> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/zh-hant/2025/w30-full-stack-development-in-the-ai-wave.md).

# W30-AI大潮下的全棧開發

對全棧保持謹慎的樂觀。

全棧由來已久，其實個人開發者都可以看作是全棧，但在國內始終未成主流。大廠們更傾向於追求技術深度，面試官們大多看不上萬精油的全棧。如今全棧的價值被重新審視，這其中的變化我覺得要保持謹慎樂觀的態度。

這波生成式 AI 的相關技術，幾乎都處於Hype Cycle的頂端，包括 Vibe Coding、Software Engineering。處在頂峰的技術往往伴隨著過高的期望和不切實際的部署行為。

Vibe Coding和Software Engineering不一樣。Vibe Coding，AI 擅長生成一次性原型代碼，可迅速搭建可運行產品並驗證設計與用戶接受度。因為只是原型，後續維護和代碼質量的憂慮並不存在。Software Engineering，編碼本身只佔日常交付工作中的一部分。METR 等機構的調研顯示，AI工具對富有經驗開發者的效率提升非常有限。

把基本功練好，就能做成99%的事情，基本功依然重要。上週參與一個問題排查時，明顯感受到大家在基礎網絡（如Nginx、HTTP協議）以及公司中間件（PaaS層）上的知識缺口。系統運行正常時大家都覺得很簡單，一旦出問題，就陷入全面盲查的尷尬。基礎不牢，智能工具再先進也難以構建出可靠系統。

工程師與 AI 建立信任需要一個過程，進而形成對 AI 能力邊界的正確認識。有三個邊界需要在實踐中摸索清楚：什麼時候可以信賴AI，讓其參與任務；什麼時候可以讓AI先產出，工程師只做reviewer；什麼時候必須關掉AI，靠人自己沉下心搞定問題。

當然這些邊界在快速變化，智能水平還在不斷提升，對未來 3-5 年業務開發的積極影響應保持樂觀。上週OpenAI 宣佈其未公開的LLM 首次在IMO國際數學奧賽中達到金牌水準。這之前，只有 Google DeepMind 針對數學專門做優化的模型達到過銀牌水平。