1835年，达尔文登上这里，得到“进化论”的灵感。这几天，我也带领“问道全球”的一行企业家，在这里参访。白天，我们上岛看达尔文雀，看海狮和象龟，体会进化的奇妙。晚上，回到船上休息。可在船上干嘛呢？总不能一群人大眼瞪小眼，做你拍一我拍二吧。

我说，既然到了进化岛，那咱们也进化一把。我来教大家用AI写软件。

十几位企业家，大多毫无编程经验。我说没关系，试试。不用你写一行代码。结果几晚过去，每个人都做出了一个能跑的小东西。仓库扫码录入、珠宝推荐、外贸邮件翻译、英语口语测试。等等等等。有的，还真能解决业务问题。

大家先是兴奋。然后，一身冷汗。

不是因为难，而是太容易。

这……以后还需要程序员吗？

---

01

程序员，遭遇史上最大“危机”

这几天，关于“AI摧毁编程行业”的消息不断。

比如，股价暴跌。

2月23日，AI公司Anthropic宣布，他们的模型，已经可以高效地处理和优化一种名叫COBOL的编程语言。COBOL，扎根全球银行、航空公司、政府跑了几十年的核心系统里。维护和升级它，是一个每年300亿美元的巨大市场。消息一出，领域巨头IBM，股价应声暴跌，创下20多年来最大单日跌幅。

比如，大量裁员。

2月26日，美国金融科技公司Block宣布，裁员40%。砍掉4000人。是业绩不好吗？不是。他们刚发完财报，毛利同比增长超过20%。业绩好得很。那为什么？因为AI太好用，好用到不需要这么多人。与其未来被逼着削减成本，公司更愿意提前转型。

AI编程，这么厉害吗？

我有41年写程序的历史。但关于AI编程，还没拿出过大段时间认真琢磨。于是整个春节，我在高铁上，在老家，甚至吃完年夜饭，都一直在尝试。也编出来一些东西。假期回来，正好和大家来到加拉帕戈斯，一起上手。

回到太平洋，加拉帕戈斯群岛边。船里的会议室。晚上十点。

一开始，可忙坏了。有人在西班牙语界面上戳半天，找不到按钮。有人看着弹窗，不知道点Yes还是No。有人，连文件夹都建错了位置。而我的主要工作，是帮人登账号、查软件版本、告诉对方点Yes。

但度过最初的手忙脚乱，事情马上变了。

一位做仓储物流的创业者举手，说最近遇见个麻烦。货到仓库，一条条手工录入，慢，还老出错。能不能做个专用的软件？过去想做这事，你得找外包公司。沟通几个周，花掉好几万，都很正常。

我打开编辑器，语音输入需求：

1）做一个页面，供应商上传发货信息。2）生成二维码，让供应商贴在货物上。3）再做一个页面，入库时调用摄像头，识别二维码，自动填系统。

嗯。需求识别错了几个字，无所谓，AI听得懂。

很快，代码像瀑布一样，从屏幕上往下滚。一行，一行，再接一行。会议室只剩下笔记本风扇的嗡嗡声。几分钟后，代码停了。来回调试之后，上传样本。二维码，正常生成。识别二维码，产品名称、数量、颜色、尺寸……信息，正常还原。

能行！气氛，一下子被点燃了。

所有人立刻开始讨论，自己还能做什么。做珠宝的，研究怎么让AI，推荐最适合他的产品。做外贸的，开始琢磨如何让AI，翻译业务邮件……几天时间，每个人都做了一个小东西。

是。这些“东西”，不好看，也可能全是bug。甚至还算不上“软件”。

但要知道，做出这些东西的人，几天前连环境配置，都不知道怎么回事。而且，AI的能力不是静止的。去年它连这些都做不到。

我忍不住想，明年呢？离用嘴说需求，AI直接手搓ERP、CRM、OA，还有多远？毕竟过去写软件，最难的不是“想清楚怎么干”，而是“实现”。

而今天的AI，正在大面积地干掉“实现”这件事。

---

02

软件开发有棵“技能树”，而AI正在锯掉两根主要枝干

要理解AI到底动了谁的奶酪，你得先看懂软件开发的“技能树”。

这棵树上，有三根最主要的枝干。

一根，叫“产品能力”。拥有这个能力的人，叫产品经理。

产品经理，决定“做什么”。我们的产品长什么样，解决什么问题，给谁用。乔布斯是苹果的产品经理，雷军是小米的产品经理。

一根，叫“架构能力”。拥有这个能力的人，叫架构师。

架构师，决定“怎么搭”。数据放在哪？前后端怎么分？安全怎么保证？这些问题，要通过架构设计，一点点分配。

一根，叫“编码能力”。拥有这个能力的人，叫程序员。

程序员，负责把设计好的架构，一行一行写出来。写接口，连数据库，处理异常，修bug，调性能。每一个按钮点击，都需要代码实现。

产品经理想，架构师拆，程序员写。就像建房子。产品经理说我要三房两厅，架构师画施工图，程序员一砖一瓦盖。

这就是过去几十年，软件行业的大致格局。

虽然从重要性上，产品能力 > 架构能力 > 编码能力。一家公司，甚至有一个伟大的产品经理就够。但工作量上，程序员的活却最重、最耗时。

做一个中小企业的办公系统，你可能要请几个工程师，花好几个月，几十上百万来实现。从好的想法，到能用的软件，大部分的时间和资源，都花在“写代码”上。

现在，AI来了。它拿着电锯，先把“写代码”这个最粗的枝干锯掉了。

重复性的编码工作，正在被AI接管。一个不会编程的创业者，用嘴说了三句话，几分钟就得到了一个能跑的扫码工具。过去，这可能需要一个程序员干上好几天。

而架构呢？大多数场景里，你可能只需要一点常识就够。

什么架构常识？

一个软件，像家门店。前端，就是门面。是网页、APP，顾客看到的一切。后端，就是后厨。登录、安全、业务逻辑。数据库，就是仓库。数据都存这里。如果还想让软件智能一点，就需要通过API接口，调用AI。像从拉一根电线，插上就有电。

前端。后端。数据库。API。不用会建，AI会建。你只要描述需求时，能模模糊糊地意识到，就够了。剩下的，AI会自己干。

编码能力，被AI平替了。架构能力，被AI简化了。

所以，AI编程的门槛，落在了技能树上最顶端的那根枝干：产品能力。

编码的本质，是有限规则的排列组合。有规则、可穷举的工作，天然就是AI的猎杀区。但产品能力的本质，是对人类需求的感知和判断。这种能力是模糊的、涌现的、依赖经验和直觉的，也是AI的盲区。

需求越模糊，AI越给你废话。需求越清晰，AI越给你惊喜。

这也是为什么，这些创业者企业家一上手，就马上能做出有用的东西。他们天然是产品经理，自带真实需求。做仓库的，被手工录入折磨好久。做英语教育的，天天想怎么让学生背单词。做珠宝的，每天琢磨怎么给客户推荐合适的款式。

AI锯掉的，是规则。留下的，是判断。

---

03

记住一个心法：把AI当成博士水平的实习生

道理我懂，那具体怎么用好AI，去写软件？

如果用一句话回答，我大概会说：

别把AI当专家。把它当一个博士水平的实习生。

“博士水平”，意味着智商极高，学习能力超强。“实习生”，意味着他是第一天来上班，对你的行业、业务、客户，一无所知。

这样的新员工，怎么管理他？两件事。

1、把他“招进”你的公司，不是只在门口聊天。

我做公众号，有几十条“好文章的标准”。我当然可以写一段长篇大论的提示词，让主笔们扔进AI聊天框，用这个标准修改文章。

但结果如何？我猜大概是：

一开始，兴致勃勃。接着，有一搭没一搭。最后，再没人提。因为在AI聊天框里，用问一句，答一句的方式过几十条标准，门槛太高。

这种做法，本质上就是让员工站在公司门口，和来面试的博士实习生聊天。一来门槛太高，二来不算你公司的内部能力。

所以，要先把这个实习生招进来。

怎么招？用API。

还记得吗？如果想在软件里调用AI，你就要通过API。API，就像电线。只不过，电线传输的是一度度电，而API传输的是一度度“智能”。

这也是为什么我之前说，大模型厂商，最终赚的都是“电费”。

所以，我在春节花了好几天，做了个网页，主笔只要把文章粘进去，按一下按钮，就能调用大模型，根据几十条标准，提出上百条修改意见。不需要写提示词，不需要来回对话。按一下，全出来。

这就是，把AI“招进”你的公司。

它不再是一个外部工具，而是内部能力。每一篇文章、每一个员工，都用同一套标准。效率和过去，完全不是一个量级。

2、给他一份“岗位说明书”，不只跟他说你看着办。

刚一入职，哪怕实习生再厉害，你也不能拍拍他的肩膀：好好干，帮我把业绩提10个点。否则，他要么泛泛而谈，要么不知所措。

你要首先懂你的业务。然后，手把手地教给他。

比如，做珠宝推荐。

你得告诉AI，首先，扮演资深的珠宝销售顾问。接着，你要，1）先吃透500款产品的详细资料。2）根据每款产品的特点，写推荐话术。3）通过与客户聊天，分析出性格，购买目的，推荐最合适的三款产品。

我那几十条写作标准，也一样。不是AI总结的，是我花很多年总结的。AI，只是执行得又快又好的实习生。

当工具开始像人一样思考，我们必须比工具更懂世界。

---

最后的话

最阻碍精进的，从来不是技术门槛，是认知门槛。

你以为需要懂技术架构，其实只需要模模糊糊地知道，如何实现功能就好。你以为最难的是写代码，其实最难的是想清楚你到底要什么。

过去，从想法到产品，隔着千山万水。现在，可能只隔着一次对话。

当然，还要再补充几句实话。

目前的AI编程，还有明显的边界。

一个扫码工具、一个翻译页面，AI自己搞得定。但复杂的，上数据库的，有网络安全要求的，还是要在专业开发环境，亲自上。Vibe Coding做得好不好，跟架构能力、产品能力、debug经验高度相关。

AI替代真人的速度，也没有那么快。

毕竟，社会会形成惯性。政府会出台政策。市场会调节供需。AI替代旧岗位，也会长出新岗位。软件便宜之后。需求自然也会大涨。

但方向不可逆。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】