森思 - 其八

我的第一份工作是在一家初创教育公司，属于初代开发人员，跟我同期入职的有一个做安卓、一个做服务端，加上做 iOS 开发的我。到后来某个节点，随着业务增长，整个系统包括前端、后端、客户端都需要做一次大的改版。

毕竟是创业公司，职能并不分得那么清楚，到后来我做的东西越来越广，也开始涉及安卓、服务端甚至运维的工作。

这往往就会牵出一个问题：全新的架构该怎么做？彼时后端的分布式微服务、k8s 集群非常火热，感觉只要聊到后端架构就必定要提一嘴，不然就 outdated 了。

当时我们觉得新系统必须用上这些，于是花了很大力气，搞了一套容器化分布式微服务系统，通过 k8s 编排，支持横向扩容，看上去「很牛」的系统。

再后来，双减政策一出，教育公司死了一片，我永远都见不到我们的服务真正用上水平扩展集群的那一天了。

"Everything should be made as simple as possible, but not simpler."

这句话不知道是不是真的爱因斯坦说的，可能是鲁迅说的吧：）

回想起来，当时确实学到了很多东西。但关于架构，我也有了更深刻的体会。

花了很大力气搭建出来的"很牛"的东西，事后发现 80% 对公司而言都是用不上的。（对个人而言倒是一次很好的学习机会。）

架构这件事，更多是在当下急需解决的问题之上，再往前看一层就足够了。技术的走向、业务的变化，根本没办法考虑得那么长远和周全。

AI 的发展可以说既是意料之中，也在意料之外。意料之中，是大家都设想过总有一天 AI 能替代一部分常规性工作；意料之外，是没想到来得这么迅猛。

打开公众号、朋友圈，铺天盖地都是各种 AI 的最新爆料。AI 成为日常工作乃至生活的一部分，已经是板上钉钉的事了。但很多时候，我们不必那么迫切地去追求最新、最华丽的 AI 技术。

工具本身有价值，难的是什么时候该用、用到什么深度。若只是为了「显得专业」或缓解焦虑而去堆模型、堆工作流，最后多半也是一套 80% 冗余的配置与集成。

保持对 AI 的敏锐触觉很重要，知其然更要知其所以然。真正需要的不只是「会不会用」，而是投入产出比是否值得？它是否能真正解决你面对的问题，而不是「为了 AI 而 AI」？更进一步，能否驾驭甚至改造这项工具，而不是成为它的附庸。

围绕 AI 诞生的各种工作流、工具链、API，很容易让人陷入焦虑和羊群效应。换个角度看，工具只是实现目标的手段，更重要的是：能不能在 AI 这波浪潮里，积累一些「可迁移的技能」。

关于这点我觉得挺有意思的——在实际使用 AI 的过程中，往往能看到以前技能的影子。比如在描述需求时，能全局思考一些边界条件、评估新需求对现有系统的影响；在排查问题时，能清晰地向 AI 说明当前问题、背景与复现路径。

这些「可迁移的技能」，其实得益于以往积累的开发经验、搜索技巧、论坛沟通等等。

选择用 AI 替代工作，还是被 AI 选择替代——说到底，在行业变迁和技术浪潮中，个人的思考永远不会缺席。