E32：AI 没有消灭程序员，但它正在抽走职业梯子

如果公司越来越只要会驾驭 AI 的资深工程师，那么五年后的资深工程师从哪里来？

《华尔街日报》最近的数据呈现出一个微妙的分裂：2026 年 4 月，美国 IT 和计算机科学职位的发布量同比增长了 14.2%，但初级职位的占比从一年前的 8.1% 降到了 7.4%，资深职位的占比却从 38.8% 升到了 43.1%。企业对程序员关上的似乎不是整扇门，而是门的最下面一格。《纽约时报》则把当下的就业市场形容为”炼狱”——低招聘、低裁员，求职者改简历、考证书、跑活动，做完四十个小时的准备、通过一轮轮面试，最后还是一无所获。

这期节目，我们从陈锋在面试官位置上的观察聊起。允许使用 AI 工具的面试里，他看到两种极端的候选人：一种坚决不用 AI，试图证明自己”古法编程”的功底；另一种无论资历深浅，都陷入了手动式的反复重试——接受 AI 的答案、不对就再追问、再改，直到结果正确为止。而随着 Agentic Engineering 的普及，人和 AI 的交互频次正在真实地下降：越来越多的工作直接交给 AI，人退到了验证结果的位置。亲手敲代码这件事，几年之内就快变成”古法”了。

于是我们追问了一连串更尖锐的问题：如果 AI 在编码上不输给毕业生，公司还有必要招毕业生吗？当 Junior 用来学习和成长的那些基础工作——修 bug、读旧代码、写测试、做小需求——恰恰是最先被 AI 接管的工作，职业阶梯的第一段是不是正在被拆掉？我担心这是一种结构性困局：市场对 Junior 不再友好，而 Junior 受限于自己的视角，甚至不知道该如何让 AI 帮自己补上判断力。光毅则提出了”判断力经济”——当代码生成趋于廉价，稀缺的价值转向判断、谈判、说服和对结果负责，而这些能力只能从实战中长出来。大货司机的工作从来不只是开车，程序员的工作也从来不只是写代码。

聊到最后，分歧依然存在：我认为稳定的协议接口终将替代人际沟通的摩擦，陈锋则相信人类会不断定义新的终点。但三个人都同意一件事——路径可能不再清晰，但自驱力仍然有效。没有人刻意培养你，你就自己去找机会，建立信任，把自己发展成一个综合的系统。当下确实处在激烈变化的过程中，但它依然会给年轻人留下新的机会。

⏱️ 时间轴

  • 07:30 毕业生的交付能力与 AI 的差距，培养方式需要重新设计
  • 23:27 元认知（Metacognition）：能把 AI 为己所用的人具备的能力
  • 34:07 角色界限的融合：产品经理、开发与软件业务运营
  • 43:33 软件行业是否已过巅峰期？把自己发展成一个综合的系统

📚 本期提到的参考文章

🎙️ 本期主播

李光毅，张凯峰，陈锋

👤 主播简介

  • 李光毅，咨询师、全栈开发工程师，个人主页：技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验。
  • 张凯峰，技术圈策展人，公众号「张凯峰Impact」作者。专注于技术品牌建设和个人影响力研究，曾在多家知名科技公司领导技术影响力团队，帮助技术专家建立个人品牌和行业影响力。
  • 陈锋，资深技术专家。近期专注于 Data 和 AI 相关的技术方案与海外项目交付，对构建企业级 AI Agent 有着丰富的实战经验与深刻思考。

Podcast: Play in new window | Download

E31：GitHub 四次被盗，AI 时代开发者如何守住自己的密钥？

如果你的 GitHub 私有仓库里突然多出一个陌生的 Action，你会多久发现？

过去半年，光毅的 GitHub 账号先后出现四次异常：私人仓库被加入伪装成安全扫描的恶意 GitHub Action，账号里凭空多出陌生仓库，多个项目的 package.json 被植入恶意 postinstall 脚本，最后连 GitHub 账号和一个云端项目也因为凭证泄露相继被停用。

最让人不安的不是损失，而是找不到攻击入口。电脑扫描没有异常，代码提交里看不到可疑痕迹，轮换 Token 后问题仍然发生。那些过去能够被感知的病毒和木马，正在变成一次性的、自动化的窃密行动：拿到 Token、API key 或 SSH key，完成任务后迅速消失。

这期节目，我们从这四次真实经历聊起，试着拆开 AI 时代的供应链攻击：一个被污染的依赖包如何借 postinstall 脚本完成窃密，小众工具如何借搜索与 AI 推荐进入项目，社会工程学又如何用一场高度仿真的在线会议骗过高权限开发者。AI 不只在帮程序员写代码，也在让攻击脚本更自然、更有针对性、更难被察觉。

但这并不是一期制造恐慌的节目。我们也认真梳理了普通开发者今天就能做的事：为账号启用 2FA、Passkey 或物理安全密钥；给 SSH key 设置 passphrase；按需申请权限并设置过期时间；不在私有仓库中明文保存 Secret；为依赖升级设置观察期；给云服务账单加上限；把高风险操作放进隔离环境。

安全工具可以替你扫描，却不能替你判断。真正的第一道防线，仍然是开发者自己的安全意识。

⏱️ 时间轴

  • 00:10 半年四次 GitHub 账号异常：从恶意 Action 到云端项目被停用
  • 05:10 什么是供应链攻击？为什么攻击入口如此难以追踪
  • 07:51 AI 让窃密攻击变得自动化、短暂而隐蔽
  • 12:10 npm 依赖的风险：一次更新如何踩中恶意版本窗口
  • 16:51 与其执着寻找入口，不如先止损并重建安全边界
  • 17:59 高仿工作区、在线会议与安装包：社会工程学如何攻破开发者
  • 20:17 AI 编程工具会保护你的 Token 和 API key 吗？
  • 23:20 “私有仓库”不等于“可以提交 Secret”
  • 25:03 当 AI 开始参与生成更像正常代码的恶意提交
  • 27:37 安全工具给出评分之后，最终由谁做判断？
  • 30:03 三位主播各自经历过哪些账号安全事件
  • 32:44 开发者安全清单：2FA、Passkey、最小权限与账单上限

📚 光毅的文章

🔐 本期提到的安全清单

  • 为重要账号启用 2FA、Passkey 或物理安全密钥
  • 为 SSH key 设置 passphrase，并定期检查已授权的 Key、应用与会话
  • Token 和 API key 遵循最小权限原则，并设置合理的过期时间
  • 不要因为仓库是私有的，就把 Secret 明文提交进源码
  • 锁定依赖版本；可在 .npmrc 中用 min-release-age 为新版本设置观察期
  • 谨慎执行来源不明的一键安装命令，尤其是要求输入系统密码的脚本
  • 为云服务设置用量和账单上限，发现异常后立即轮换凭证并联系平台
  • 在沙箱或隔离环境中运行权限高、行为不确定的 AI Agent

提醒：min-release-age 也可能暂时拦住刚发布的安全修复，使用时仍需结合安全公告和依赖审计做判断。

🎙️ 本期主播

李光毅，张凯峰，陈锋

👤 主播简介

  • 李光毅，咨询师、全栈开发工程师，个人主页：技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验。
  • 张凯峰，技术圈策展人，公众号「张凯峰Impact」作者。专注于技术品牌建设和个人影响力研究，曾在多家知名科技公司领导技术影响力团队，帮助技术专家建立个人品牌和行业影响力。
  • 陈锋，资深技术专家。近期专注于 Data 和 AI 相关的技术方案与海外项目交付，对构建企业级 AI Agent 有着丰富的实战经验与深刻思考。

Podcast: Play in new window | Download

E30：当你在驾驭 AI 的时候，AI 也在驾驭你

Harness Engineering、AI Psychosis……最近 AI 圈的新词越来越多，让人目不暇接。但剥开这些时髦术语，我们发现它们指向了同一个核心问题：人和 AI 之间的关系，正在发生某种微妙的反转。

这期节目从 Harness Engineering 聊起——这个最近在技术社区频繁出现的概念，本质上是对 AI 行为的一种”约束工程”。从最初的 Prompt Engineering，到后来的 Context Engineering，再到如今的 Harness Engineering，每一次演进的背后，都是 AI 能力的跃升和人类控制需求的升级。光毅用 DevOps 做类比，陈锋把它拆解为一个”约束不断收紧”的过程，凯峰则从敏捷方法论的视角找到了某种历史的对应物。三个人都同意：这不完全是旧瓶装新酒，但也绝非凭空冒出来的新东西。

聊着聊着，话题自然滑向了另一面——AI Psychosis。当 AI 让你一天做完过去一周的工作，当你觉得自己无所不能，当你每分钟都害怕错过什么新工具新模型……这些”症状”，你中了几条？能力幻觉、Build 上瘾、FOMO 焦虑、认知脑雾——我们坦诚地聊了各自的真实感受。有人深有体会，有人冷静旁观，但没有人能完全置身事外。

所以这期节目的底色，其实是一个我们都在面对的问题：AI 越来越强，你还能做什么？

⏱️ 时间轴

  • 00:59 Harness Engineering 是什么？一个”什么都能往里装”的新框架
  • 05:35 AI 能力进化与人的角色退位：从写代码到驾驭代码
  • 09:03 AI 落地的真实挑战：敏捷方法论的一面镜子
  • 14:44 实战分享：我们各自做了哪些 Harness 相关的尝试
  • 18:30 Harness 的核心不是做了什么，而是 Tuning
  • 22:31 AI Psychosis：能力幻觉、成瘾循环与认知脑雾
  • 28:41 你真的变强了吗？一场关于”能力归属”的诚实对话
  • 34:05 FOMO、炒作与红海：如何在 AI 时代保持清醒
  • 37:40 当你在驾驭 AI 的时候，AI 也在驾驭你

🎙️ 本期主播

李光毅，张凯峰，陈锋

👤 主播简介

  • 李光毅，咨询师，全栈开发工程师，个人主页：技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验。
  • 张凯峰，技术圈策展人，公众号”张凯峰Impact”作者。专注于技术品牌建设和个人影响力研究，曾在多家知名科技公司领导技术影响力团队，帮助技术专家建立个人品牌和行业影响力。
  • 陈锋，资深技术专家。近期专注于 Data 和 AI 相关的技术方案与海外项目交付，对构建企业级 AI Agent 有着丰富的实战经验与深刻思考。

Podcast: Play in new window | Download

E29：面试是一门玄学吗？三个面试官的真心话

说实话，在 2026 年录一期关于面试的播客，我是有些犹豫的。AI 正在改变一切，行业格局也在不断洗牌，聊面试这件事似乎有点”过时”。但转念一想，不管技术怎么变，人和人之间的判断与选择从未消失——面试这件事，反而因为 AI 的介入变得更加微妙了。

最近光毅和陈锋因为各种原因密集参与了不少面试，站在面试官这一侧之后，他最大的感受是：面试远比想象的主观。过去作为求职者，总以为面试像考试——答对了就过，答错了就挂。但当他真正坐在另一边，才发现决定一个人去留的，往往不是他回答了什么，而是你跟他聊了一个小时之后的那种说不清道不明的感觉。

所以这期节目，我们三个”面试官”坐下来聊了聊各自的真实体验：从简历筛选到现场编程，从讲故事的技巧到年龄偏见，从面试的表演性到它的双向性。如果你正在准备面试，或者你也在面别人，希望这些坦诚的分享能给你一些不一样的视角。

⏱️ 时间轴

  • 00:13 面试是客观的吗？一个面试官的困惑
  • 08:30 简历、推荐与求职策略：怎样的准备才有效
  • 16:04 AI 时代的面试变化与不同公司的选人标准
  • 22:28 面试的双向性：你也在面试这家公司
  • 30:43 面试是流程加偶然性——给求职者的一点鼓励

🎙️ 本期主播

李光毅，张凯峰，陈锋

👤 主播简介

  • 李光毅，咨询师，全栈开发工程师，个人主页：技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验。
  • 张凯峰，技术圈策展人，公众号”张凯峰Impact”作者。不写代码，但让写代码的人坐下来好好聊一次。《程序员新声》播客主理人。做的事情只有一件：在人、想法和场景之间，建立本来不存在的通路。
  • 陈锋，资深技术专家，来自 Thoughtworks。近期专注于 Data 和 AI 相关的技术方案与海外项目交付，对构建企业级 AI Agent 有着丰富的实战经验与深刻思考。

Podcast: Play in new window | Download

E28：Claude Code 的陷阱——效率翻倍，技能「退化」

Claude Code 这个让 AI 帮你写代码的工具正在掀起一场关于成本、效率和职业未来的激烈讨论。我们三位主播——张凯峰、李光毅、陈锋——坐下来聊了聊各自的使用体验。有趣的是，大家的共识出奇一致：Claude Code 改变的，远不止写代码的速度。

Claude Code 的真正价值不在于提效，而在于改变了程序员的思维方式。过去，程序员从头到尾自己设计和实现；现在，他们思考的是如何驾驭 AI 工具来完成任务。AI 不再是简单的代码生成器，而是一个需要上下文沟通、能进行方案讨论、甚至会坚持观点的”协作伙伴”。陈锋分享了他的工作模式：与 Claude Code 交互讨论，让它生成计划并 review，然后独立完成功能，他负责验证和调整——这种新的交互模式，正在重塑开发流程。

但我们也发现了一个核心矛盾：效率与成长的两难。AI 让你写代码更快，但可能让你思考更”浅”。”AI 能提高代码生成效率，但并不总能提升工作质量，特别是在代码审查和系统性学习方面。”更令人担忧的是，初级程序员可能陷入”成长陷阱”——依赖 AI 完成任务，但失去了深度学习的机会。陈锋提到的”unknown风险”更是警钟：程序员可能在不充分理解技术细节的情况下完成工作，埋下技术债的种子。

一个更尖锐的问题：当 AI 能直接完成初级程序员的工作，传统的从 junior 到 senior 的职业路径，还存在吗？

所以，程序员们，当 Claude Code 让你效率翻倍的时候，你是否也在思考，自己的成长是否在”退化”？

时间轴

  • 02:43 AI写代码成本与策略调整
  • 10:10 AI辅助编程与个人技能提升的辩证思考
  • 21:46 Claude Code改变程序员思维：从效率到辅助视角的转变
  • 39:48 AI发展与人类角色的未来展望
  • 48:35 AI模型在方案讨论中的创新与合作表现

本期主播

  • 张凯峰:技术品牌和影响力专家,公众号「张凯峰Impact」作者
  • 李光毅:咨询师、全栈开发工程师,个人主页 技术圆桌
  • 陈锋:企业级 AI 应用专家

Podcast: Play in new window | Download

EP14：如果 AI 打破了咨询师的信息差，经验和知识还是「护城河」吗?

当 GPT 刚出来的时候，有个论调说 AI 会对咨询师影响很大。因为咨询师是知识型工作，强烈依赖经验和信息差。AI 能把这个壁垒打破。但两年过去了，我们四位——张凯峰、王健、王冬雪、张娜——在录音间里聊了聊各自的真实体验，发现情况似乎不太一样。

AI 在咨询工作中的真正价值，不在于”替代”，而在于”重新定义角色”。过去我们把 AI 当助手，但现在的共识是:应该把 AI 当”老师”。它能快速补齐基础知识，用问答方式理解复杂概念，甚至处理大量翻译工作——从 PPT 到 Excel，从中文到韩文。但人与 AI 的最大差距，不在技能，而在”上下文的宽度”。咨询师每天在客户现场聊天、看邮件、理解组织结构，这些上下文都在脑子里不断 tuning，而 AI 暂时还拿不到这些信息。

这里有一个核心矛盾:AI 在基础知识、逻辑处理和效率上很强，能快速达到六七十分甚至七八十分。但在”严丝合缝的精准性”上，还需要人来补齐最后 10%到 20%。咨询的交付要求极高，逻辑和业务上不允许有任何偏差。一个真实的例子是，四大咨询公司曾因为 AI 生成的材料中有伪造的资源链接，赔了很多钱。所以在对精确性要求极高的场景下，人类的验证和判断依然不可替代。

未来人会变成什么角色?很可能是”AI 的接口”——负责获取上下文，定义问题，把任务交给 AI 执行，再把结果拿回来验证。咨询师的价值不再是产出本身，而是沟通、定义需求、提供上下文。所以，知识工作者们，你们准备好重新定义自己的角色了吗?

时间轴

  • 00:00 AI 翻译与概念理解
  • 09:22 咨询行业应用边界与挑战
  • 23:32 AI 在日常生活中的应用
  • 32:09 咨询业的转型与价值
  • 42:09 AI 与人类创造力边界

关于B面折叠

欢迎收听「B面折叠」。我们相信，每一个大众热议的A面表象，背后都有一个值得深究的B面。在这里，我们“折叠”技术、商业、产品与用户体验等不同视角：别人聊技术，我们看技术背后的商业；别人聊商业，我们看商业背后的企业。我们从引发共鸣的用户视角切入，围绕相关热点，逐层探寻从商业到产品，从产品到技术，最终回归企业的内在逻辑。我们希望像展开一份“折子”那样，把表象之下、层层折叠的商业肌理与技术洞见，为你徐徐展开。

你可以在小宇宙、苹果播客、Spotify、Pocket Casts 等泛用型播客客户端搜索「B面折叠」，订阅收听我们的节目。

Podcast: Play in new window | Download

E27：🦞OpenClaw🦞的「双刃剑」：当 AI 获得操控你电脑的权限

OpenClaw（小龙虾）火了。从春节前的技术圈讨论，到如今政府下场提醒安全问题，这个让 AI 接管你电脑的工具引发了前所未有的关注。我们三位主播——张凯峰、李光毅、陈锋——在录音间里聊了聊各自的体验与思考。有趣的是，一个月前我们都被问及是否在用这个工具，当时的回答出奇一致：没有找到合适的使用场景。但现在，情况似乎有了变化。

OpenClaw 的真正创新不在于技术，而在于范式的转变。过去，当我们想让 AI 帮我们做事，需要人工定义工作流——一步步告诉它该怎么做。OpenClaw 把这个编排的权力交给了 AI。你只需要给一个目标，AI 会自动规划步骤、动态调整路径。这听起来简单，但细想一下：工作流不再是僵化的，而是可以根据上下文实时生成的。作为一个 POC（原型验证），它证明了这件事真的可以工作，而且门槛并不高。

但我们也发现了一个核心矛盾：效率和安全的两难。给 AI 越大的权限，它能探索的边界就越广；但同时，失控的风险也随之放大。我们中的一员曾让 AI 执行一段代码，结果删掉了整个 Event Hub——这种「喜闻乐见」的翻车故事，在运维场景下并不罕见。云端部署安全但能力受限，本地部署能力强大但风险自担。

所以，程序员们，你们准备好了吗？

时间轴

  • 00:00 引入OpenClaw与安全焦虑
  • 06:37 飞书集成与 IM 入口的价值
  • 15:30 工作流编排的范式转变（核心洞见）
  • 23:13 体验升级与权限控制的平衡
  • 32:05 AI 发展与平台策略对比

本期主播

  • 张凯峰：技术品牌和影响力专家，公众号「张凯峰Impact」作者
  • 李光毅：咨询师、全栈开发工程师，个人主页 技术圆桌
  • 陈锋：企业级 AI 应用专家

Podcast: Play in new window | Download

E26：写技术博客还是一个好主意吗？

做技术分享这么多年下来，我会发现无论是内容的载体，还是发布的渠道，又或者是受众的喜好，没有什么是不变的。适应这些变化极为重要，如果创作者一味按照自己舒适的姿势来创作，那么他的付出极有可能会慢慢变得徒劳。

但看到变化是一回事，接受却又是另一回事。当网站编辑被算法所替代，当视频顶替文字成为主流，你的内心一定会有波澜甚至会产生抗拒。我最近写的一篇文章《写技术博客还是一个好主意吗？》便是对当下社交媒体的现状、趋势的总结，同时附带上了一些对技术写作以及自我运营的思考。

而本期节目就是对该文章的延续。这不是一次常规的节目，更像是一次闲谈以及长谈。我和凯峰晃晃悠悠的谈到了贾樟柯、毕赣，谈到了查建英的《八十年代访谈录》和《引爆点》，也无可避免提及到了裁员和大环境。但这并不意味着我们是漫无目的的，相反，所有这一切都和影响力运营这个话题息息相关。

与以往的节目不同，这次我们试图从更感性的视角、从我们对于当下的体验出发，来聊聊做技术自媒体的一切，时机、出发点、到方法论、乐观的悲观的等等等等，以及更重要的，它究竟还是不是一个好主意。

本期主播

李光毅，张凯峰

主播简介

  • 张凯峰，技术品牌和影响力专家，公众号”张凯峰Impact”作者。专注于技术品牌建设和个人影响力研究，曾在多家知名科技公司领导技术影响力团队，帮助技术专家建立个人品牌和行业影响力。
  • 李光毅，咨询师，全栈开发工程师，个人主页：技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验。

Podcast: Play in new window | Download

E25: 当AI瓦解了技术门槛，写书还是不是程序员的「护城河」？

节目简介

你有没有萌生过写一本技术图书的想法？如果你觉得自己的选题不错，那么应该如何开始呢？是应该首先联系出版社还是应该立即动笔？你还有没有期望从出版一本技术图书的过程中得到其他方面的收获？放心，所有这些问题都可以在本期节目中找到答案。

在本期节目中，我们将从作者的视角出发来探索一本技术图书是如何从构思，编写，再到校对，最后上市与读者见面的。我们力图通过分享出版过程中背后的故事，以及挖掘流程背后的挑战，来展现技术图书出版鲜为人知的那一面。同时还会尝试从读者、编辑、作者三个不同的视角来回答一些有关技术出版有关的尖锐问题。在节目的最后我们不禁想问，技术图书出版对个人以及出版社而言都还是个好生意吗？

时间轴

  • 04:30 – 如何正确理解作者与出版社之间的关系
  • 10:30 – 分享一些技术图书出版背后的故事
  • 26:00 – 一本技术图书是如何诞生的
  • 42:10 – 技术出版还是否有助于构建个人影响力
  • 58:44 – AI对写作的影响

嘉宾简介

  • 杨海玲，25年IT图书出版经验，人民邮电出版社异步社区资深策划编辑。参与责编过《重构（第2版）》《持续交付2.0》《代码整洁之道》《UNIX环境高级编程》《编译原理》《数据库系统概念》《C++程序设计特别版》等经典IT图书。从早期的引进版教材到现在的原创技术图书，见证并参与了中国IT出版业的发展历程。
  • 张凯峰，技术品牌和影响力专家，公众号”张凯峰Impact”作者。专注于技术品牌建设和个人影响力研究，曾在多家知名科技公司领导技术影响力团队，帮助技术专家建立个人品牌和行业影响力。
  • 李光毅，咨询师，全栈开发工程师，个人主页：技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验。

Podcast: Play in new window | Download

E24：企业级 AI 的「既要又要」，大模型的想象力 vs. 业务的控制欲

在 ChatGPT 成为大众玩具的今天，企业级 AI 的落地却进入了充满矛盾的“深水区”。

很多企业对 AI 抱有美好的幻想：既想要大模型天马行空的“想象力”，又要求它严格遵守业务规则的“控制力”；既想通过“低代码”平台快速上线，又希望系统能长期稳定维护；既想拥抱前沿技术，却往往在预算面前不得不做出妥协。

本期节目，我们邀请到了刚结束多个企业级 AI 项目售前与交付工作的资深技术专家陈锋。他撕开了“Demo 很好看”的表象，极其务实地复盘了企业 AI 开发中的真实痛点与博弈。他认为，AI 开发的本质不再是单纯的写代码，而是一场在业务场景、技术局限与人类预期之间艰难寻求“对齐（Alignment）”的过程。

如果你正在纠结于 AI 选型，或者想知道为什么你的 AI Agent 项目越做越难维护，这期节目将为你提供来自一线的实战答案。

🎯 核心冲突：理想 vs 现实

在本期节目中，我们深入探讨了企业级 AI 落地时的三大“撞击”：

  1. 创造力 vs. 控制欲
    • 理想： 客户希望 AI 能提供“意想不到”的创意生成。
    • 现实： 客户同时要求 AI 的输出必须精准符合品牌调性和业务规则。当“发散”的模型遇到“收敛”的业务目标，开发者该如何平衡？
  2. 低代码（Demo） vs. 生产环境（Production）
    • 理想： 拖拖拽拽，一个月就能搞定一个 Agent。
    • 现实： 低代码在原型阶段极其高效，但面对长周期（2个月+）、高复杂度的项目时，其可维护性和灵活性会急剧下降。为什么在复杂场景下，我们依然坚持“代码优先”与开源框架？
  3. 技术狂热 vs. 预算冷水
    • 理想： 用最先进的模型，做最酷的全能助手。
    • 现实： 80% 的决策最终由预算决定。如何向客户证明 AI Agent 的真实 ROI？为什么说 Token 的计费模式倒逼了技术架构的“裁剪”？

⏱️ 时间轴

  • 00:55 客户都想做 AI，但很少有人知道自己到底要什么
  • 02:49 冲突一： 当企业“既要又要”——在模型发散性与业务收敛性之间走钢丝
  • 05:35 选型没有银弹：云厂商的“生态锁定”与开源框架的“白盒优势”
  • 08:35 冲突二： 为什么说低代码是“甜蜜陷阱”？——论长期维护的噩梦
  • 12:05 那些被忽视的“苦活”：可观测性（Observability）与评估（Evaluation）
  • 15:03 冲突三： 预算决定脑袋——如何计算 AI 的落地成本与价值
  • 17:48 终极心法： AI 开发的本质是一场多方位的“Alignment”（对齐）
  • 22:01 团队转型：传统开发者如何适应“概率性”的软件工程？

🎙️ 嘉宾介绍

陈锋：资深技术专家，来自 Saltworks。近期专注于 Data 和 AI 相关的技术方案与海外项目交付，对构建企业级 AI Agent 有着丰富的实战经验与深刻思考。

李光毅：主持人，咨询师，全栈开发工程师。个人主页: 技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验

📮 联系我们

如果你对企业级 AI 落地有更多疑问，或者想分享你的实战经验，欢迎在评论区留言或通过邮件联系我们。

Podcast: Play in new window | Download