大家好,我是程序员老王。 年薪百万老码农,待过一线大厂创过业,带过团队,目前专注于一线技术。 分享程序员进阶路上的点滴,帮助大家提升认知,升职加薪。 kk从4个方面来探讨,为什么不必对人工智能过度恐惧: 1、AI的性能并没有呈指数级增长 2、如果我们对AI的性能不满意,可以对它重新编程 3、大部分情况下,AI自身重新编程几乎不可能发生 4、目前并不是训练 至少目前,AI的种种表现还未让其人类创造者后悔过。或者说他们认为如果AI真这么做了,我们可以更改它们的算法。 尽管大家对于AI有诸多的担忧,但不可否认的是它确实给生活创造了很多便利以及更多的可能性,这种体验,或许也是不可逆的。 今天先分享这些,老王后续会就这个话题再跟大家分享几点 大家好,我是程序员老王。 分享程序员进阶路上的点滴,帮助大家提升认知,升职加薪。 原文:https://kk.org/thetechnium/why-i-dont-worry-about-a-super-ai/
Docker 迁移触发器 提高容器安全性、Docker 未来的不确定性、技术战略变化和预算问题都可能促使企业寻找 Docker 的替代品作为其容器标准。 5 个 Docker 替代品 这里有五种流行的 Docker 替代方案可供考虑。 Buildah Buildah 是一个支持 Open Container Initiative[5]容器镜像的开源工具。 支付订阅费用可能不会让普通大型企业担心到足以切换,但越来越多的容器安全问题可能会鼓励企业寻找其他新兴容器替代品,以确保其容器安全性。 www.techtarget.com/searchsecurity/news/252499956/Codecov-breach-raises-concerns-about-software-supply-chain [5]
AI + 低代码,程序员的副驾还是替代者?如果你最近还在苦哈哈地写前端、调接口、搞表单,突然听到某领导一句话:“以后让业务自己拖拖拽拽就能上线功能”,你是不是瞬间心里一惊:“我这饭碗不会被拖没了吧?” 别慌,今天我们就一起来聊聊AI 辅助的低代码开发,到底是啥东西,能不能落地,它是程序员的副驾,还是终结者? 四、AI低代码能不能替代程序员?这个问题,其实我挺常被问的,我也认真想过。我的回答是:AI + 低代码不会干掉程序员,它会干掉“只会搬砖的程序员”。 因为真正有价值的程序员,不是那些拼命写 for 循环的人,而是:能看懂业务流程;懂得组件抽象;懂得建模和数据治理;懂得怎么对接 AI;你不会被替代,但你必须转型。五、下一代软件工程,会是什么样? 我认为未来的软件开发,会像是搭积木 + 聊天式开发:前端拖拖拽;后端逻辑自然语言生成;表单和权限 AI 自动配置;AI 自动部署、自动测试、自动优化;程序员更多变成了业务建模师、数据架构师、AI使用专家
眼看都要 2026 年了,关于替代的焦虑依然像幽灵一样在技术圈游荡。 但作为在这个行业摸爬滚打多年的老兵,我想给你泼一盆冷水,或者说,喂一颗定心丸:AI Agent 根本不是来革你命的,它是来逼你进化的。 AI Agent 会替代程序员吗? 如果你定义的程序员,只是那个等着产品经理把需求嚼碎了喂到嘴边,然后机械地翻译成代码的人,那不用等到 2026 年,现在就已经没有你的位置了。 但如果你定义的程序员,是那个理解技术底层逻辑,能驾驭复杂系统,能将模糊的业务目标转化为精确的技术架构,并且能驯服 AI 这个强大而不可控的野兽的人,那么恭喜你,你的黄金时代才刚刚开始! 所以,别再焦虑会不会被替代了,抓紧时间去学习怎么给这个超级大脑接上更灵敏的神经和更强壮的身体,才是正经事。 因为,能够驾驭下一代操作系统的人,永远是这个时代的稀缺资源。
那么一直摆在我们面前的问题:“AI大模型会取代程序员”吗? 看到一篇 Anthropic 公司调查的博客,基于 20 万条 Claude Code 内部使用记录,给我们展示了:在一家业内顶级的公司,当每人有一个“AI 助手”之后,程序员会被替代吗? 早期的程序员离机器更近——手动管理内存、用汇编语言编写代码,甚至切换物理开关输入指令。随着时间推移,出现了更高层次、更易读的语言,自动处理复杂的低层操作。 我们对每个记录的任务复杂度进行了 1-5 评分,其中 1 对应“基本编辑”,5 对应“需要数周/月人类专家工作的专家级任务”。任务复杂度从平均 3.2 增加到 3.8。 堆叠条形图显示了每个团队的 Claude Code 使用中不同任务的比例(水平轴): 图5.
当我们偶尔来兴趣想要扫面某个IP,或者想要隐匿扫描IP时,想过nmap的替代品吗?今天本文将推荐5款优秀的网站。以供使用! image.png 02 Nmap.online Nmap online它可能是最经典的Nmap-looking替代解决方案。基于Web的应用程序,而不是在终端上运行的应用程序。
以下是可以替代Jmeter的顶级工具的精选列表,包括具有热门功能和下载链接的商业和开源性能测试工具。 2、Gatling Gatling是一个开源的负载和性能管理工具。 它是最好的开源JMeter替代品之一,它具有出色的HTTP协议支持。 功能特点: 模拟具有复杂行为的大量用户。 帮助你编写测试场景脚本并自动执行测试。 收集和汇总所有请求和响应时间。 它是最好的开源JMeter替代品之一,可用于测试所有类型的系统。 提供基于Web的UI。 它是JMeter的最佳替代品之一,它提供用户友好的监控和分析界面,带有彩色图表和图形。 功能特点: 支持持续测试。 LoadRunner可以有效地在多个企业环境中工作。 官方网址: https://www.opentext.com/zh-cn/products/professional-performance-engineering 5、Loader.io Loader.io
有人看到这里会说:那程序员不是完了吗? 其实,这是我见过的最大的认知误区。 你会发现,真正"完了"的,从来不是程序员这个岗位本身。 是那些以为"把代码写完"就是自己全部价值的人。 我刚开始接触AI编程的时候,也以为AI只是个"代码补全工具"。 让它写,它写。让它改,它改。 我就是那个"让AI干什么"的人,我觉得我在"使用AI"。 它在告诉我们:AI越强,它越需要你真的懂。 数百个子智能体可以并行执行任务。 但谁来定义任务的边界?谁来判断方向对不对?谁来整合最后的结果? 那个人,就是不会被替代的人。 你会发现,AI正在以光速拉开"懂AI"和"不懂AI"之间的距离。 而且这个距离,比你以为的快得多。 2026年,AI编程已经不是趋势了。 它就是现实。 这才是"AI程序员"真正的价值所在。 不是写更多代码。 是看懂更多代码,做更少但更正确的决策。 今天AI圈的核心,从来都不是那台机器有多强。 而是坐在机器前面的那个人,有没有进化。
purrr替代循环 1 purrr循环 引用知乎张敬信的说法: ❝用 R 写 「循环」 从低到高有三种境界:手动 for 循环,apply 函数族,purrr 包泛函式编程。 y2 1 0.5817177 10.355036 2 1.4852696 10.058380 3 1.0901313 11.682624 4 0.2128081 11.119148 5 -1.710778506 0.31278696 0.17518334 0.8943420 4 -0.001525112 0.22099926 -0.62475728 -0.7134268 5 pmap_chr等,返回字符 *_lgl,返回逻辑型向量 *_dbl,返回实数型向量 *_int,返回数字型向量 *_df,返回数据库 *_dfr, 返回数据库行合并 *_dfc, 返回数据框列合并 5 74.167 3 2009 KN 1 StarbriteF1 32.601 4 2009 KN 1 CrimsonSweet 74.167 5
很多小微型应用程序也需要一些数据处理和计算能力,如果集成一个数据库就显得太沉重了,小巧轻量的 SQLite 是个不错的选择,因而被广泛应用。 不过,SQLite 也有些不方便的地方。SQLite 对外部数据文件及其它数据源的支持力度比较弱又很繁琐;它本身没有存储过程,需要用主程序配合来实现流程,这会导致经常和主程序交换数据(流程走向依赖于数据),效率低且代码麻烦;复杂些的运算用 SQL 也很难写,开发效率较低。
上篇文章中,给大家介绍了《10 款你不知道的 Linux 环境下的替代工具!》 主要包括:bat、duf、tldr、htop、glances、exa、fd、ag、axel、pydf 方面的内容及运用,后来我继续摸索,又发现一些很好的替代品并进行归纳。 查看某个目录的大小,只需要把目录的绝对路径加上即可: # python3 duu.py /etc/init.d/ 四、diskus diskus 也是基于 Rust 编写的一个小型、快速、可替代du # diskus /etc 16.66 MB (16,662,528 bytes) 五、tin-summer tin-summer(sn)是基于 Rust 语言编写的开源工具,也是du命令的替代品,可以用于查找占用磁盘空间的文件
论文阅读原则:在大模型生成代码领域,具有代表性的奠定论文能说清楚最新前沿情况的最新论文1.1 国外研究现状“AI 助手”与程序员并肩工作的想法存在于我们的想象几十年了,它催生了来自编程语言Ferdowsifard 开发能够协助程序员甚至独立生成程序的系统可以使编程更具生产力和可访问性,但迄今为止,将AI创新纳入其中已经证明是具有挑战性的。 程序员在实际的开发过程中,不太可能让模型提供 1000 个程序的排序结果,然后让程序员选择,程序员阅读这些程序就要耗费不少时间,这种模式的实际研发效率比较低。 (5) 我们讨论了TIP与后处理方法(例如CodeT)之间的互补性。 在可预见的未来,AI 仍然只能扮演辅助编程的角色。模型参数规模越大,越有利于提高程序生成的准确率,但是,这种大力出奇迹的方法,需要耗费的计算成本也较高。
最近基于Spring Boot2.x版本中的JUnit5进行单元测试,发现Assert类已经不存在了,在JUnit5中使用Assertions进行替代。 而且Junit5不仅仅替代了这么一个类,还有其他大量的类被重新定义和替换,在使用的时候大家需要留意。
富贵研究所|你以为 AI 在替代软件。其实,AI 在替代会用软件的人。 ---一句话清出 1.3T 真正被重写的,不是工具,而是白领工作的底层逻辑。 文 / 富贵研究所 大贵前两天差点把电脑砸了。 很多人看到这里,会惊叹 AI 已经这么强了。 但大富听完以后,真正后背发凉的,不是 1.3T。 而是另一件事: AI 也许不是在替代软件。 AI 是在替代那些靠“会用软件”吃饭的人。 这意味着,未来最先被冲击的,不一定是程序员,不一定是设计师,不一定是咨询顾问。 而是那些长期靠“熟练操作软件”建立优势的人。 这群人以前是办公室里的中坚力量。 以后,他们会成为第一批感受到寒意的人。 所以,明天最先失去价值的,不一定是不会 AI 的人。 而很可能是那些一直以为: “我比你更会用软件,所以我更重要。” 这个时代,正在把这句话一点点改成: “我比你更会定义目标、划定边界、组织 AI 交付结果,所以我才更重要。” 这才是明天的软件。 也是明天职场最残酷的真相。
这些职业或依赖人类肉身的不可替代性,或需要道德判断与心灵感情相关,反正不是任何东西都有感情的,这点AI不懂。 英伟达CEO黄仁勋的观点被反复引用:“AI不会取代你,但会用AI的人将取代不会用AI的人”,而高管的核心能力正是驾驭AI的战略判断力。 ▌5. 更关键的是,厨师能根据食客口味临时调整调料,这种“千人千味”的灵活性无可替代。 ▌8. 汽车修理师 车辆异响可能源于螺丝松动,也可能是变速箱故障,AI故障库难以覆盖所有“奇葩”情况。 公务员 AI可处理审批流程,但政策制定需考虑社会公平、文化传统等非量化因素。正如知乎用户“查讯纤”所言:“公务员是人类社会的管理者,若被AI替代,相当于人类服从机器统治,这在伦理上不可接受”。 针对运动损伤康复、特殊人群调理等复杂需求,按摩师的临床经验与灵活应变能力,也远超标准化运行的 AI 设备。 ▌19. AI训练师 当AI生成错误内容时,需要人类标注师修正数据、优化模型。
数据库很多时候被当做应用程序的本地存储,用来替换更早之前,程序员需要自己维护的本地文件存储。研发要自己确定整个机器的内存分配,当然也是因为那时候单机的内存很小。
无论人工智能如何发展,大语言模型如何演化,都不可能完全替代程序员,反而可能会提供更多的程序员岗位。因为生成式人工智能非常擅长处理单调乏味和发现错误,但没有太多深度的思考。 程序员的专业知识和沟通直觉始终无法替代。 1、程序员的大部分工作都是规划时间节点、沟通交流、进度反馈,揣摩用户意图、思考如何解决线上故障,写代码的时间可能不到1/10,人工智能顶多就是替代这1/10的部分,而且正确率不一定能赶上普通程序员。 5、人工智能出现错误,大概率会一直错下去,而如果程序员犯错却可以通过code review、结对编程、线上验证等很多种方式发现问题所在。 拜托,他们不是程序员,被替代跟程序员没有关系。 9、人本身具备一定的流动性,而技术大概率会一直控制在人类手中,但是每个组织、国家都有自己的打算,比如chat GPT在国内并不可用。
程序员的 AI 暴露度高达 75%,在所有职业中排名第一。 看到这个数据的时候,我的第一反应是:完了,这不就是在说我们自己吗? 但当我把 Anthropic 这篇报告从头到尾读完,发现事情没那么简单。 这篇报告是什么来头 3 月 5 日,Anthropic 经济研究团队发布了一篇研究:Labor market impacts of AI: A new measure and early evidence 一、AI 暴露度最高的 10 个职业 先看最直观的数据。 按 observed exposure 排名,前三是: 1. 计算机程序员 — 75% 2. 程序员的 AI 暴露度 75%,编程依然有用,但只会写代码的含金量在快速缩水。 那什么在升值? • 提出好问题的能力。AI 能回答问题,但不能提出问题。知道该问什么,比知道怎么答更重要。 说得直白一点:问题的关键从学什么不会被替代变成了怎么学才能和 AI 互补。
截至2025年7月,AI助手(如 ChatGPT、DeepSeek、Perplexity AI 等)在信息获取环节的渗透率持续攀升。 比如,点击了百度的AI搜索功能后,它确实能够根据现在的网页信息,集成进一些图文、视频等信息出来然后展示:像图文暂时这一块,夸克、Bing搜索等,在AI爆火的初期,早就已经接入进来。 2.以百度为例:AI 搜索的实践与困境“已经好久没有用过百度搜索了”,这句话折射出当下许多用户的体验: AI 功能走马观花 百度在网页入口中嵌入了 AI 搜索功能,能够集成图文、视频等信息、直接展示相关内容 3.AI 能否真正“取代”传统搜索?现在很多人都在用 AI 助手来找答案,但它其实还有不少明显的短板。首先是数据的准确性和可靠性问题。 当然,目前AI还是会存在用户等隐私问题,因为他们会收集你的问题数据然后进行训练。总的来说,这些问题都说明了,AI 助手和传统搜索引擎之间,各有优缺点。
AI 替代的不是架构师。AI 替代的是架构师工作中那些重复的、可模板化的部分——写设计文档、画架构图、逐条对照 Checklist 做评审。 这些人,从云厂商到咨询机构,从大厂架构师到国际媒体,没有一个人说"架构师会被替代"。所有人说的是同一句话:旧的工作方式在被替代,新工作方式的架构师在变得更值钱。 ECS 替代了自建机房,SLB 替代了 F5,RDS 替代了自建 MySQL,弹性伸缩让扩容从"提工单等两周"变成"自动触发三分钟生效"。 那一波转型,不上云的架构师后来在哪? 第 3 到第 5 篇覆盖。 Verify Fast。多工具并行验证,Dify 搭原型、实测模型对比——当天出结果,不用等开发排期。第 5、6 篇覆盖。 Iterate & Scale。 你主导过 AI 项目吗?做过模型选型和 Token 预估吗?如果还没,第 5、6 篇是核心——从 Dify 原型验证到多 Agent 拆分决策。