这就是 AI 进入职场后最反直觉的地方:AI 没有自动减少工作,它只是先提高了工作密度。 AI 提效是真的,但减负不是自动发生的 讨论这个问题,不能先把 AI 否定掉。 所以,AI 能不能提效不是问题,它当然能。真正的问题是:AI 省下来的时间,最后归谁? 如果这些时间归员工,结果可能是少加班、少重复劳动、少低价值沟通。 Upwork 的一项职场 AI 调查很能说明这个现象:96% 的高管期待 AI 提升生产力,但 77% 使用 AI 的员工认为 AI 增加了自己的工作量。 AI 给了你 5 个标题,你要选哪个;AI 给了你 3 个方案,你要判断哪个能用;AI 写了一段看起来很顺的话,你要确认有没有事实错误;AI 给了一段代码,你要判断有没有隐藏 bug;AI 总结了一次会议 效率红利如果不重新分配,就会自然流向更高的产出要求;只有当组织主动删除低价值工作、压缩不必要协作、保护人的恢复时间,AI 才可能从提效工具变成减负工具。 AI 提效之后,人有没有喘息空间?
当人工智能系统开始影响优先级排序、审批、建议和资源分配时,它就已经不只是一个提效工具了。它开始参与那些会影响收入、风险和客户结果的真实决策。问题也随之变得尖锐起来:出了结果,究竟谁负责?
filtered_text = filter_sensitive_words(text_to_filter) print(filtered_text) # 输出应该是替换掉敏感词的文本 #腾讯云AI代码助手 # 使用 AI 代码助手的体验令人印象深刻。 无论是查找代码片段、调试问题,还是学习新技术,AI 代码助手都表现出色。它的智能搜索和自动补全功能尤其实用,节省了大量时间。总之,AI 代码助手是开发者的得力帮手。
即梦 AI 快速生图 将对应的 AI 提示词交给即梦 AI,选择相应的模型和宽高比,进行提交。 快速传送门:即梦AI传送门 即梦 AI 首页 -> 创作 -> AI 影片 提示词示例 主提示词:品牌级中秋节海报,红色丝绒质感背景,金色祥云环绕,一轮饱满的圆月高悬夜空,月光呈现柔和的琥珀色光晕 使用示例:豆包 流程速览: 准备一张参考图(最好清晰、文字可辨) 用“反推模板”让 AI 做画面拆解 让 AI 输出最终可用的中文提示词(包含文字/Logo 位置信息) 把提示词复制到即梦 AI 生图 反向推导提示词 将图片和提示词模板一同交给生图 AI(此处用豆包),拿到“可直接生图”的中文提示词后,再复制到即梦 AI 进行生成。 即梦 AI 快速生图 将最终 AI 绘画提示词复制,放在即梦AI中进行生成 提示词示例 超写实3D渲染,中秋主题场景近景特写:画面中心是一枚精致雕花月饼,呈圆形,饼皮金黄棕色调带光泽,表面浮雕“中秋”二字
刘亚丹:投入这么大做 AI Agent ,如何衡量它的投资回报率?除了“提效”,还有哪些更重要的衡量维度? 从 AI 提效的角度看,我们常用的衡量指标无非包括代码产出量、有效代码比例、自动化测试用例数量、UI 比对识别问题数等。 但若要准确衡量 AI 带来的整体提效,比如“效率提升 30%”这样的指标,其实从完整的研发生命周期角度来看是很难量化的。回顾我们项目的推进,大致经历了三个阶段。 第一阶段是“氛围带动期”。 提质提效的指标怎么设?我们当时并未过分强调效率指标,而是聚焦如何“快速把事情做成”。 观众:AI 教练是做什么的?企业大规模 AI 提效涉及用户教育,应如何完成?
如:“你的项目,有使用 AI 方面的能力进行提效吗?” 解封下码农的双手! 我能哪些方面使用 Ai 提效呢? 在互联网程,序员工程开发方面,关于 Ai 提效最为常见的,也是市面上使用最多的,就是各类的 Ai 编码软件。 不过这些都是固定的软件,他们并没有深度结合到业务场景中,从整个研发的生命周期看,还有非常多的节点可以被 Ai 提效。 都可以深入自身的业务,运用 Ai 开发进行提效。 所以,结合这样的场景,小傅哥在带着大家的实战项目,也逐步的引出关于 Ai 在应用项目上的提效处理。今天分享的一个场景就是基于 Ai MCP 分析系统的 ELK 日志。
回顾 2023 年,可以明显地看到生成式 AI 带给软件工程带来的新思考,每个组织也在探索结合生成式 AI 的可能性。 另外,由于 AI 能力的限制,我们不再执着于 AI Agent 的设计。 于是,AutoDev 转为辅助作为一个 AI 编码工具,提供全面的 AI 辅助能力。 AutoDev 还提供了强大的定制能力:接入自定义 AI 模型、自定义 Action、 自定义规范、团队 AI 等功能。 即在分析写作过程,在不同阶段为用户提供无缝的 AI 原生 UI 交互体验,可以通过工具栏、快捷键等五种方式触发 AI 能力。
¹https://www.gartner.com/en/articles/beyond-chatgpt-the-future-of-generative-ai-for-enterprises- 芯片设计 ¹https://www.gartner.com/en/articles/beyond-chatgpt-the-future-of-generative-ai-for-enterprises- 市场营销 ²https://emeritus.org/blog/ai-and-ml-chatgpt-use-cases/- 媒体:chatgpt可以帮助媒体创作者提高内容的质量和创新性,通过生成文章、摘要、评论、 ²https://emeritus.org/blog/ai-and-ml-chatgpt-use-cases/参考资料:(1) Generative AI Use Cases for Industries /quantumblack/our-insights/generative-ai-is-here-how-tools-like-chatgpt-could-change-your-business.
C++提效网站 大家好,我是光城,统一回复:C++那些事网站服务器到期,暂时关闭,大家直接阅读github或公众号内容即可。
流程提效 工具提效 质量提效 工程提效 image.png 运维提效 大家好,我是史丹利「Stanley」,今天聊聊运维提效。 最近CTO在梳理公司提效方案,老板希望我能多提点建议看法。 回到提效这处话题,我的理解提效有几个维度: 流程提效 工具提效 质量提效 工程提效 流程提效 image.png 最短路径 流程是双刃剑,大家都知道。 但流程提效,正确的角色是辅助,不应该是ADC。咱们诺亚前面遇到了很多问题,迫于压力,只能把流程提效和工具提效的角色互换,通过抑制需求,解决故障多的问题。在当时的场景下,是必然也是最优解,这毫无疑问。 工具提效 image.png imag2 工具提效,在传统公司越来越被重视,但重视度有待商榷。真正伟大的公司在技术和文化的投入是很舍得花钱花时间。 工具提效讲究两点:做的人要懂,更要执着。 质量提效 质量管理不在我们的管理范畴,我们不做过多讨论,问题大家都看的到,不做无意义讨论 工程提效 image.png 闭环 工程提效很关键,是所有事情的源头。
先简单介绍一下『卡帕西』这位大佬:斯坦福 AI 博士,师从李飞飞;OpenAI 创始成员之一;后来去特斯拉当了 AI 总监,负责自动驾驶的视觉系统。 2024 年离开特斯拉后,他创办了 Eureka Labs,专注用 AI 做教育。 不夸张地说,他可能是全球最懂 AI、又最能写代码的人之一。 所以 AI 编程带来的核心变化不是加速,而是扩展。 我觉得这个观察太准了! 之前很多人问我:AI 编程能提效多少倍? 其实这个问题本身就问错了。 所以程序员的基本功还是很重要的,至少你得能判断这个 Bug 值不值得让 AI 花半小时去磕,怎么通过指引 AI 让它更快更省地解决问题。 编程变得更有趣了? 但问题是,在你等待的这几个月里,已经有人用 AI 做出了以前做不到的东西,拉开了差距。 所以对于我们程序员来说,一方面必须要利用 AI 提升开发效率和优化工作流程。
但几个月之后,就因为AI没法处理那些复杂的客户问题,开始又返聘了好一部分被裁的员工,被“回旋镖”伤到了自己。近期也看到国内不少科技公司以“AI提效”为理由开始大幅地所谓“优化”员工。 一方面未来AI原生的工作模式远没有稳定下来,随时都在改变,今天暂时安全,明天就可能因为一时跟不上步调而被“优化”掉;另一方面,会用AI不代表真正创造性的劳动,AI将来是整个社会的基础设施,就像今天的水和电 、互联网,在时代的推动下将来会用AI的人必定很多,能用AI来生成内容并评判、修订结果,这不过是将来AI原生企业里最基础、操作性的工作,而非核心岗位,熟练使用AI的外包人员都可以做。 ② 从今天开始,就在组织内大力地营造AI时代变革的危机感,和同舟共济的使命感,传达到每一个人,然后 ③ 通过投资于内部培训、转岗轮岗机制、④ AI技能认证等方式,帮助员工从一个“执行者”转变为“AI协作者 最后,说句不好听的话,那些业绩不错但却着急因为AI提效而大幅裁员的企业,不过是短期利益驱动,希望通过更快地降本来拿到一波红利,而不是着眼于长远。
结构化是 AI 提效的地基 最近看到 腾讯云技术社区 的 张思宇 写了一篇文章,讲他怎么让一个 Skill 自己迭代、自己评测、自己回滚,19 轮跑下来零翻车。原文链接放在文章结尾。 结构化的评测加上 AI 的循环迭代,能够触达人天然够不到的边界。不是 AI 更聪明,是它能不知疲倦地跑更多的路径。 4 飞轮怎么转 到这里飞轮的轮廓就出来了。 结构化一旦发生,AI 就能在框架内高效运转,产出又反过来强化结构化。 这个飞轮的起点不是 AI,是工程方法。 与其问 AI 能帮我做什么,不如问我的工程基础设施能让 AI 在上面跑多快。 轨道修得好,火车自然快。 要点总结 软件开发中大量『说不清、靠手感』的工作都有结构化的空间,第一步是定义『什么算好』 结构化是 AI 高效运转的前提——目标可测量、结果可判定,AI 才能真正自主迭代 飞轮:结构化让 AI 提效,
前不久经历了一次 Mac 换机,从 m1 换机到了 m2,一些提效工具的迁移这里做一个记录。
DOE实验设计是一种安排实验和分析测试数据的数理统计方法。DOE测试设计主要是合理安排测试,以较小的测试规模、较短的测试周期、较低的测试成本获得理想的测试结果和科学的结论。
如图,这是一个v-for渲染的列表(只是目前这个版块才刚开始做,目前只有一个),圆圈内的就是一个组件,也就是要v-for动态组件
接下来,本文将分享一些使用WeTest进行测试提效的小经验,希望能帮到大家。
AI 帮忙查库但只读。剩下那些新特性,放在文末当参考就行。先说 Git worktrees。最常见的现场是这样。功能写到一半,线上突然报错要救火。 最后说 AI 加数据库。很多后端排查其实就两步。看日志。查数据。真正浪费时间的是工具切换。IDEA 看代码,另一个工具查库,再回 IDEA 验证,再去浏览器确认接口。来回跳久了,人会烦。 让 AI 帮忙把 SQL 写出来,再由人执行,只读优先。它省的是手敲 SQL 和查字段含义的时间,不该拿来替人做数据修改。只要涉及更新语句,先停一下。生产库更别碰自动化修改。为什么这三件事排在前面。 AI 查库属于锦上添花,做得好能省时间,做不好会带来边界问题,所以只读起步最稳。信息来源放这里,免得正文像说明书。
AI 帮忙查库但只读。剩下那些新特性,放在文末当参考就行。 先说 Git worktrees。 最常见的现场是这样。功能写到一半,线上突然报错要救火。 让 AI 帮忙把 SQL 写出来,再由人执行,只读优先。它省的是手敲 SQL 和查字段含义的时间,不该拿来替人做数据修改。只要涉及更新语句,先停一下。生产库更别碰自动化修改。 AI 查库属于锦上添花,做得好能省时间,做不好会带来边界问题,所以只读起步最稳。 信息来源放这里,免得正文像说明书。 往期推荐 ▸ DeepSeek V4,真狠 ▸ GLM-5.1 公测开放了 ▸ AI 做 UI 总是一眼假? 这个 5 万星项目补上了最关键的一环 ▸ Agent Skills,让 AI 像老员工一样靠谱 关注 「程序员NEO」,我会持续分享 AI 编程、工程实践和效率提升相关内容。
如图,这是一个v-for渲染的列表(只是目前这个版块才刚开始做,目前只有一个),圆圈内的就是一个组件,也就是要v-for动态组件 外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CgstVJ6d-1665390342414)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/018edf494b164a3b806e550acf4879d8~tplv-k3u1fbpfcp-zoom-in-crop-mark:4536:0:0:0.image)