上周面试一个候选人。简历很漂亮——三年 LLM 应用开发，做过 RAG、做过 Function Calling、做过多轮对话系统。
我问他：「你平时自己写代码用什么工具？」
他说：「IntelliJ，偶尔用 Copilot 补全。」
我又问：「你上周的工作流是什么样的？从接到需求到交付。」
他想了想：「看需求文档，设计方案，写代码，联调，测试，上线。」
我说：「这个流程里，AI 在哪个环节？」
他愣了一下：「……写代码的时候用 Copilot。」
技术没问题。但他自己的工作流和五年前一模一样。
那一刻我就知道，他做不出好的 Agent 系统。 一个自己都不是 AI 驱动工作方式的人，设计不出 AI 驱动的产品。
上个月帮一个制造业客户做 Agent 落地。他们的 IT 总监带了一个五人团队来接项目，清一色的 Java 后端，简历上写满了 Spring Boot 和微服务。
我让他们用 Coding Agent 开发一个采购审批 Agent。两个小时后，代码写完了。
然后空气安静了。
没有人知道接下来该干什么。ERP 怎么接？权限怎么配？审批流走错了怎么回滚？Agent 半夜跑飞了谁来兜底？Token 烧超了怎么控？
五个人面面相觑。代码不是问题。 问题是代码写完之后的所有事。
那一刻我意识到：AI 时代最稀缺的能力，不是写代码，而是 把一个 Agent 从 Demo 变成生产系统，再把它运营成一个靠谱的数字员工。
做这件事的人，我称之为 Agent 应用工程师。
上周和一个做了十五年全栈的朋友吃饭。他最近从大厂出来，拿到两个 offer：一个是去创业公司做 Agent，一个是去传统企业做数字化。他选了后者，理由是「Agent 太新了，不确定性太大」。
我问他：你觉得做网站和做 App 有什么区别？
他想了想：「差不多，都是接需求、写代码、上线、迭代。」
我又问：那做 Agent 呢？
他说：「也是接需求、写代码、上线、迭代。只是交付物从页面变成了 Agent。」
他自己把答案说出来了，但没意识到这句话有多重要。
上个月一个前同事找我吃饭。他在某大厂做了八年后端，刚被裁。手里有两个选择：去创业公司做 Agent 工程师，或者自己干。
他问我：「自己干的话，我该做什么？」
我说：你做过钉钉 FDE 那种到客户现场交付 Agent 的项目吗？
他说没有，只在公司内部做过。
我说：那你差的就是三个项目。做完三个，你就可以一个人开公司了。
他愣了一下：「三个就够了？」
够了。但不是随便三个。
2024 年，GitHub 上产生了 2560 亿行 代码，其中 41% 由 AI 生成。
这是一个惊人的数字，但更惊人的是未来 3 年的预测：随着 AI 编程工具渗透率从 50% 飙升至 90% 以上，全球代码总量预计将增长 4 到 10 倍。
面对这种指数级的生产力爆发，许多人的第一反应是恐慌：“程序员是不是要失业了？”
然而，经济学规律和历史经验告诉我们一个截然相反的结论：未来 3 年，从事软件行业的人数不仅不会减少，反而会迎来史无前例的增长。 软件行业正在经历一场从 “手工业” 到 “工业化” 的范式转移，而这场转移将吸纳海量的 “新从业者”。
[Read More]上周六下午，我在 GitHub 上刷到一个 5k star 的开源 CLI 工具——一个看起来挺漂亮的本地日志聚合器。我心血来潮：能不能用 Claude Code 复刻一个？
三个小时后，核心功能跑起来了。彩色输出、文件 watch、正则过滤、多源合并，一应俱全。我兴奋了大概五分钟，然后意识到一件让我心里一沉的事：
我根本不需要这个工具。
那为什么三个小时前我会觉得"做出一个这样的东西"是有价值的？
因为在我过去十几年的职业训练里，“能做出来"本身就是稀缺的。一个能从零搭出完整工具的工程师，值钱。但今天下午，这个稀缺性在我自己的笔记本上被亲手碾碎了。
[Read More]二十年前，Steve McConnell 的《代码大全》(Code Complete 2nd) 以其近 900 页的体量，成为软件工程领域一座难以逾越的丰碑。二十年后，它依然是无数工程师书架上的必备经典。在一场深度的访谈中，McConnell 分享了这部巨著背后的故事、对职业发展的深刻洞见，以及对 AI 时代的冷静思考。
尽管技术浪潮已更迭数代，但 McConnell 的核心思想依然闪耀着永恒的光芒。我从中提炼出三大"启示"，它们穿越了语言和工具的变迁，直指软件开发的本质。而当我读完 Anthropic 刚刚发布的 The Complete Guide to Building Skills for Claude 时，我惊讶地发现：这份 AI 时代的"新代码大全"，正是 McConnell 理念的最佳实践者。
[Read More]软件工程师正在经历一场静悄悄的范式革命。过去，一个工程师要成为团队中的技术骨干，往往需要五到十年的摸爬滚打——踩过无数坑，读过海量源码，在生产环境的故障中积累经验。但现在，一个善于使用 Claude Code 的工程师，可以在几个月内走完别人多年的路。这不是夸张，而是正在发生的事实。
[Read More]在科技行业求职，特别是向 Google 这样的顶级科技公司投递简历时，如何将个人网站上丰富的项目经验、技术博客和开源贡献转化为一份专业、精准的简历是关键。传统方式需要手动整理、提炼和格式化，既费时又容易遗漏重点。本文将介绍如何利用 AI 工具，特别是大语言模型（LLM），智能地将个人网站内容转化为符合 Google 招聘标准的专业简历。
[Read More]