新闻详情

新闻详情

首页 / 资讯中心 / 详情

「手写代码已死,但写代码的经验还在帮你」:一条百字笔记的延伸

发布时间:2026/11/21 22:20:35来源:尧图网络
「手写代码已死,但写代码的经验还在帮你」:一条百字笔记的延伸
本文首发于个人博客 wangyabo.com转载请注明出处。「手写代码已死但写代码的经验还在帮你」一条百字笔记的延伸一句话结论手写代码作为「产出方式」确实过时了但真实的编程经验与「能否驾驭 AI agent」高度相关——换句话说非技术人员无法成功地演化一个 AI 辅助系统。这是数据工程博主 Simon Spätissp.sh/brain09-24 发布的一条百字笔记。它是我的姊妹篇《「问题不是 AI 写的代码而是没人懂系统了」》的个体侧版本上一篇讲「知识真空」这一条用 100 个英文单词给出了同一枚硬币的另一面——经验决定你能不能当 AI 的指挥官。笔记虽短命题够硬值得展开。原文全文双语照录这条笔记短到可以全文照录——这也是核验的一部分让读者看到原文的全部而非转述。That’s my answer to “is writing code dead?” as of 2026-09-24.Personal observation:Writing code by hand is obsolete. But real coding experience correlates really well with being able to direct agents.In other words, non-technicals cannot successfully evolve AI-assisted systems.中文这就是我对「写代码已死吗」截至 2026-09-24 的回答。个人观察手写代码已经过时。但真实的编程经验与「能否有效指挥 AI agent」高度相关。换言之非技术人员无法成功地演化一个 AI 辅助系统。笔记末尾标注了思想源头一条推文以及 DHHDavid Heinemeier HanssonRuby on Rails 创造者的视频《The Differences between Writing and Coding》写作与编程之差。为什么「指挥 agent」需要真实的编程经验这条命题的反直觉之处在于大家原以为 AI 编程会让「会不会代码」变得无关紧要。但 Späti 的观察恰恰相反——经验不是用来写代码的是用来判断 AI 写得好不好的。展开成三层品味层AI 能生成「平均水平」的代码但判断「这个抽象方向对不对、这个依赖该不该引、这个架构三年后还撑不撑得住」需要踩过坑的品味。品味不来自提示词技巧来自过去亲手写下的每一行烂代码。验证层AI 的输出必须被验证。没有经验的人验证不了——他们连该跑什么测试、该警惕什么边界都问不出来。于是「演化 AI 辅助系统」在第一步就卡死你不知道现在的系统是变好了还是变坏了。方向层agent 擅长在被定义好的空间里爬坡但「选哪个坡」是架构与产品判断。非技术人员可以造出一个 demo却无法把它演化成系统——demo 到产品之间的路全是要靠经验做决策的路。与「没人懂系统了」的呼应上一篇讲的是组织现象全员 AI 产出、无人通读知识真空化。这一条笔记是它在个体层面的推论组织侧知识真空化 → 没人能判断系统健康度 → 可维护性成为最终 Boss个体侧经验决定指挥能力 → 有经验者是杠杆的支点无经验者只能产出 demo。两条合起来的推论是残酷的AI 时代工程师的分化不是「会用 AI vs 不会用」而是「有经验地用 vs 没经验地用」——前者在放大判断力后者在放大生成速度。人才侧的隐含结论如果组织停止招聘和培养初级工程师五年后就没有「有经验的中级」——指挥 agent 的能力断层是复利的。核查与验证核查项方法结果ssp.sh 原文可达性直接抓取200 通过100 词全文照录核验一致发布/更新时间页面元数据09-24 发布100 词、09-25 增补34 词源推文BaronHakkinen直接访问本网络不可达未独立核验DHH 视频YouTube 访问本网络不可达未独立核验观点层声明体裁判断原文为「个人观察」用了「correlates相关」而非「causes导致」的谨慎措辞本文解读为观点延伸延伸判断经验的三种复利把这条命题再往前推一步真实编程经验在 AI 时代产生三种复利设计复利知道什么地基撑得住少走选型弯路、验证复利知道哪里最容易出问题评测与审查更有命中率、方向复利知道哪些坡值得让 agent 去爬。反过来没有经验支撑的 AI 使用也有三种负资产无法审计的代码库、无法判断的质量、无法迁移的 Demo。给个体的建议保持朴素在让 AI 写代码之前先让自己达到过「能独立写出它」的水平——不是要你回到手写时代而是确保你有能力校验它的输出。给团队的建议面试里保留「不借助 AI 的编码环节」不是怀旧是校准指挥能力的下限。参考来源Simon Späti, Writing Code by Hand Might Be Dead, but it Certainly Helps, ssp.sh/brain, 2026-09-24/25BaronHakkinen, 推文本网络未独立核验DHH, The Differences between Writing and Coding本网络未独立核验姊妹篇「问题不是 AI 写的代码而是没人懂系统了」王亚博Abel Wang· AI 数字效能方向 · 关注 AI 工程实践与知识管理
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉