sentinelK

AI 的优势是比人类更强的上下文处理能力。所以他擅长的是，繁复数据中挖掘人类未能发现的统计学规律。

你的需求 1 ，并不是这个领域的问题。AI 要的是尽可能多的数据来覆盖所有的可能性，然后挖掘统计学规律。不是根据局部数据反推全部。所以你目前人不能判断，AI 还是不能判断。因为故障点判断困难的本质原因是信息缺失。

需求 2 和 3 确实可以，但是需要精度不高的场景。精度高的场景是不能容忍幻觉的。现阶段还不能保证大语言模型不产生幻觉。


至于扣子，其实就是针对目前大语言模型的能力有限（上下文容量、hops 数量），从而提出的中间态解决方案。业界叫 agent 。
既由人来编写脚本，通过脚本链条串联一个或以上的大模型能力，从而达到单次大模型交互达不到的效果。

比如，“今天天气怎么样？” -> 大模型语义理解 -> 调用 windy.com 的 API -> 处理返回值 -> 提示词处理 -> 喂给大模型做口语化 -> 输出。

因为越来越多人认清了，机器学习 AI 基础设施，是极少数团队才能做的高度垂直领域。
一开始关注度高，是因为猎奇。真正对知识体系感兴趣的人很少。

即便退一万步说，你感兴趣，基于成本原因你也只能做一些小打小闹。
你跟着中航学造火箭，流体力学、空气动力学、导航技术学了一溜够，最后只能自己拿摔炮做实验，是个人也坚持不下来吧？

所以一旦猎奇程度降低，就没有流量了。没流量，曝光度也就少了。

"你怎么看？"
在我看来，AI 目前并不是“抢饭吃”，而是改变了程序员的工作流程与鄙视链。对于中下层的程序员（小厂全干/职位不高的大厂螺丝钉）是个极好的洗牌机会。这种整个行业能力的洗牌机会，人一辈子也就会遇到一两次。

“你觉得距离这一天还有多久？”
已经开始了，如果你关注招聘领域，对于程序员岗位的 HC 调整已经是正在进行时。

“若无法避免，你希望它在多久的将来才真正到来？”
我已经准备好了，所以无感。

“有什么应对方法吗？”
积极拥抱。面对萝卜快跑，有一部分人在探讨大罢工，另一部分人已经去应聘安全员了。高下立判。

“你觉得这是好事还是坏事？”
对于真正想在软件工程干实事的程序员，机会大于挑战。
对于试图在大厂养猪的程序员，风险大于收益。

正确的说法应该是在不正确的方向上试图靠勤劳和奋斗来扭转乾坤。

“多劳多得”的边际效应非常明显。
50 分的努力，能带来 60 分的收获。
100 分的努力，可以换来 80 分的收获。
但是你 150 分的努力，收获可能只有 85 分。300 分的努力，收获只有 88 分。

所以，应该杜绝的是“自慰式忙碌”。不要试图靠战术上的忙碌来掩盖自己战略上的昏庸。

“未来是不是就不需要初级程序员了？”

其实现在也不需要，你去问问中大型企业的 HR ，哪个公司初级程序员的收入/支出比是大于 1 的。我认为可以说没有。
这也是为何各大企业的低端职位只对校招感兴趣的原因。目的也只有一个，就是人才储备和对竞争对手的人才剥削。

所以，“因为 AI”所以业界不需要初级程序员，是个典型的伪命题。

另外，肯定有人会说 360 等软件“自产自杀”。
“自产自杀”，在收费时代也并不是没有。这并不是“免费”带来的特性。

“当初 360...免费策略胜出的吗 ”
是的，在我看来免费是 360 占领市场（假定所谓的“胜出”，是指占领市场）的很大一块原因。

“toB 领域这招有效吗？”
效果没有 toC 领域好。因为 toC 很大一部分是流量价值。这个流量不光指的是广告和引流，也普遍体现在病毒样本、用户行为数据、乃至隐私等方面。

目前的免费 toB 产品，流量入口的模式完全站不住脚，因为 B 端这块是红线。
主要的经营模式还是以收费支持、收费定制化、以及高阶服务为主。

目前的免费策略还有一个方向就是开源社区。暨通过占领软件开发模式、提供基础框架的方式，来普及乙方公司的业务影响力。相当于是一种间接广告的作用。