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
HIT_Weston2 小时前
45、【Agent】【OpenCode】本地代理分析(请求&接收回调)
人工智能·agent·opencode
逻辑君3 小时前
认知神经科学研究报告【20260010】
人工智能·深度学习·神经网络·机器学习
星河耀银海3 小时前
远控体验分享:安全与实用性参考
人工智能·安全·微服务
企业架构师老王3 小时前
2026企业架构演进:科普Agent(龙虾)如何从“极客玩具”走向实在Agent规模化落地?
人工智能·ai·架构
GreenTea3 小时前
一文搞懂Harness Engineering与Meta-Harness
前端·人工智能·后端
鬼先生_sir3 小时前
Spring AI Alibaba 1.1.2.2 完整知识点库
人工智能·ai·agent·源码解析·springai
深念Y4 小时前
豆包AI能力集成方案:基于会话管理的API网关设计
人工智能
龙文浩_4 小时前
Attention Mechanism: From Theory to Code
人工智能·深度学习·神经网络·学习·自然语言处理
ulimate_4 小时前
八卡算力、三个Baseline算法(WALLOSS、pi0、DreamZero)
人工智能
深小乐4 小时前
AI 周刊【2026.04.06-04.12】:Anthropic 藏起最强模型、AI 社会矛盾激化、"欢乐马"登顶
人工智能