porco (@SeanchenZ)

机械、电气学生最难受的，不是 AI 要抢饭碗，而是眼看着 AI 行业高薪岗位越来越多，自己连入场券都没有。 毕业进工厂，做设备维护、现场调试、生产管理。工资不高，成长有限，想转行却发现招聘要求里全是算法经验、项目经历和名企实习。 我自己也是机械专业毕业，从矿山到消费电子自动化产线，接触过机械机构、PLC、传感器和机器视觉。 但我很清楚： 接触自动化设备，不代表具备自动化研发能力。每天处理设备故障，也不代表掌握了控制算法。 所以我不太认同网上那些建议：机械、电气学生赶紧学 Python、学大模型，就能吃到 AI 红利。 哪有这么容易。 会调用 API，不代表企业愿意给你高薪。会用 AI 写代码，也不代表你能设计一套可靠的控制系统。 但传统工科并不是没有机会。 AI 要进入机器人和真实工厂，最终还是绕不开机械结构、运动控制、传感器、工业通信和设备安全。 这恰好是机械、电气学生可以建立优势的地方。 与其和计算机专业学生硬卷大模型算法，不如往机器人、机器视觉、运动控制、工业软件、Physical AI 这些交叉领域靠近。 但也要认清现实：行业有前景，不代表每个进入这个行业的人都能拿高薪。 对于普通家庭、普通学历、没有名企资源的学生，我觉得最重要的不是追哪个风口，而是判断自己现在做的事，能不能成为进入下一份更高价值工作的筹码。 哪怕第一份工作工资不高，也尽量选择能接触核心技术、积累项目经验的岗位。 如果每天只是重复操作、处理异常、填报表，干了三年，除了熟悉公司的设备，什么能力都带不走，那才是真的危险。 我现在也在面对同样的问题。 想转向更有技术含量、收入更高的岗位，但现实是，知道方向和真正跨过去，中间还隔着很长一段路。 很多传统工科学生不是不知道 AI 代表未来，而是根本没人告诉他们，怎么从现在的位置走到那里。

我个人认为这个GitHub分享的project值得每个agent开发者去思考。 Elephant-Goldfish Model（EGM，大象与金鱼模型）。 它想解决一个很现实的问题： 你让 AI 帮你设计软件，然后再让同一个 AI 审查自己的设计，它很可能只会附和你，而不是认真找问题。 Elephant（大象） 保留项目上下文、历史讨论和约束，负责设计与编写方案 Goldfish（金鱼） 不读取之前的讨论，独立检查设计文档、实际代码和潜在缺陷 假设你正在用 Codex 开发 Knowledge OS。 你和 Codex 讨论了三个小时，决定开发 iOS 客户端。 传统方式： 你让 Codex 完成设计，然后问它：“这个架构有没有问题？” 它可能受到之前讨论的影响，倾向于认可已有决策。 EGM 的方式： 让另一个没有参与设计讨论的 AI，直接读取你的设计文档和 GitHub 真实代码，独立检查： iOS 客户端能不能实际连接现有后端？ API 接口是否与设计文档一致？ 数据同步和离线访问是否考虑清楚？ 是否存在权限、安全或兼容性问题？ 这个重点不是增加一个 Agent，而是减少审查者受到原始设计过程影响的风险。 但要注意，独立审查不等于正确审查。两个 AI 仍可能犯相同的错误，最终还需要测试验证