从云原生到 AI 的跃迁探索之路｜开发者说

"沧海九粟"是海立在 B 站的 ID 名，点开主页，你会看到几百个半小时左右的视频，从 LangChain 应用实践到大模型、Agent 的深度思考，内容扎实，干货满满。

介绍一下海立，他是 LangChain Ambassador，《LangChain 实战》与《LangGraph 实战》作者。不过 2022 年之前，他的主战场在云原生领域，他是 KubeSphere 用户委员会上海站站长、CNCF OpenFunction 项目管委会成员，深耕云平台研发多年。

从云原生到 AI，海立的转型轨迹颇具代表性。他的故事里，藏着开发者如何在技术浪潮中保持清醒、将经验迁移到新领域、建立可持续成长路径的答案。

技术更新迭代太快，开发者站在变革路口常常迷失方向，这是一个永不过时的话题。最近与海立的一次深度对话，让我获得了一种不再 FOMO 的踏实感。今天，就把我提炼出的三个务实成长策略分享给你。

1. 用好工具：组合拳思维，不重复造轮子

海立说，不论是个人还是企业，想要用好 AI，先要有 AI Infra "基础设施思维"。紧接着他指出一个常见误区：既然基础设施这么重要，那我就把大量时间投在这上面。他通过自己的实践和为多家企业做大模型落地的培训咨询经历，做出一个预判：

今年一定会发生一个重大转变，你只要有一个像硅基流动这样的模型平台，什么模型都能接，再加上一个像 Claude Code 这样什么都能干的工具，就可以了。

回忆起写《LangChain 实战》的日子，那时还没有这些平台，他要费老半天劲教大家怎么在本地部署一个小模型，做些轻量级应用，但效果很差。后来硅基流动平台出现，聚合不同模态的各类模型，他第一时间就用了起来。这两年，他的日常项目基本都是调用硅基流动 API 展开的。让他印象深刻的是，硅基流动上有一些 10B 以下永久免费的模型，"其实就可以解决不少问题了，对很多项目都是非常好的依托"。

再来看海立总结的这个简要框架：

一个类似 Claude Code 的工具平台 + 一个类似硅基流动的全模态模型平台 = 搞定大部分任务拿到成果

这给我们两点启发，也更能理解海立所说的"基础设施思维"：

1. 1. 花大量时间研究模型原理、自己搭集群，很好，但不要只停留在这里；
2. 2. 用模型平台解决算力问题，用开发框架快速搭建应用原型，把更多的精力放在业务逻辑和产品体验上。

从个人维度看，海立说，他几乎所有工作都围绕 AI 展开，已经离不开 AI 了。核心工作就是指导 AI，说起来是个简单循环：有想法，和 AI 深入讨论，梳理清楚思路后，AI 做设计，设计之后 AI 再去执行，人来纠正并审核执行过程，不期待一次做好，持续迭代，直到满意为止。

从企业角度，海立分享了他的观察：在 AI 落地程度上，大厂已经上手且有成果产出，但多数企业还在"我知道要做→学习怎么做→选型"的阶段。根据 2025 LangChain 智能体工程年度报告，企业 AI 应用的 TOP5 场景分别是：

• Customer service（客服系统）：最成熟，技术主要有 RAG + 对话管理等
• Research & Data analysis（深度分析）：快速增长，很多应用都有 Deep Research
• Internal productivity（工作流自动化）：大企业优先在推进，多 Agent 协作等
• Code Generation（代码生成）：快速增长，ROI 显著
• Content Generation（内容生成）：普遍应用，覆盖人群最广

这意味着，企业落地 AI 的方向和路径越来越明确，业务洞察和创新速度成为关键因素。"用成熟的框架+ 稳定的模型平台"搭建基础设施，打一套"每个环节都站在巨人肩膀上"的组合拳，把更多精力聚焦在有自己独特业务数据、领域知识的环节，能最快拿到可验证 ROI 的成果。

2. 找对方法：技术布道是一种学习方式

谈起做布道师的初心，海立的回答很简单："总看到网上一些错误资料，担心会误导读者，觉得总要有人来讲讲到底什么是正确的。"就是这样一个朴素的想法，推动他一做就是十多年。从云原生到 AI，技术在变，但学习新技术、推广技术的方式可迁移。

"你怎么有那么多时间做这些事儿啊？录视频、做教程、讲课、组织线下活动......"这样的问题海立被问过很多次。他的答案很真诚："其实我还真没感觉花很多时间，做技术布道就是我自己工作和学习的延展。"

他从不觉得工作和分享是独立的两件事，它们是相互激发、互相成就的一体。他也不觉得自己额外做了什么，一切都是自然延续，他只是给自己定义了一种范围更大的闭环。

不论云原生还是 AI，本身都是他自己的工作学习与项目实践。海立有个优势，他擅长讲东西。所以实践后有心得，就先录一段视频，一般半小时，做得非常轻松。用手机直接录，没有任何其他设备，录完后基本不剪辑，然后用 AI 工具转成文字，适当修改就可以作为公众号文章发布。现在这个流程，他已经给自己做了 AI 工具。这么一来，每周录两个视频，所花时间不超过两小时。

用 AI 工具解放出的时间，海立都用在工具创建上了。他说每天都在做自己想做的事情，通过一个个小工具去探索，给自己创建了很多日常工作技能包，直言"最近沉迷 Skills 不能自拔"。

给我们的启发：

• 做中学，学会了尝试教会他人，费曼学习法确实有效；
• 找到自己擅长的点，不死磕一种方式，比如擅长讲，可以参考海立的方式，擅长写，可以从写文章开始；
• 善用 AI 提效，把时间节省下来，用 AI 去创建更多工具，做更多探索，积累自己的技能包。

与技术布道相辅相成的是海立一直参与开源项目，他为我们总结了参与开源的基础路径。前提是要破除一个迷思，开源贡献不等于写代码。参与开源有各种各样的方式，比如：

1. 1. 提交代码（最直接，但非唯一）
2. 2. 提 Bug（帮助项目发现问题）
3. 3. 完善文档（降低新人门槛）
4. 4. 设计图标/界面（提升项目形象）
5. 5. 撰写教程（扩大项目影响力）
6. 6. 回答社区问题（建立个人影响力）
7. 7. 组织线下活动（深化社区连接）

参与起点是学会开源的基础贡献方式，了解一个项目是怎么维护的，之后就一通百通，用自己喜欢的方式去做内容。海立自己的路径就是从"给 LangChain 提文档 PR"开始的。现在回过头看，那些看似不起眼的文档修改，反而让他系统性地理解了整个框架的设计理念。

3. 保持清醒：适度焦虑，警惕速成诱惑

聊起最近 3 年，会发现海立每一步都走得特别扎实：方向明确，目标清晰，成果丰硕。难道他没有焦虑过、迷茫过吗？

海立分享了一个有趣的发现：

我去企业培训的时候发现，很多人对某个新技术的了解并不深。但人家反而没有特别焦虑，专注在自己的业务上，过得也挺好。

他总结说，面对新技术的爆炸信息，现阶段形成了一个"哑铃状分布"："一端"完全不接触这些新信息，活在舒适区，但也学不到新东西；"另一端"过度摄入信息，被焦虑淹没，陷入"追新"的陷阱；而有判断力、能去伪存真的"中间地带"反而成为了少数。

所以，我们尽量往"中间地带"靠拢，不屏蔽信息，也不被信息淹没。从另外一个维度考虑，过度焦虑本身不产生价值，把自己的注意力放在真正有用的学习路径上：

1. 1. 基于需求学习：当工作生活遇到问题时，结合问题去寻找解决方案。
2. 2. 系统性补课：一定时间内（比如一个季度）选一个方向深入学习，而不是每天追热点。
3. 3. 实践验证：看到一个新技术，先问"我能用它解决什么问题"，然后去试一试，验证效果。
4. 4. 最小正反馈：不追求一下子解决所有问题，哪怕有一个小场景，先拿到正反馈。海立分享了一个小故事，他临时接到一个线下活动，给了一个技术展台，怎么把这个机会利用好呢？设计一个什么玩法呢？他就赶紧和 AI 聊起来，讨论创意，AI 干活，用半个小时做了一个可以在现场展台和用户动态互动的智能体。

如果你现在正处于新技术的焦虑之中，不妨问自己三个问题：

1. 1. 我是在学习有用的技术，还是在追逐热点？
2. 2. 我的学习有产出吗（代码/文章/项目）？
3. 3. 半年后，我能用今天学的东西解决实际问题吗？

如果答案都是否定的，那可能该停下来，重新审视一下，想想自己的目标和努力方向。

写在最后：AI 时代是开发者的黄金时代

透过海立的实践，我们看到了一个在正确的基础设施上高效积累的案例。成长路径可持续，即便在技术迭代、信息爆炸的今天，我们依然可以保留一份清醒和从容。

2026 年，一个通用工具加一个聚合模型平台，可以帮助我们动态地创造各种工具和智能体，来解决工作生活里的大量问题。海立说，我们一定能看到"铺天盖地的技能包"，电影《钢铁侠》里的贾维斯，终于从荧幕走进现实。

和海立聊天，我直观地感受到这些词：热情高涨、创意爆棚、行动力拉满。受这种感染力驱动，人特别想立马行动起来。见贤思齐，我们一起参考海立的实践，梳理一个行动清单：

• 给常用的开源项目提一个文档 PR
• 写一篇"我是如何解决 XX 问题的"文章
• 尝试做一次线下分享，从 15 分钟开始
• 做一次"信息断舍离"，只保留 3-5 个真正有价值的信息源
• 建立个人知识库，不只是记录，还要定期回顾
• 建立可复用的工作流，搭建"个人 AI 工具箱"

不妨对照清单，给自己打个分：已经做到的打勾，计划中的标记，有独特想法的记下来。海立的故事告诉我们：学习-行动-成长不是需要咬牙坚持的苦差事，而是一个自然流动的过程。每个人都能实践自己的"行动闭环"，在行动中获得底气，不必焦虑地追赶技术浪潮，而是笃定地驭浪前行。

【推荐资源】

• 海立 B 站主页：https://space.bilibili.com/28357052
• 硅基流动模型广场：https://cloud.siliconflow.cn/me/models
• LangChain 社区：https://www.langchain.com/
• 2025 LangChain 智能体工程年度报告：https://www.langchain.com/state-of-agent-engineering

最后，如果你也是 AI 实践者、探索者，欢迎来这里分享你的足迹，让更多人看见你的故事。