> 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/2025-nian/w30ai-da-chao-xia-de-quan-zhan-kai-fa.md).

# W30-AI大潮下的全栈开发

对全栈保持谨慎的乐观。

全栈由来已久，其实个人开发者都可以看作是全栈，但在国内始终未成主流。大厂们更倾向于追求技术深度，面试官们大多看不上万精油的全栈。如今全栈的价值被重新审视，这其中的变化我觉得要保持谨慎乐观的态度。

这波生成式 AI 的相关技术，几乎都处于Hype Cycle的顶端，包括 Vibe Coding、Software Engineering。处在顶峰的技术往往伴随着过高的期望和不切实际的部署行为。

Vibe Coding和Software Engineering不一样。Vibe Coding，AI 擅长生成一次性原型代码，可迅速搭建可运行产品并验证设计与用户接受度。因为只是原型，后续维护和代码质量的忧虑并不存在。Software Engineering，编码本身只占日常交付工作中的一部分。METR 等机构的调研显示，AI工具对富有经验开发者的效率提升非常有限。

把基本功练好，就能做成99%的事情，基本功依然重要。上周参与一个问题排查时，明显感受到大家在基础网络（如Nginx、HTTP协议）以及公司中间件（PaaS层）上的知识缺口。系统运行正常时大家都觉得很简单，一旦出问题，就陷入全面盲查的尴尬。基础不牢，智能工具再先进也难以构建出可靠系统。

工程师与 AI 建立信任需要一个过程，进而形成对 AI 能力边界的正确认识。有三个边界需要在实践中摸索清楚：什么时候可以信赖AI，让其参与任务；什么时候可以让AI先产出，工程师只做reviewer；什么时候必须关掉AI，靠人自己沉下心搞定问题。

当然这些边界在快速变化，智能水平还在不断提升，对未来 3-5 年业务开发的积极影响应保持乐观。上周OpenAI 宣布其未公开的LLM 首次在IMO国际数学奥赛中达到金牌水准。这之前，只有 Google DeepMind 针对数学专门做优化的模型达到过银牌水平。