与「软件工程」相关的搜索结果

AI Coding 最危险的阶它写得太快了，快到人开始不知道自己到底写了什么。 最近一次周会上，我们聊到一个很有意思的变化。 以前研发开站会，一个人通常能很具体地说清楚：昨天完成了哪个功能，今天准备实现哪段逻辑，明天要联调什么。 一个需求如果要做五天，也会自然地被拆成五个阶段。每一天都有一个明确的结果，Leader 能听懂进度，开发自己也知道代码正在往哪里走。 但接入 AI Coding 以后，事情开始变得不一样。 有些人拿到需求，第一反应已经不是先把目标拆清楚，而是把整份需求直接丢给 AI。AI 很快就能生成一大堆代码，原本预计五天的开发，可能第一天看起来就“做完了”。 问题来了，接下来的四天并没有因此消失。有时候会远远超过四天。 它们只是换了一种形式出现：不断改 Bug、反复联调、修好一个地方又弄坏另一个地方。 更麻烦的是，开发者自己也很难准确回答： 这次到底改了什么？ 哪些功能真的完成了？ 哪些只是页面看起来能跑？ 这段修改影响了哪些旧逻辑？ 于是出现了一个很反常的现象，代码生成速度越来越快，团队对开发过程的理解反而越来越模糊。 测试也被拖进了这个黑盒。 原本测试应该做的是验收需求是否实现，功能是否符合预期，质量能否达到上线标准。 现在却经常变成陪着开发一起找答案，为什么修完新问题，旧功能又坏了？ 表面看，AI 把“写代码”这一步大幅提速了；但如果需求没有被拆解，阶段结果没有被定义，变更也不可追溯，那么被省掉的开发时间，最后很可能会以 Bug、返工和沟通成本的形式重新付回来。 AI Coding 带来的核心变化让软件工程里原有的反馈机制被打乱了。 过去，代码写得慢，反而逼着人一步步思考：我要做什么、先做什么、怎样验证。 现在，AI 可以一次吐出大量结果，人很容易产生一种“已经完成”的错觉。但生成完成，不等于功能完成；功能能跑，也不等于工程完成。 AI 越快，人越需要主动制造检查点。 下一代研发流程真正要解决的，可能不是如何让 AI 再快 20%，重点应该放在如何让每一步结果都能被人理解、验证和追溯。 AI Coding 的终局也不应该是人把需求扔进去，然后等结果出来。 那不是软件工程自动化，只是把原来的黑盒换成了一个速度更快的黑盒。 真正成熟的 AI 研发体系，应该让 AI 负责加速，让人始终保有理解、判断和验收的权力。 所以 AI Coding 的上半场比的是谁生成代码更快；下半场比的会是谁能在这种速度下，仍然保持工程过程清晰、质量可控。 模型能力最终会逐渐趋同，但谁先建立一套适合 AI 时代的研发机制，谁才真正拿到了 AI Coding 的红利，而不是得到一堆写得更快的 Bug。 以上。

要我说，AI native 时代最成功的创业者，应当实打实的参与到所有行业的所有工作中去，而不是试图用软件工程工作中的工具（比如 Git 和 notion 等）通过组合来完成其他领域的工作，知识工作有一定的相似性，但在知识工作之外，仍有大量的空间没有被梳理和信息化，我觉得所有人应该像 Elon 对 Terafab 那样重新思考芯片制造一样重新思考工作。

最近工作不好找，好几次都被鸽了，gap 一个多月期间也看了不少，最近挺焦虑的，想听听各位大佬的一些建议。 我是一名偏 infra 的嵌入式软件工程师，做过应用、RTOS、驱动框架、SDK，以及 pre/post-silicon 软件验证；也涉及上位机、VS Code 插件和嵌入式 Agent Harness 希望大家可以推荐一些产品有意思的智能硬件团队，或者是半导体的 SDK、工具链、验证的infra相关工作。目标城市是上海/深圳/南京，完整的简历可以私聊我 求各位大佬内推或聊聊行业方向，评论私信都可以，非常感谢大家的关注🥹🥹

每个软件工程师都该懂的 10 个 System Design 概念： Load Balancer：流量分发 Caching：Redis + Cache Aside CDN：静态内容加速 Database Replication：高可用 Sharding：水平扩展 Message Queues：Kafka / RabbitMQ Rate Limiting：接口保护 Circuit Breaker：故障隔离 Health Checks：服务探活 Observability：Logs + Metrics + Traces

一个男人用了5年iPhone。 电池下午3点就没电。口袋里手机发烫。储存空间总是'几乎满了'。通知不停。照片应用卡顿。 他的朋友——前苹果软件工程师——某晚坐下来，15分钟内改了10个设置。 电池撑到午夜。手机不再过热。释放了40GB空间。通知安静了，只有重要的。 他说：'感觉像新手机。' 她说：'就是新的。你用了5年出厂设置。苹果发布的版本是收集最多数据、显示最多通知的——不是尊重你电池和时间的版本。' 以下是她改的所有设置 🧵

AI最擅长的是重构。 软件工程曾经告诉你，不要轻易重构。 但是我最近的体会是：请疯狂重构。 重构是最好的试错方式，也是使用AI编程的过程中代价最小的方式。 随时清理技术债，随时重构到更合理的架构和实现方式。 这样再复杂的工程AI也能很好地写下去。

深度分析：Kimi K3 与 Fable 5 在软件工程 / DeepSWE 任务上的表现对比。 开源前沿模型已经不再落后6个月了！ Zain原文完整分析👇（1/n）🧵

专升本前端毕业 1 年，从初创到大厂，我的开源项目上了 github trending，顺利聊聊做开源的收获 6 月 30 日，我做的开源项目 Archify 第一次出现在 GitHub Trending ，排名第 9 。到发帖这会儿，仓库有 4.7k Star 、414 个 Fork Archify 是什么 Archify 是一个给 Claude 、Codex 、opencode 使用的 Agent Skill 。你用自然语言描述系统或流程，它生成 JSON IR ，经过 Schema 和布局检查，最后输出一个独立 HTML ，可以切换深色和浅色主题，也可以复制或导出 PNG 、JPEG 、WebP 、SVG Trending 不是突然掉下来的 仓库创建于 4 月 15 日。最开始只有架构图，后来陆续补了四种图表、双主题 SVG 、4 倍清晰导出、JSON Schema 、布局检查、CLI 、CI 和零依赖安装包 这个项目是自发火起来的，在推上被很多博主推过，我觉得被传播的主要原因，一个是生成的图确实比 mermaid 好看，而且 html 也易于传播，加上 hero 图清晰明了，一看就知道是干啥的了 Trendshift 的记录显示，Archify 在 6 月 30 日第一次进入 GitHub Trending ，排名第 9 聊聊开源 先讲讲我之前的经历吧： 我是 18 年高考的，我比较笨，学习不咋地，读了一个专科，专业叫计算机应用技术，第一年觉得自己状态非常颓废，也学不明白，痛定思痛，就报名去当兵了，在部队待了两年 刚去的时候身体素质很差，我也瘦，没啥力气，刚去的时候 106 斤，很多训练都不行，后面下连分到了通信专业，相对轻松一点，我训练比较认真，后面一些机会下，机缘巧合，代表单位参加集团军的通信比武，拿了第一名，当时是真的意气风发，多的不讲了。 退伍以后呢，回学校继续读书了，因为退伍可以免试嘛，也不知道干点啥，就专升本了，后面考的还行，我那批是七十多个人，然后招六个，我考了退伍批次的第一，考到了重庆邮电大学的软件工程专业，我很感激母校，包括我的专科学校，我觉得是他们收留了我，得益于母校，我才有了后面见识更多的成绩平平的农村孩子之外的一个世界。 因为专升本的本科只有两年，所以时间其实挺紧的。刚开始还想考研，后面感觉自己学习也不咋地，本来就专科，当兵，比同龄人毕业要大三岁，就不考了。 然后就开始学前端，跟着网上的课程学了一个多月，尚硅谷啥的，后面找实习运气还挺好，学了一个多月就找到了。 那是 2025 年 4 月，苏州的一家中厂，叫智慧芽，一天两百块钱，然后房租是 850 ，我记得当时我一个月还能存两千多块钱，就是有时候回学校考试麻烦，一来一回，苏州到重庆，路上要二十多个小时，车费接近两千块钱。 但那段时间其实挺开心的，每天学东西、写代码，感觉自己只要一直努力，后面肯定会越来越好。 实习第四个月的时候，我面试了字节飞书。杭州的部门，两轮面试都通过了，最后背调的时候，对方知道我是专升本，把我卡了。 当时 HR 给我打电话，我还一直跟他解释，说我肯定可以达到他们的要求，也可以通过工作证明自己，但是最后还是没有给我机会。 那次确实挺难受的。不过我当时也没有觉得完全是学历的问题，更多还是觉得自己不够强。就想着如果技术真的特别牛逼，可能也不会因为这个把我卡掉。 后面秋招回学校，我又面了重庆的懂车帝。前面的面试也都还可以，到了 HR 面的时候，我提前说了自己是专升本，然后就没有下文了。 联系我的一面面试官后来还在 Boss 上主动给我发了一句“不好意思”。我跟他一面聊得挺好的，所以最后把我拒掉，应该也不是他的原因。 我当时给他回了很长一段话，具体写了什么现在已经记不清了。只记得那天晚上出去跑了五公里，心里确实五味杂陈。 当然，也不是后面所有面试挂掉都是因为专升本。我菜肯定也有一部分原因。 比如猿辅导四面的时候，题没有写出来，那挂了也很正常。群核我自己觉得面得还可以，但最后也挂了，具体因为什么我也不知道。很多时候我只能猜，可能是学历，也可能就是能力没达到。 秋招没找到合适的工作，我又去了杭州，在西湖大学实习了一段时间。 当时 HR 面试也问了我专升本的事情，我说了一句：“出身寒微不是耻辱”，最后那次面试给我过了。 到了 2026 年 3 月，我还是没有找到满意的工作，已经开始有点慌了。 后面又去了上海商汤实习，在大模型研究院，我们组基本都是 985 硕士，只有我是专科再专升本。但是商汤没有转正，就还得接着找，后面我还面了 Manus 。 本来投的是前端，结果 HR 好像把岗位搞错了，最后只面了一面，跟他们的 COO 聊了挺久，聊了蛮多的：他觉得我当过兵、拿过集团军比武第一，这些经历很加分，也挺喜欢我的。但是听到我是专升本以后，他也直接说，会稍微拉低一点印象。 我们当时还聊到了一个问题，就是像我这种学历不占优势的人，可以通过作品或者开源项目，从其他地方证明自己的能力。 其实我当时也已经有这个想法了。因为学历这东西已经改不了了，你再怎么解释，别人看到的还是专升本。 所以我后来入职第一家初创公司以后，就开始写一些博客，也发过掘金，后面又慢慢开始做自己的项目。 我去那家公司本来是做前端的，但因为公司比较小，后端、算法、客户现场、给客户做培训，这些事情我都干过。 当时会觉得事情很杂，什么都要做。现在回头看，我觉得也不一定是坏事。如果当时真的去了大厂，可能每天就是做前端需求，反而接触不到这么多东西。 那段时间我也开始大量用 AI ，做了一些 Claude Code 相关的工具，然后把其中一些东西开源。 说实话，我最开始做开源，目的也没有多高尚。就是因为自己学历差，想在简历上多一点能证明自己的东西，当时还是挺想进大厂的。 后来我去了盛大下面的 MiroFish 。在那边工作之外的时间做了很多自己的东西，Archify 就是那段时间开始做的。 再后来面试了一家上海的大厂，具体这里就不透露了，一面的时候有两道题我都没有写出来，我说我是 100% AI 代码。 本来以为可能要挂了，但是面试官又让我介绍自己的项目。我讲了不少开源项目和自己做的工具，最后他还是让我过了。入职还没有半年，这段具体的我就不细讲了。 6 月底，Archify 上了 GitHub Trending ，最高第 9 。现在差不多 4.6k Star 。 这个数据当然挺开心的，毕竟我刚开始做的时候，也没想到会有这么多人关注。 但做开源以后，最大的变化可能还是，有人真的开始用我做的东西了，我也像和 manus 的 coo 聊的时候一样，有了一些别的东西可以证明和体现自己的能力。 开源没有让我从专升本变成 985 ，也不能保证我以后不会再因为学历被卡。 我现在也说不清这 4.6k Star 最后能给我带来什么。可能是工作机会，可能是认识一些人，也可能什么都没有。 不过至少 Archify 确实有人在用，我做的东西能给别人带来价值，能给很多人带来帮助，这件事对我来说就是做开源最大的意义

他也补充列出了一些此前遗漏的公司： 数据市场： Kled、Luel 电脑 / 浏览器使用： Chakra Labs、Habitat、Refresh、Cua、Originator、Dojo 编程 / 软件工程： Proximal、Idler、Calaveras、BenchFlow、Vmax 长程任务 / 推理： Andromede、Aviro、AIChamp、General Reasoning、Champ、Haladir、Hillclimb 模型行为 / 评测： Gray Swan、Theta、Preference Model、Vals AI、Andon Labs、Verita、Good Start Labs 垂直领域： Halluminate、Quesma、Phinity、Rise Data Labs、Kairos、TrainLoop、Huzzle Labs