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
草莓熊Lotso9 分钟前
Linux 文件描述符与重定向实战:从原理到 minishell 实现
android·linux·运维·服务器·数据库·c++·人工智能
Coder_Boy_1 小时前
技术发展的核心规律是「加法打底,减法优化,重构平衡」
人工智能·spring boot·spring·重构
会飞的老朱3 小时前
医药集团数智化转型,智能综合管理平台激活集团管理新效能
大数据·人工智能·oa协同办公
聆风吟º5 小时前
CANN runtime 实战指南:异构计算场景中运行时组件的部署、调优与扩展技巧
人工智能·神经网络·cann·异构计算
Codebee7 小时前
能力中心 (Agent SkillCenter):开启AI技能管理新时代
人工智能
聆风吟º7 小时前
CANN runtime 全链路拆解:AI 异构计算运行时的任务管理与功能适配技术路径
人工智能·深度学习·神经网络·cann
uesowys8 小时前
Apache Spark算法开发指导-One-vs-Rest classifier
人工智能·算法·spark
AI_56788 小时前
AWS EC2新手入门:6步带你从零启动实例
大数据·数据库·人工智能·机器学习·aws
User_芊芊君子8 小时前
CANN大模型推理加速引擎ascend-transformer-boost深度解析:毫秒级响应的Transformer优化方案
人工智能·深度学习·transformer
智驱力人工智能8 小时前
小区高空抛物AI实时预警方案 筑牢社区头顶安全的实践 高空抛物检测 高空抛物监控安装教程 高空抛物误报率优化方案 高空抛物监控案例分享
人工智能·深度学习·opencv·算法·安全·yolo·边缘计算