技术、产品与风险识别的集中交锋
围绕技术无用、架构经验、99与1、岗位融合和人才评价出现多轮追问;同日还有数据脱敏与元认知讨论。
为什么留下这段讨论
表达确有收窄,但多个关键问题仍未解决;不同分歧在交锋页分别记录。
相关话题
AI 做错了,你能看出来吗?
检查机制能发现错误,但谁来保证检查本身没漏掉问题?
AI 写出洞察,为什么还说服不了人?
漂亮结论与能支持决定的证据链,还有距离。
实现更容易了,技术还要学多深?
亲手写出来,与判断方案是否可信,需要分开看。
产品与开发,谁会更重要?
双方聊到了能力融合,职业权重的分歧仍然存在。
AI 做完了,你真的学会了吗?
下次换个案例,能否独立判断和检验,才看得出来。
招聘怎样考,才知道一个人会做事?
容易评分的题与真实工作能力,未必是一回事。
用户能自己做了,中间岗位还需要吗?
自动化的逻辑,也要用来检查 AI 应用工程本身。
参与者与原话
_yuhou · Ste. · 数读 · LLLLxr · ***
复现跟发表那是一回事儿吗?
不准喂ai
去敏
就没价值了
学他的语言表达能力啊
哦哦这个意思
必须对追问为什么
为什么做 凭什么这样做 有没有别的被fold的策略 为什么别人做的不一样 为什么别人做的可能更好 站在谁的角度,要怎么做
你不没经历过,没踩过一些坑,ai给你的架构方案你都不知道是不是对的
但你怎么知道哪些是99 哪些是1呢
先不管这数字,夸张一点就是99和1
不需要一开始就准确知道它属于 99% 还是 1%。真正需要的是一套机制,让普通问题能够低成本地被验证,而危险问题能够尽早暴露并升级。
所以说技术能力不一定要内化到脑子里,但还要有足够的基础去理解这些问题
是技术实现价值变少
技术会越来越“无用”,不是因为技术不重要,而是因为它正从稀缺能力变成随取随用的基础设施,真正稀缺的是定义问题、判断方案、设计验证和处理复杂边界的能力。
其实我认为是产品经理和程序员坍塌了,互相融合了
1 但是我记得我说过,我觉得产品经理权重更高
我觉得没有哪个权重更高
本质上两边的部分能力都在下沉
剩下的高层次的能力和价值在融合
我觉得产品经理(maybe是我的偏见) 最核心的品味判断
按这个流程,用户都可以自己来吧
所以 AI应用工程师本身可能也并不是必须的