sentinelK

新年快乐，愿平安顺遂

要看你对于原生的技术和产品理念的了解有多少。

1 、工作量上的区别。虽然有 AI 辅助，但是一个需求你需要改两遍也是实打实的。

2 、双端使用习惯、系统工具、设计理念的差异如何求同存异。Flutter 更大的优势是极大程度的缓解了双端 UI 、操作逻辑不一致的问题。


当你使用原生时，你就不得不面对相同功能，如何权衡用户使用习惯、厂商最佳实践、以及你的产品设计本身三者的取舍问题。

举个最简单的例子。回退。
你是放弃双方的推荐设计，自己做一个效果一致的回退呢？
还是双端各用符合官方最佳实践的方式做一个回退呢？
还是尊重双端用户的习惯做一个回退呢？

你需要思考的维度就复杂了很多。

有两种情况：
1 、因为非理性原因（情怀等人文因素）坚持小众语言。那这个小众语言就应该消亡。
2 、因为理性原因（性能、环境、设计等），某些垂直领域不可替代。那在统计学 AI 的视角下，这个垂直领域依然是强势的。

btw：一个实际的产品决定使用什么编程语言，编程能力从来不是高权重的考虑因素。

没什么诀窍，无非就是照本宣科：不要硬编码。通过服务获取。

btw ，即便是最高风亮节的 Anthropic ，也只是声明了不会用用户的数据再训练。
也就是说，他只能保证你的代码、数据不会被“自己的新模型”吐露给其他用户。但也仅此而已了。

@ktyang
有没有一种可能，垂直形态的工作分工才是 AI 驱动编程的更好方式？（逻辑复杂度低，上下文长度小，成果人工审核难度不大）

没有上下文边界（比如有详尽文档就不要直接接触代码），半自动没有开发介入，且横向分工的结果就是最后就是压到后面的工序积累的误差爆炸。导致整个项目的正确产出没有任何的统计学优势。

最终结果必然就会不稳定。

1 、扮演角色有什么目的吗？
2 、是否有节省上下文的针对性设计？
3 、期待的交互模式是什么？全自动？半自动？还是开发人员驱动？
4 、“大型项目”有多大？
5 、你用的什么 AI 模型与工具？

你负责“前端”指的是什么前端？
是脚本的操作界面，还是对客系统（下单、支付、结单）？

如果是脚本操作界面，那破坏计算机信息系统的从犯是肯定的。
如果是对客系统，还能辩护一个不知情。

总体上而言，风险收益不对等。

从我的个人经验来讲，目前我工作的重心，已经从程序设计与架构，转向了如何最大化的给 AI 提供合理的上下文。以方便 AI 能够最大可能的生成我需要的代码。

所以我认为，AI 时代，其实对于程序员自身的知识面宽度以及素质要求，其实是更高了。
过去可能需要的更多是孔乙己，现在需要你是鲁迅了。

想了想，还是忍不住想延展一下，细说一下“有价值的东西，不一定被所有人欢迎”这块。

1 、以机器学习为主干，Transformer 为主导的统计学 AI 的可怕之处在于，颠覆了很多垂直领域的既有规则。

因为人类大脑的“缓存”太小，导致人类不擅长统计学，也就让人类无法通过大量的数据来自我修正与找到更优解。
而目前的统计学 AI 恰巧弥补了这一点。统计学 AI 做到哪个领域，哪个领域的玩法就要被颠覆（因为统计学 AI 总是可以找到更优路径）。

颠覆的同时，当前领域的既得利益者就会失去自己赖以生存的护城河。
很大程度上，这就是他们“不欢迎”，乃至“愤怒”的来源。这是人之常情。

2 、现阶段的 AI 无论如何改进（推理也好，引入激励也罢，乃至从零开始的强化学习），最终依然是依赖统计学原理的，这就导致其一定和真实情况有一定的偏差。
也就是所谓的统计学解只是最大概率解，统计学只能最大限度的贴近事实，但不能成为事实。

所以无论如何精进，面对 AI 的输出依然会有信任危机。
这也是“不欢迎”的一个方面。

3 、人是有风险厌恶的，总会依赖既有的成功路线。