用了3年从小白转码到现在,最后悔的是:没早点知道费曼学习法。 2019年刚开始学编程的时候: - 疯狂看教程、记笔记 - 收藏了300+篇教程、视频 - 买了一堆编程课 结果?看懂了,但不会用。 面试时被问到:"你刚才说的这个AOP概念,能给我解释一下吗?" 我:呃...就是...那个...(大脑一片空白) 转折点在2020年中: 偶然看到一句话: "如果你不能简单地解释它,说明你还没真正理解它。" —— 费曼 我开始尝试: 1. 阶段性学习后,将知识点写到简历,然后准备几个问题,看自己能不能答上来 2. 遇到不懂的,回去重学 3. 一遍遍简化,直到自己都觉得"太简单了" 结果: 3个月后,我发现: ✅ 面试时能流畅表达了 ✅ 别人问问题,我能秒答 ✅ 学新东西的速度快了3倍 费曼学习法的核心就4步: 1️⃣ 选个概念:比如"量子计算" 2️⃣ 假装教小孩:用最简单的话讲给12岁孩子听 3️⃣ 找到卡壳的地方:讲不清楚的=没学会的 4️⃣ 简化优化:重新学,直到能用一句话说清楚 现在我转行成功了 不是因为我比别人聪明,是因为我用对了方法 如果你也在转行/学新东西,试试这个方法: 1. 学完一个概念,马上尝试讲出来 2. 讲不清楚?回去重学 能让外行人看懂?你就真会了 我现在每学一个东西,都这样做。 转行3年,这是我最有效的学习方法。 你有在用什么学习方法吗?评论区聊聊 👇 #费曼学习法 #转行经验 #学习方法
宝玉
1个月前
AI 会“写代码”,但它不会“做软件” 作者:Matias Heikkilä 你有没有发现,最近有相当多的人在到处寻找技术合伙人或者 CTO? 反正我吧,收到了多得惊人的这类咨询;他们的话术大同小异:“嘿,我这儿有个‘凭感觉编程 (Vibe Coding)’搞出来的 App,你愿意帮我把它做成‘生产就绪’(也就是能正式上线、稳定运行)的版本吗?” 我大概能给这些人画个像。想象一下:他们非常懂自己的业务,但一直以来都缺乏技术能力,没法把好点子变成现实——他们可能是个法律顾问,或者客户经理。 这些人干嘛要找我呢? 我也琢磨了一下,我觉得这释放了一个重要信号:到底有什么事是他们靠生成式 AI (GenAI) 没法独立完成的? 这不正是现在人人都想搞明白的问题吗?大家都想知道这些模型的能力边界。或者,说得再直白点:大家都想知道哪些工作很快要被淘汰了。 我收到这些求助,这个事实本身就说明了“软件工程”这个行业的一些问题。我的意思是,如果软件工程真的已经被 AI 自动化了,那根本不会有人来找技术合伙人。 嗯,我想我明白为什么我们会收到这些请求了。关键在于:AI 会写代码,但它不会构建软件。 这是我在花了大量时间用 AI 辅助编程、并且看了无数别人的演示之后,得出的结论。 圈内有句老话:写代码容易,软件工程难。 现在看来,说大语言模型 (LLM) 已经能自动化“大量写代码”的工作,这挺公允的。像 GPT-5 这样的模型(这里作者指代的是未来更强的模型),在解决那些定义清晰、孤立的小问题时,成功率相当高。 但是,“写代码”本身并不是大多数程序员拿工资的真正原因。构建一个能正式上线的 App,那不叫“写代码”,那叫“软件工程”。 在我看来,当你试图把一个“演示版 (demo)”变成一个“真正的产品”时,“写代码”就升级成了“软件工程”——而这,恰恰就是前面提到的那些人带着他们的项目来找你的时候。 我其实也不太清楚为什么 AI 至少目前还无法“构建软件”。 也许这和工作的本质有关。当你以写软件为生时,你的核心任务是处理“复杂性”。一个普通的线上产品,它做的可能只是一堆简单的事情。真正的挑战是,如何让“成百上千件”简单的事情同时不出错地运行,并且让整个系统保持“可维护性”。 换到我们今天讨论的 AI 话题下,这句话可以这么说:演示一个“功能”是一回事;而用一种支持“集成、扩展和长期可维护性”的方式来“构建”这个功能,则完全是另一回事,难度天差地别。 当你点开那些人发来的代码时,你会发现,所谓的“让 App 生产就绪”,真正的意思其实是“把这些代码全删了,从头重写”。 我觉得,这非常清楚地说明了我们在 AI 发展上目前所处的阶段。 来源