我觉得 AI 时代有一个特别值得警惕的变化：我们正在疯狂提高执行效率，却越来越少认真思考，到底什么事情值得执行。 现在让 AI 写一个网站、开发一个应用、搭… · @UPing123zzz · TwKit

@UPing123zzz

我觉得 AI 时代有一个特别值得警惕的变化：我们正在疯狂提高执行效率，却越来越少认真思考，到底什么事情值得执行。 现在让 AI 写一个网站、开发一个应用、搭建一套 Agent，甚至自动跑实验、优化参数，很多任务都已经能够借助模型完成。你只需要给出一个相对清楚的目标，模型就能帮你推进大量原来需要人工完成的工作。 但问题来了，目标是谁定的？ 比如你想做一个企业 AI 产品，模型可以帮助你分析需求、生成代码、搭建系统、写测试、部署服务。但它很难仅凭几句话，就替你完整理解一个企业内部复杂的组织关系、业务流程、实际预算和客户真正愿意付费的原因。 你告诉 AI 我要做一个招聘 Agent，它当然能给你做出来。 但招聘过程中最痛苦的问题到底是什么？是筛选简历太慢，是匹配标准不统一，还是业务部门和 HR 对岗位理解根本不一样？这些问题如果一开始没有搞清楚，就算做出来的 Agent 技术上非常先进，也不一定有人愿意使用。 这让我越来越觉得，AI 工程师不能只停留在技术执行层面。 以前我们会比较谁的代码写得好，谁更熟悉某个框架，谁能更快实现一个复杂功能。以后这些能力依然重要，但真正决定项目上限的，可能越来越取决于你能不能判断哪个问题值得做，以及解决以后究竟会带来多少价值。 这其实也是为什么我觉得程序员应该去了解产品、商业、心理学，甚至组织管理。 因为技术最终是服务于人的。不了解人真正的需求，就很容易陷入技术自嗨。不了解商业，就可能开发出一个技术很漂亮、但没有人付费的产品。 当然，AI 本身也在提高问题发现和方案判断的能力。我并不认为未来所有决策都只能由人来完成。 但至少在现在，把一个复杂的现实问题定义清楚，仍然需要大量对场景的理解、经验和判断。 以前我们担心自己不会写代码，以后可能更应该担心，自己除了会写代码，到底还会什么。 真正有竞争力的 AI 工程师，应该既能理解问题，也有能力把问题解决，并且知道解决以后如何产生价值。

曝光 154 · 评论 2 · 点赞 1 · 书签 0