现在很多连接件我也是3D打印。因为我又懒又抠门，收敛到这个办法。反正，能用，没垮，方便。甚至建模我就直接建一个，然后直接用切片软件里面的等比例缩放，直接在安装位置上一个游标卡尺，XYZ轴数字填一下。打印出来就好了。 一个朋友小哥，也是学engineer的，路过来看。说这都行？ 咋不行？有一天你要去一个叫做华强北的神奇地方。这里的“工程师”都穿人字拖，只关心“能不能用？装不装的上？钱能收回来吧?”。符合以上：好设计。

推荐一波我常看的英文 AI 号，我现在获取一手 AI 信息的主力还是英文 X 推特账号。中文圈的解读通常会慢一点，并且经过一道理解之后可能和原意产生偏差。 1️⃣ Alex Albert @alexalbert__ Anthropic 一线的工程师，Claude 模型的新能力具体有什么变化，他给到的的是第一手口径。我很多用法都是先在他那看到，自己上手试完再决定要不要进工作流。 2️⃣ Boris Cherny @bcherny Claude Code 的创造者本人，经常会发一些Claude产品的新特性，以及工具为什么形态是这样、某个设计背后砍掉了什么。 3️⃣ Thariq @trq212 也在 Anthropic 做 Claude Code 这块，偏工程视角，经常会写一些长篇硬核文章，最近几个月已经产出了多篇流量1M+的长文，每篇都能学到很多。 4️⃣ ClaudeDevs @ClaudeDevs Anthropic 官方的开发者号，新产品、API 发布、产品决策背后的 deep dive 都会在这里发布。星耀跟踪Anthropic产品的新动态，直接给它添加小铃铛是最方便的。 5️⃣ Peter Steinberger @steipete 卖掉 PSPDFKit 之后又回来折腾 AI 的老工程师，Openclaw小龙虾的创造者，网络弄潮儿，AI新词发明家。 6️⃣ Zara Zhang @zarazhangrui 全程 build in public 的实战 builder，在 X 上展示她真实的构建过程，她的长文我经常会看，并且她不是纯AI账号，更偏向一个IP，还会分享一些自媒体运营、学习心得等内容。 7️⃣ Jason Liu @jxnlco Instructor 的作者，RAG、结构化输出、AI 工程落地这些他是实战派，讲的都是真在项目里踩过的东西。 8️⃣ roon @tszzl OpenAI 成员，发的东西一半是 AGI 的哲学一半是冷幽默。他很少讲实操，多数是这个行业的另一层叙事，能让你换个角度想问题。 9️⃣ Tibo @thsottiaux OpenAI Codex 的工程负责人，后来升上去管 ChatGPT 加 Codex 一整摊核心产品，最近因为 Codex 频繁重置这小哥也火了。想知道 OpenAI 的 agent coding 进度和发展，他就是最可靠的官方信息源。 🔟 Aaron Levie @levie Box 的 CEO，讲的是企业级 AI 到底怎么落地、商业上怎么算账，偏AI乐观派，会带上很多真实的 to B 判断，补充技术之外的商业视角。

Anthropic 工程师讲了一堂 FDE 入门课 Kevin Bai 现在在 Anthropic 的 Applied AI 团队，之前是 Rippling FDE 团队的创始成员，再之前在 Palantir 干了好几年。最近他做了一个 FDE 101 的分享，把前线部署工程师这个角色讲得很清楚，值得总结一下。 先说一个数据：在上市 SaaS 公司里，按平均合同金额排，Palantir 是 400 万美元，ServiceNow 120 万，Workday 60 万，剩下的没有一家能超过 50 万。Palantir 靠几千人做到了别人几万人做不到的客单价。靠的就是 FDE 模式。 FDE 到底在解决什么问题？ Palantir 的产品 Foundry 是一个应用构建平台，技术门槛很高，但买家是石油、消费品这些行业的非技术高管。你把一个复杂的技术平台丢给一个不会写代码的人，指望他自己搞明白怎么用，这不现实。 所以 Palantir 的做法是：客户买的既不是软件产品，也不是咨询服务，而是一个"结果"。你派工程师过去，深入理解客户的业务场景，在平台上给他们把东西建出来。客户关心的是货架上多了多少商品、产线效率提升了多少，他们不关心数据怎么组织的，也不该关心。 FDE 和外包开发有什么区别？ Kevin 特别强调了一点：如果你的工程师每次都从零给客户写定制代码，那你做的不是 FDE，是外包开发。FDE 模式能成立，前提是你有一个可复用的平台。工程师是在平台已有的基础能力上组装和定制，不是每次重新造轮子。没有平台，维护成本会吞掉所有利润，工程师也会因为要维护几十个毫无关联的代码库而跑路。 要不要搞 FDE？两个问题就能判断。 第一，你是不是必须把一个技术复杂的东西卖给非技术买家？如果你的客户本身就是工程师，比如卖 GitHub 或者 Datadog 的，不需要 FDE。如果你的产品本身就是开箱即用的，比如 Slack 或者 Jira，也不需要。只有你的产品很复杂、客户又不懂技术的时候，FDE 才有必要。 第二，你有没有一个可复用的平台？或者你愿不愿意投入去建一个？没有共享的基础组件，FDE 就是不可持续的。 2026 年的新变化是什么？ Kevin 的判断很有意思：软件行业做生意的方式本身变了，AI 让构建软件变得极其容易，几乎所有平台都在走向 Agent 化，这意味着几乎所有平台都变得高度可定制。后果就是：越来越多的客户搞不清楚你的产品到底能做什么。你把产品的成败交给客户自己去摸索，在 Agent 时代会越来越难走通。 这就把 FDE 从 Palantir 独有的小众玩法，变成了更多软件公司需要认真考虑的事情。 最后一个问题：什么样的人适合做 FDE？ Kevin 的回答很简洁：FDE 就是一个你信任到可以让他直接面对客户的软件工程师。技术能力是基本盘，但你还得放心让他代表公司去跟客户打交道。

Meta工程师为了30岁退休能对自己狠到这个地步，这种极致的自律和清醒确实让人佩服。他不是在单向牺牲生活质量，而是用当下的克制换取未来几十年的绝对人生掌控权。这提醒我们物欲从来不是幸福的唯一解，清楚知道自己要什么并为之买单才是真本事。不过极简虽好但也别走极端，在追求未来自由的同时，也别忘了留些预算给现在的烟火气。 我之前投资Tesla就是受了一位前google工程师Jason Debolt的启发，那哥们更加“极端”，在Tesla股价低的时候，直接不租公寓了，睡在自己的Tesla车上，就停在Google的office parking lot 三年，平时吃喝洗澡什么都在公司解决，每个月省下的昂贵的硅谷租金全部投入Tesla的股票中，然后到了2020年后直接大几千万美金退休了。。。

SpaceXAI 工程师 Lauren Tan（@poteto）一场 AMA 对谈，基本是她本人出镜答问。中间闪过六人视频会议画面。没有白板、没有录屏。 她讲的核心不是逐个催 Bot。多个 Bot 可以共用一台底层电脑，但记忆和聊天记录分开。 复杂活适合专岗小队；Chief of Staff 当唯一入口，负责分派。她的 Bot 当外环：接 Slack、邮件、日历这类外部集成，再触发 Cursor 里的内环，拉起 cloud agents。 Bot 里暂时不能随意换模型，派出去的 cloud agents 可以用任意模型。举例：盯 Slack 反馈频道 → 触发 Cursor 内环 → 用 potato mode 开云 Agent。 Agent 团队先养参谋，再扩工人。别把自己变成催办员

德国工程师协会（VDI）与德国经济研究所（IW）联合发布的最新报告显示，德国经济放缓对工程和IT行业的就业市场造成了冲击。 2025年第四季度，德国有58392名工程师和IT专业人员失业，这是自2011年开始这项调查以来的最高数字。与上一年相比，失业率上升了16.7%。 与此同时，工程和IT行业的职位空缺数量为96780个，比上年同期减少了 18.2%。不过，不同职业领域之间的职位空缺情况存在显著差异。土木工程行业的职位空缺仅下降了3.8%，而IT行业的职位空缺则下降了33.0%。 报告指出：“巴伐利亚州和巴登-符腾堡州的职位空缺数量下降尤为显著，这两个州的汽车制造业——受经济衰退的冲击尤为严重——在经济中扮演着举足轻重的角色。” 德国工程师协会 (VDI) 表示，这些数据不应被解读为德国未来对技术专家的需求将会减少。“从长远角度，基础设施现代化、能源供应转型、数字化以及新技术的发展都需要合格的工程师，”该协会负责人阿德里安·威利格 (Adrian Willig) 解释道。 工程师协会还指出，为了确保长期拥有技术工人，必须培养下一代工程师，尤其是吸引更多女性加入工程行业。威利格表示，“如果现在在吸引年轻人才、培训和保障技术工人方面有所懈怠，当经济复苏时，我们会发现缺乏急需的专业技术人员。“

软件工程师在 AI 时代依然有不可替代的位置。 即使像强如 Claude Fable 5 这样的 AI 模型，在开发产品时，依然有很多默认不会注意到的技术处理细节。 比如应用的内存管理，如何采用更好的技术方案来实现需求的同时，达到更好的性能。如果你已经有工程代码，它可能会默认选择遵循你的代码，然后“补丁式”地完成任务。而默认也会不倾向于改动技术架构。 再比如，你在构建 Electron 应用时，它在打包时不会优先考虑体积的优化。比如裁剪掉无用的语言包，优化使用的 npm 包的打包方式等。 而这些是工程师在参与其中，能够直接感受到“它跑偏了”，“它在偷懒”，“它实际上没有深度思考”，进而给他一点点纠偏，就能产生很大的收益。