作为一名 26 届计算机本科生，我想这两年很多人和我一样，一直在反复问自己一个问题：

我以后到底要做什么？
做软件？搞算法？还是转芯片？
在 AI 飞速发展的今天，我学的这些东西还有意义吗？

一、传统路线的迷茫：我“按部就班”走过的路

大学期间，我的方向并不明确。
秋招尝试过一些嵌入式岗位，但面试反馈并不好。最终在 2024 年 12 月，我决定转向 Java 后端。

之后基本是很多人都熟悉的路线：

• 跟着黑马，从 Java 基础语法开始

• MySQL 进阶、SSM、MyBatis、Spring Boot

• 多线程、Redis、ES、Nginx、MQ、Dubbo

• 微服务全家桶：Nacos / Feign / Gateway / Sentinel / Seata

• Spring Security、MyBatis-Plus

• 项目：苍穹外卖、黑马点评

说实话，一个月的时间更像是囫囵吞枣：
知道它们是干嘛的，但谈不上真正的工程级理解。

二、AI 编程的冲击：真正让我焦虑的时刻

真正的转折点，来自 2025 年 1 月。

随着 Gemini 3 Pro 的发布，我重新开始使用 Trae（AI 代码编辑器）。
和我之前在大学里用 Trae 完全不一样——这一次，真的震撼到我了。

• 前端：Vue 页面、微信小程序，几乎全交给 AI

• 后端：只要需求描述清楚，生成的代码结构清晰、风格优雅

• 调整、重构、补功能，效率远超我自己写

那一刻我第一次产生了强烈的不安：

如果 AI 比我写得更快、更好、更全面，那我学这些还有什么价值？

三、从“恐惧”到“冷静判断”：AI 并非万能，但趋势不可逆

我也尝试了 Claude Cowork、Minimax 等“普通人可编程”的产品。

它们可以：

• 快速生成小型应用

• 自动部署云服务

• 直接给出公网访问地址

但在复杂业务场景下：

• 前后端分离仍然受限

• 本地调试成本高

• 幻觉问题明显

• 工程化能力仍不足

这让我逐渐意识到一件事：

AI 正在极大降低“写代码”的门槛，但并没有降低“做系统”的门槛。

确实相比于自己写代码，不管是效率还是准确性AI都高很多。

那么如果普通人都用这个来写项目，我和他们相比的优势是什么呢？

我觉得是我比他们先使用了这个技术，也就是所谓的风口，如果我能就此抓住他，比其他人先掌握住市场，那么ai编程是——机遇。

四、从焦虑到认知升级：我开始系统性研究 Agent 与 AI 架构

于是乎我转头开始研究ai的方向，参加DataFun 技术社区主办的 Agentic AI Summit 2026（超级智能体系统架构峰会），百度的文心Moment大会，了解agent整体技术架构

在这些分享中，我逐渐意识到：
当前 AI 的核心竞争点，已经不再只是“模型本身”，而是围绕模型构建的一整套应用级系统能力。

以图中的 Agent 架构为例，它清晰地划分了几个关键层次：

• 底层是模型与算力能力：包括通用大模型、垂直模型以及算力与推理基础设施

• 中间层是 Agent 能力与工程支撑：如工具调用、Workflow 编排、记忆机制、上下文管理、调试与评估

• 上层是具体应用与业务场景：智能客服、数据分析、内容生成、企业自动化等真实落地场景

这让我第一次系统性地理解了：

Agent 本质上不是“更聪明的 ChatBot”，而是一个能理解目标、规划任务、调用工具并持续反馈的“应用级智能体”。

也正是在这一层结构中，我找到了自己真正可以切入的位置——
不是去卷大模型训练，而是站在应用层与场景层，把 AI 能力转化为可用、可落地的产品与系统。

五、锚定方向：AI 应用工程师（AI + X）

我并不打算去卷大模型训练，而是聚焦 应用层 + 垂直场景：

可能的方向包括：

• 医疗（辅助诊断、影像分析）

• 金融（风控、投研、量化辅助）

• 工业（预测性维护、质检）

• 能源（调度优化、预测）

• 教育（个性化学习）

• 法律（合同审查）

• 企业 Agent（客服、周报、会议纪要、知识库）

在这些场景下，最需要的是懂业务场景，懂产品需求，其次才是如何使用AI工具落地项目，甚至可以不训练大模型，就用人家的接口，花钱让人家办事~~

六、技术栈的重新定位：不是“写更多代码”，而是“驾驭 AI”

我认为 AI 应用工程师更需要掌握的是：

• 大模型 API 调用与成本控制

• RAG（检索增强生成）

• LangChain / Agent 框架

• 任务规划、工具调度

• 记忆机制（长短期）

• 多 Agent 协作与反思机制

模型可以用别人的，
系统、流程和场景理解必须是自己的。

七、我的答案

AI 编程是危机吗？
对只会“照着写代码”的人来说，是。

是机遇吗？
对愿意把 AI 当生产力、当工具、当杠杆的人来说，是。

我选择行动，而不是观望。AI编程是股好风，可以助我上青云。

行动本身，永远比焦虑更接近答案。