你无法理解的代码，有巨大的隐性成本。

真正的技能是一堆更小的技能堆叠而成，而且几乎每一种都可以通过刻意训练来掌握。

过去十五年间，我一直使用这套方法阅读会议论文、撰写审稿意见、搜集研究背景资料，或是在研讨前快速研读相关文献。

适度的困难、认知卸载，以及如何使用AI而不让大脑退化

NVIDIA的黄仁勋展示了一张图表。这张图悄悄终结了一场持续两年的争论。

这篇文章将逐步拆解 2026 年成为 AI 开发者的路线图，对每个概念做最简明的解释，没有废话

四条路径，真实的薪资，不需要参加训练营。

95%的Uber工程师每月使用AI工具。70%的提交代码由AI生成。然而，COO仍然无法指出任何一个由AI带来的有意义的客户功能。

新兴PM类型、薪酬水平、所需技能等

两个小时结束时，我的白板上满是划掉的框和重写的逻辑。但第一次，这个设计感觉 真实。它不是教科书上的图，而是一个久经沙场的计划。

AI 消除了阻力。而阻力正是课程本身。

当你听到"编程"这个词时，你会想到什么？

为什么"精简"竞赛将在意外后果不断堆积时适得其反。

一个三层路线图，包含真实代码、真实用例，零空谈。

几个月前，我开始注意到招聘信息中出现了一个模式。那些笼统的"机器学习工程师"招聘正在被更具体的职位所取代。企业不再仅仅要求"有AI经验"。

这篇文章将帮助你理清如何应对目前最常见的数据科学/ML系统设计案例研究之一——"如何设计一个 RAG 系统"。

CEO 不需要乞求原谅，但他们应该停止找借口

即使有 AI 编程工具，你仍然需要资深工程师来处理那些困难的部分。

当任何人都能构建课程时，真正的工作是决定哪些课程不应该存在。

这篇文章比较长，是我试图整理过去几个月围绕AI和劳动力市场的大量研究成果的一次尝试。文章探讨了在AI时代工作意味着什么、企业如何看待AI、财富是什么样的、永久底层阶级的问题，以及在AI时代思考自己未来的几种方式。

实现已被部分自动化，判断层就独立显现出来了，而事实证明它才是工作的大部分。

我曾亲身参与过做出这些决策的会议。以下是没有人在公开发表的对话的真实版本。

我们都已深度融入 AI 世界，并且确确实实感受到了对一些新专业技能的需求。这篇文章就是关于这个的。