Ben77
@blapta
Philosopher & Engineer of Money | Designing incentives, not illusions.
1.1K 正在关注 3.9K 粉丝
最近参与一些项目设计时，我越来越频繁地听到一种抱怨：不少人开始排斥，甚至主动避免让传统 CS / 软件工程背景的人主导针对复杂问题的方案设计。
被吐槽最多的，并不是代码能力，而是缺乏对真实问题进行建模的能力。
和一些不同领域的朋友交流之后，我发现这并不是个别现象。
我倒不认为 CS 背景的人天然有什么问题。真正的问题可能恰恰在于，过去的软件行业让太多技术理解长期停留在框架、API 和各种大词上的人，存活得太久了。
放在一些更依赖基本功和建模能力的领域，这类人可能很早就会因为无法继续深入而被筛掉；但软件行业过去巨大的 implementation 需求，长期为他们提供了足够宽的生存空间。
在古法编程时代，implementation 本身足够昂贵。
熟悉几个框架，记住大量 API，掌握一些标准架构，知道如何把别人已经验证过的方案迁移到另一个业务场景，本身就具有相当高的市场价值。
于是久而久之，我们把：
“能够熟练操作别人已经设计好的抽象”
误认为了：
“具备理解问题、建立模型和创造抽象的能力”。
但这两件事从来不是一回事。
AI 的出现，只是突然把这个长期存在的错觉打破了。
当写代码、查 API、拼框架、迁移 boilerplate，甚至完成相当复杂的 implementation，都开始变得越来越廉价以后，过去被代码产出能力掩盖的差异终于暴露了出来。
某种意义上，我们面对的并不只是一次生产力革命。
而是一场迟到了很多年的能力重估。
显示更多
