最近，我不断回到同样的几个问题上。人工智能对初级工程师究竟意味着什么。如何在不削弱自身技能的前提下善用人工智能。当模型能在几秒钟内生成可运行代码时，还有哪些东西值得学习。
因此，本周没有故事，只有一份直截了当的常见问题解答。五个问题，五个诚实的回答。
1. 人工智能会让初级工程师变得多余吗？
不会。它所做的是压缩时间线，而且速度很快。基础性工作、搭建样板代码、编写函数的显而易见版本，恰恰是目前人工智能最擅长的事情。留存下来的是那些一直以来最难的部分：决定构建什么，判断设计在面临真实流量冲击时是否站得住脚，在产品发布前预见故障模式。这部分工作并不会消失。它只是比以往更早地落到了你的肩上。
2. 在日常工作中，我究竟该如何善用人工智能？
先决策，后生成。自行梳理架构：哪些部分需要作为服务，哪些部分背后需要队列支持，数据实际存储在哪里。只有在此之后，才将实现工作交给人工智能，并像审查同事的拉取请求一样，仔细阅读它返回的每一行代码。将其视为一位快速、自信但有时会犯下看似正确错误的协作者。你外包的不是设计，而是打字。
3. 如果由人工智能编写代码，我如何仍能构建真正的技能？
通过承担人工智能无法替你完成的反复练习。看着模型生成一个干净的解决方案并不能让你学到任何东西，就像看着别人调试生产环境事故并不能让你学到任何东西一样。因此，在提示人工智能之前，先设计系统。写下你预期它会出错的地方。然后将你的预测与代码在负载下的实际表现进行对比。判断力是通过做出决策并有时犯错而建立起来的，而不是通过阅读整洁的输出结果。
4. 既然每个人都拥有人工智能，我的团队期望更高的产出。我如何在不倦怠的情况下跟上节奏？
停止在产出量上竞争。产出量是刚刚变得廉价的东西。让人工智能承担实现的繁琐工作、样板代码和初稿，并将节省下来的时间重新投入到真正能产生复利效应的工作中：设计讨论、权衡取舍、代码审查。目前感到倦怠的工程师，是在人工智能已经更擅长的一项任务上与其赛跑。而那些 thriving（蓬勃发展）的工程师，则转向了稀缺的资源，即判断力。
5. 为了保持价值，我究竟应该学习什么？
系统思维。在你使用的每一个应用程序之下，都有一小组重复出现的构建模块模式：响应请求的服务、让你能够先答应下来稍后再处理繁重工作的队列、保存数据的数据库和存储、在后台处理数据的工作进程。如果你观察 Instagram、Stripe 或 Netflix 的设计方式，就能看到同样少数的几种模式。人工智能每隔几个月就会改变编写这些模式所需的语法。但它不会改变模式本身。学会这些模式，你就可以使用任何语言、借助任何手头的工具来设计真实的系统。
贯穿这五个问题的主线是：人工智能带来实现能力。你提供判断力。学会这些模式，其余的真的只是语法而已。
- 凯
附言：如果你认识正在思考这些问题的初级工程师，请将此信转发给他们。如果这封信是因为他人转发而出现在你的收件箱中，你可以访问 systemthinkinglab.ai 自行订阅周六通讯。
这封信每周六通过电子邮件发送。在此订阅，或在 免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
