.. Michael Wu 版权所有 :Authors: Michael Wu :Version: 1.1 2025-Q1 ********** 2025年1月 ========== 随笔 ---------- 时间过得真快，一转眼就2025年了。 作为也是成为一个工作了接近快10年的程序员了，在这新的一年里，我应该更加深入的思考一下未来的5年甚至10年，我应该 长期投入做一些什么。比如：培养一个可以长期给自己带来快乐的兴趣爱好，系统性的把自己以前一直心心念的一些自己喜 欢的，或者一直就想挑战的技术给系统性的学习一下，比如Linux、Next.js等，还有一些AI相关的东西，像自己向自己特别 喜欢的那些大神榜样看齐，比如约翰卡马克等。 新的一年也规划上新的生活技能的学习，比如把开车是否要学习一下。要多一些战略性的思考，多一些长远的打算，每天都向 着长远的目标前进一点点。 创业 ---------- 晚上回来刷知乎，看到了关注的一个头部大V关于deepseek文章推送：https://zhuanlan.zhihu.com/p/21374406500，这个 文章里引用了一个CSDN的文章，我点击进去发信是 研究者July ，这个我在2015年就知道的一个人，当时还备受争议。于是， 忍不住考古了一下： - `研究者July在计算机和机器学习领域的水平怎么样？ `_ - `研究者july有过大公司工作经历吗，代码能力怎么样？他的算法水平怎么样，他的讲课水平怎么样？ `_ 考古10年前的回答中，基本都是讽刺和质疑，因为July并没有一个名校的学历，甚至可能是个大专，也没有一个大厂的经历， 写的东西也有很多拼凑的地方，所以在知乎上被广泛的质疑和抨击，并且这些抨击在当时也不是无脑黑，确实是一个事实。 回答1： | 研究者July在计算机和机器学习领域的水平怎么样？ - codedump的回答 - 知乎 | https://www.zhihu.com/question/24957182/answer/70361710 红黑树这个算法,我在博客中写了好几篇文章去分析和给出我的实现,不断的修改/实践,从时间跨度来看有一年多的时间. 虽然过去了很多年,我也把这个算法忘得七七八八了,在工作中也没有怎么实际的使用上,但是在当时,我确实用了很多的 心力去思考和实践这个算法的. 这个回答让我想起了我当年学习算法时，KMP/Dijkstra等也是理解通透，还整理了文章，但是现在也忘得差不多了，长 时间不用大脑确实会忘记，掌控不了那么多细节，甚至自己曾经顿悟的东西也会忘记。 回答2： | 研究者July在计算机和机器学习领域的水平怎么样？ - Ya-Lin的回答 - 知乎 | https://www.zhihu.com/question/24957182/answer/29587776 我认为他在算法的收集与整理上有着不错的造诣。更准确的说，他很擅长把他所能接触到的资源整合并加以呈现，借着 这样的机会，相信自己也有着不少的学习机会，自然会达到一定程度上的见多识广。我很钦佩他的CSDN博客所达到的 成绩，这对于很多人而言，都难以超越，在很多文章上也着实整理得很清晰，当然有些时候给人冗余的感觉，但总体 评价应该是比较高的。 ... 但是他的博客给我们一个很深的启示，做自己擅长的事，并且做好。值得我们学习。 接着，搜索了下July的现状，发现已经创业成功： https://www.julyedu.com/help/index/join，通过这个链接的公司 介绍和大记事情，俨然July已经财务自由，做了自己喜欢并且擅长的事儿，吸引到了一批志同道合的人，也得到了投资人 的认可，抓到了市场的需求。 如果想达到类似世俗的成就，那么基本必须是超级个体或者创业才行。虽然在当时那么多人黑，他还是特别坚持，或者说是 喜欢这件事(当时就是整理博客，出书，整理算法)，创业的商业模式也是IT培训，他喜欢算法以及AI相关，一直也在学习总结， 后面也抓住了大模型这波浪潮，很会退出面向初学者的课程，后面公司做起来后，也开始做一些商业产品的东西。 现在回过头看，以他的学历和工作背景，能够从事AI算法并且还能成功几乎只有创业者一条路，他很好的利用了自己擅长的事儿 并且坚持去做，持续整理面向初学者的博客，出书创办面向教育培训的公司，商业模式运作成功。自己虽然没有科班和大厂经历， 但是常年的学习总结，这个领域的造诣也很高了，后面也得到了很多大的合作，自己也得到了很多的认可。 看他的还是没有提学历的事儿，后面各种能够彰显自己能力的都提了包括北理校外导师，虽然他可以不用在意，但是我估计还 是在他内心深处有一些遗憾吧。这个就有点类似知乎的曾博，总是提当年浙大三本的事儿没有考上清华。July创业成功，我认为 有一份原因是：发现了自己擅长的事儿，并且坚持做好，内心深处对自己做的事情有着坚定的信念，而且有一颗强大的内心。 2025年2月 ========== 程序员发展 --------------- 互联网的35岁问题探讨: https://www.youtube.com/watch?v=0RGd1S-RK2M&ab_channel=%E7%AB%8B%E5%85%9Alidang 1. **互联网 ≠ 计算机专业，互联网裁员 ≠ 只裁程序员** - 互联网行业长期处于高速发展，融资、上市、孵化新企业等导致频繁扩张和裁员（例如腾讯医疗、字节游戏、字节教育）。 - 互联网公司裁员更多的集中在产品经理和运营岗位。 - 程序员被裁后可以降低薪资找工作，而产品和运营岗位减少后，很多人会彻底离开行业。 2. **计算机专业毕业生并非只能去互联网** - 传统行业的信息化、制造业、半导体等都需要大量程序员。 - 国产GPU、CPU等半导体企业最缺CS学生写驱动。 - 航天院所、国防军工缺行家设计和控制专业博士，而最缺CS本科生。 - 事业单位、国企也需要运维、数据库管理、开发等岗位。 - CS少儿教育、中小学信息课教师也紧缺。 3. **科技互联网行业害怕35岁裁员的原因** - 购房压力大，上班第一年可能就贷款买房。 - 家庭财务压力大，可能配偶不工作，孩子读昂贵的国际学校。 - 许多程序员在行业红利期获得高薪，不愿意降低收入接受新工作： 1. 本科毕业，混阿里P8（高管），但技术一知半解，最终被淘汰。 2. 依赖技术吃饭但不学习，工作随时可能被年轻人替代。 3. 只关注技术，对行业、企业财报和风险毫无概念，行业衰退时找不到出路。 后面还提到了，其实华为的程序员相，很多涉及芯片更底层的，相比互联网会更加稳定长久的。根据观察也确实是。 AI 能替代程序员吗？ --------------------- LLM 和 LLM Agent 正确理解： https://www.youtube.com/watch?v=3JPZ6OohRVc&ab_channel=%E7%AB%8B%E5%85%9Alidang LLM辅助编程的局限 ^^^^^^^^^^^^^^^^^^ 1. **LLM 是一个聪明的人，但会犯错** , LLM 具备强大的语言处理能力，但不能保证所有回答都是正确的。 2. **LLM 不能预测未来，不是万能的** 它只能基于已有的数据进行推理，无法进行真正的预测; 3. **LLM Agent 采用 agentic 方法逐步解决问题** 通过一步步试探、推理、思考来解决问题，而不是直接输出完美答案。 4. **LLM 的最大短板：上下文窗口与长期记忆** 目前 context window 受限（如 2 million tokens）。记忆能力 较差，RAG（检索增强生成）和 long-term memory 方案尚不成熟。 LLM 在编程中擅长领域 ^^^^^^^^^^^^^^^^^^^^^^ 1. **经典且流行的编程语言** （如 Python、C++ 等）。 2. **固定的场景和框架** （如 Web 开发、数据库操作等）。 3. **定义完整、条件清晰的任务** （如算法实现、API 调用示例）。 LLM+Agent的擅长领域 ^^^^^^^^^^^^^^^^^^^^ 1. **可以直接搜索到相关问题的答案**。 2. **可以精准搜索到对应的文档和示例代码**。 3. **可以在多次工具调用（tool calling）尝试下解决问题**。 4. **适用于小型代码仓库（repo），可以完整加载进上下文**。 体验比好深的就是，context window确实很影响对大点儿的具体项目开发的辅助。但是对于成熟的知识点，小规模的问题 可以很好的解决，尤其对于成熟编程语言，成熟技术领域，有很多开放文档、开源项目、sample等等的，效果就十分好。