4 小时前
笑抽了!DeepSeek识图,豆包完胜了!
人工智能·deepseek
Lei活在当下12 小时前
【AI手记系列-2026/6/18】iSparto & Harness,Caveman 以及AI时代的生存指南
人工智能·llm·openai
冬奇Lab13 小时前
每日一个开源项目(第134篇):Zvec - 阿里开源的嵌入式向量数据库,向量搜索界的 SQLite
数据库·人工智能·llm
冬奇Lab13 小时前
Agent 系列(22):Context Engineering 深度——三种上下文管理策略的量化对比
人工智能·agent
hboot13 小时前
AI工程师第二课 - 数据处理
人工智能·python·数据分析
程序员cxuan14 小时前
DeepSeek 杀入多模态,识图功能正式上线!
人工智能·后端·程序员