标签

智能时代计算机教学论坛在津举办

2026年5月16日,作为第九届信息技术新工科产学研联盟年会的重要分论坛”人工智能时代的计算机实践教学论坛“在天津举行。论坛邀请了国防科技大学、北京大学、鹏城实验室、北京智源人工智能研究院、湖南智擎科技有限公司、北京新大陆时代科技有限公司等来自高校、科研院所与行业企业的专家学者,围绕教学模式创新、课程体系重构、智能平台建设、产教融合实践等前沿议题,分享真知灼见,和诸位参会代表一起交流实践经验,碰撞思想火花。论坛由联盟实践教学工作委员会主办,北京新大陆时代科技教育有限公司、头歌教学研究中心协办,论坛主席是工

2026-05-25 16:36:28  |  11 阅读

解决AI编程混乱的28个技巧:GitHub高星项目解析

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新大家好,我是杰克王,AI 算法 6 年老兵。你有没有遇到这种情况:让 Claude 或 Copilot 帮你写功能,它噼里啪啦写了一大堆,你一看,完全不是你想要的东西。重新说一遍,它又误解了。再来一遍,还是跑偏。最后你发现,自己花在"纠正 AI"上的时间,比直接自己写还多。今天我要介绍一个项目,能直接解决这个问题。不是什么神奇的大模型,就是 28 个 Markdown 文件。截至 2026-05-19,它在 GitHub 上攒了

2026-05-24 08:00:27  |  10 阅读

软件工程基本功如何驾驭AI编程

在当今的开发圈,“AI编程”早已不陌生。虽然许多开发者每天都在与AI协作,但现实往往令人抓狂,AI的“幻觉”和错误频出。这究竟是依赖运气的“氛围编程”,还是可以纳入严谨软件工程体系的可控流程?在《跨国串门儿计划》第510期播客里,知名TypeScript专家、AI Hero创始人Matt Pocock给出了答案。他强调,我们常误以为AI是新范式,实则软件工程基本功同样重要。糟糕的代码库只会产出低能智能体,而优秀的架构才能释放AI的真正潜力。本文将深入剖析Matt Pocock的一套从“规划”到“生产”的完

2026-05-20 15:49:47  |  16 阅读

吴恩达批驳AI引发失业恐慌的言论

DeepLearning.AI创始人、亚马逊董事会成员吴恩达(Andrew Ng)近期就AI对人类就业的影响发表观点。他明确表示,AI不会导致就业灾难,将大规模失业的说法视为不负责任、渲染恐慌的夸大言论。他承认AI正在改变许多人的工作方式,这个过程可能伴随压力和挑战,但同时也蕴含机遇。他坚决反对就业市场崩溃、岗位大规模消失、人类被取代等悲观预测。--------------------------------译文:AI不会造成就业灾难。人工智能将引发大规模失业的说法,正在制造不必要的恐慌。AI——如同任何

2026-05-17 22:00:00  |  12 阅读

AI 编程虽爽,五年后谁来为烂尾代码买单?

上月,他毅然递交了辞呈。并非为了另谋高就,也非立志创业。只因公司裁撤了 8 位初级程序员,将其工作全权移交 GitHub Copilot,并强令剩余几位资深工程师监管 AI 产出,一人干起十一人的活。他目睹代码库逐渐沦为一堆无人能懂的真实"烂摊子"。他坦言:这份工作已变得面目全非。这并非单纯的抱怨,而是对行业内悄然蔓延之危机的真实写照。数据光鲜,直至泡沫破裂之日新闻头条如此宣称——Salesforce 宣布停止招聘软件工程师,声称 AI 提升效率三成。Meta 削减数千工程师,亚马逊裁员一

2026-05-16 00:30:52  |  22 阅读

AI-DLC:终结盲目编码,开启智能工程新时代

深夜时分,你凝视着AI生成的代码,百感交集。虽然程序能够运行,但架构混乱不堪;尽管功能已经实现,却毫无扩展空间;眼看明日就要上线,今夜却不得不重新设计。问题不在于AI本身,而是方法运用不当。亚马逊云科技开源的AI-DLC(人工智能驱动开发生命周期)正在改变这一现状。它并非简单的提示词优化技巧,而是一套系统化、标准化的AI协同开发框架。接下来,我们将深入剖析这项让AI真正"领悟"软件工程精髓的创新体系。AI-DLC全称为AI-Driven Development Life Cycle,意为人工智能驱动型开发

2026-05-11 09:00:06  |  21 阅读

AI 编程下一步:不是模型更强,而是软件工程操作系统

过去一年,AI Coding 领域里最常见的误判之一,是很多人觉得:«“只要模型不断变强,软件开发就会被完全自动化。”»可是在我看完 flow-kit 以及《十年老技术开发的 AI Agent 探索之路》之后,我越来越明确:决定 AI 开发能走多远的,其实早就不只是模型本身的能力。更关键的是:AI 软件工程系统的能力。于是行业正在从:Prompt Engineering切换到:AI Software Engineering甚至:AI Operating System的阶段。---一、AI Coding 正

2026-05-10 01:19:53  |  15 阅读

三大热门专业怎么选?计算机软工AI差异全解析

每逢高考放榜,物理组考生往往难以割舍计算机、软件工程及人工智能这三个专业。 无论是高分生冲刺名校,还是中等分捡漏工科,绝大多数家长和考生都会将它们列为志愿首选,成为每年填报季的“顶流”,竞争异常激烈。 其热度持续不减,原因其实很简单,切中了所有家庭的报考痛点:✅ 就业覆盖面宽:互联网、金融、智能制造、医疗、政府机构均有覆盖,各行各业都离不开信息技术人才,择业几乎没有行业门槛。✅ 起薪水平较高:本科应届生在一线城市通常年薪15–25万起,薪资远超许多传统工科专业。✅ 专业认可度高:自带“高科技”光环,家长直

2026-05-08 08:47:48  |  57 阅读

AI浪潮下,计算机专业如何抉择?

导读:预测到2026年北京高考,与计算机相关的专业大概率仍会备受青睐。然而,面对人工智能时代的到来,究竟哪些计算机类专业依然值得选择?这是我经过半年深思熟虑的总结,为了让大家更清晰地辨别,我们借鉴当下流行的评价体系,将9个计算机专业划分为五个层级:夯实基础、顶级前沿、精英汇聚、普通岗位、潜力待定。以下是2025年北京高考普通批次京内一本以上高校的计算机类专业统计数据。此统计涵盖了实验班、中外合作办学、拔尖班、创新班、双学位等所有相关方向,并未计入以计算机大类招生的专业,因此实际的总招生人数会远超此清单。在

2026-05-08 07:32:03  |  17 阅读

AI浪潮下,代码当量价值依旧:洞察研发新范式

“大模型编码这么快,我们还需要度量代码吗?”这是当下很多技术管理者的困惑。随着大模型辅助编程的普及,代码生成效率迎来指数级提升,研发模式从传统人工编码快速迈向人机协同的新阶段。有人认为,AI 时代代码当量不再重要,传统研发度量已然失效,事实真的如此吗?我们先来看看前智能体时代,代码当量为什么能超越“代码行数”成为企业度量软件开发的重要标尺:与代码行相比,当量能更准确地度量代码复杂度规模;当量能够与相关指标结合度量人效、质量等;当量能够作为基础指标校准需求交付相关统计。在 AI 原生软件开发时代,代码当量在

2026-05-06 18:11:47  |  10 阅读

AI就业威胁论遭质疑,技术人才需求逆势攀升

本期聚焦AI威胁论是否言过其实,剖析就业市场变化并揭示观点风向正在扭转。•《纽约时报》与芝大学者两篇深度文章正重塑AI就业议题走向。•孙茉莉撰文称硅谷或正为固化阶层分化布局,但对AI冲击存在误判。•埃兹拉·克莱因撰文驳斥AI引发失业潮,援引杰文斯悖论论证。•经济学家亚历克斯·埃穆斯警示AI研究机构或过度渲染失业危机。•实证显示程序员岗位需求持续攀升,有力回击AI取代论。•AI虽会替代特定岗位,但经济系统调适远非简单失业可比。核心探讨:AI舆论风向生变——"末日预言"或难立足主持人察觉到一个

2026-05-06 12:47:31  |  12 阅读

AI氛围编程重塑软件工程

4名工程师28天搞定Sora安卓版:AI编程正在重写软件工程当"氛围编程"逐渐成为主流,程序员的角色也在悄悄发生变化今年4月,一个让人震动的数据席卷技术圈:OpenAI团队仅用4名工程师,在28天内完成Sora安卓版开发,其中约85%的代码居然由AI生成。你没看错,4个人,28天,就拿下登顶谷歌Play Store榜首的APP。要是放到三年前,至少得20人做三个月。这背后究竟发生了什么?今天咱们聊聊这个让整个行业都坐不住的议题——Vibe Coding,也就是氛围编程。Vibe Codin

2026-05-05 07:13:23  |  12 阅读

AI能否取代软件工程师:一个思维实验

如果你坚信 AI 会取代软件工程师,不妨先做个很简单的思想实验。设想你在一家生命科学公司工作。10 年前,你原本打算大手笔投入实验室自动化、数据处理,以及各类软件系统建设。可一核算预算,你立刻发现自己很难在成本上与科技公司正面竞争,更别提能招到足够多的工程师。于是你只能把目标不断下调、量力而行。每个软件项目都得依赖一个固定规模的团队来承担投入成本,而预算、人才获取能力以及各种权衡方式,直接决定了你能做多大的事。直到现在,AI(coding)出现了。一瞬间,你获得了接近全球顶级科技公司同等水平的“产出能力”

2026-05-04 02:02:22  |  11 阅读

AI应用的几点体会

理解AI的领域专家,尤其是既懂AI又能把它落到实际里的质量专家,会更受欢迎。领域专家的价值主要体现在这些方面。 1:因为站在领域视角,提示词的设计更有优势。那些不清楚偏度的人往往不会去问偏度,反而可能会追问统计量有哪些?提问方式也因此更顺畅。 2:领域专家解读AI给出的结果更有先天条件。非领域专家可能会直接使用AI输出,但难以判断对错,在处理AI幻觉问题上相对更吃力。 3:领域专家还能配合训练AI大模型,让模型的输出更精确,从而让普通用户更敢直接拿结果使用,出错概率也会降低。 4:领域专家更熟悉业务场景,

2026-05-02 20:48:28  |  14 阅读

提示工程:从探索到实践的系统化之路

当提示词的应用从个人实验阶段迈入团队协同,从单一场景扩展到复杂系统时,引入软件工程的理念和方法就显得尤为关键。在团队协作模式下,提示词不再是个人独有的宝贵财富,而是需要被共享、协同开发和持续维护的“代码资产”。为了有效控制成本或满足监管合规的需求,企业常常需要同时与多个大型语言模型(例如 GPT-4、Claude、文心一言等)进行交互。由于不同模型在处理方式上存在差异,因此需要进行针对性的优化和适配。大型模型 API 的调用是基于 Token 数量进行收费的,并且其响应速度对用户体验有着直接的影响。因此,

2026-05-02 14:19:58  |  15 阅读