來自台中𝟒𝟎歲的工程師 前一陣子在IG聊一聊 一整個性致爆棚….. 二話不說 直接開啪💥💥💥 大叔也是超級乾脆的馬上赴約。 褲子一脫 爆莖棒狀物比男主人還要期待 平常工作的壓力是真的很大齁(´･_･`) 累積了這麼久突然一次爆發 讓人措手不及…. 又剛好遇到有時候你這樣會露電的肉棒 過程中腦筋一片空白已經快虛脫了⸝⸝ʚ̴̶̷̆ ̯ʚ̴̶̷̆⸝⸝ 唯一能做的就是不斷的叫你衝刺！ 你的老婆知道你是這樣釋放壓力的嗎🥵 #工程師格格# #敏感體質# #偷偷の吃# #真實素人約會報名# #巨乳# 他釋放完了但我還沒….

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。

Coinbase 工程师 Brock Miller 发文称，在 Coinbase 工作八年后，其已于上月离职，并加入 AI 公司 Anthropic，担任技术团队成员（Member of Technical Staff），参与推动 AI 前沿技术发展。Miller 表示，过去 12 个月里，他亲眼看到自己的软件工程工作因 AI 发生巨大变化，并认为这一转变仍处于非常早期阶段。其同时表示，仍然看好 Coinbase 及更广泛的加密行业，未来将继续关注其发展。

Anthropic 工程师 Andrej Karpathy： 当下 AI 领域最大的错误：人们在还没有真正掌握模型本身之前，就急着把 agent 强行推上去工作。 我们在 2016 年的 OpenAI 就犯过这个错误：为此付出了 5 年的代价。 Karpathy 实际想表达的是： 步骤 1 → 别再强迫你的 agent 什么都做，先把底层模型搞懂 步骤 2 → Demo 很容易，但做成产品需要十年。自动驾驶已经证明了这一点：如果你跳过基础，最后一切都会崩 步骤 3 → agent 不是产品，基础能力才是。把基础打牢，agent 自然会长出来 “现在正在做 agent 的你——你才站在最前沿。不是 OpenAI，也不是 DeepMind，而是你。”