AI 时代职场人现在最该学的一项技能是什么
宝玉分享吴恩达的观点：AI 时代人人都应该学编程。与一些企业高管认为 AI 会自动化编程、不值得学的观点相反，吴恩达认为正因为 AI 辅助让编程变得前所未有地容易，才更值得人人学习。学编程不等于手写代码，而是学会用计算机听得懂的方式把需求说清楚。会编程的职场人可以自己搭建网站、用程序筛选简历，与不会编程的人拉开明显生产力差距。孟岩补充观点：把'人人学编程'翻译成'人人用 Agent'更贴切。
全部文档 / 作者: 宝玉 / 标签: AI
11 篇
Anthropic 工程师讲了一堂 FDE 入门课
本文总结了 Anthropic Applied AI 团队工程师 Kevin Bai 的 FDE 101 分享。FDE（前线部署工程师）源于 Palantir，其核心是向客户交付“结果”而非软件或咨询：工程师深入客户业务，在可复用平台上组装定制方案。FDE 与外包开发的关键区别在于必须有可复用平台。判断是否需要 FDE 有两个标准：产品技术复杂且买家非技术、具备或愿意建设可复用平台。文章还指出 2026 年 AI 使软件高度可定制、Agent 化，客户更难自行摸索产品，FDE 正从 Palantir 独有玩法变为更多软件公司需要考虑的模式。适合做 FDE 的是技术上值得信任、能直接面对客户的工程师。
OpenAI 软件工程师面试全流程
一位候选人分享了 OpenAI 软件工程师面试经历。面试共五到六轮，侧重分布式系统能力而非算法。内容包括技术面、系统设计、48小时 take-home 项目及现场面试。新增了 Agentic Coding Round，考察使用 AI 写代码的能力。
创始人手册：打造 AI 原生初创公司
本文是一份针对 2026 年 AI 原生初创公司的创始人手册。文章指出 AI 抹平了技术门槛，重塑了初创公司的生命周期，使得单人或超小团队也能通过智能体编程和流程自动化打造生产级应用。手册详细拆解了从构思、MVP 到发布的创业新路径，重点介绍了如何利用 Claude、Claude Cowork 和 Claude Code 三大工具，通过对话式研究、对抗性思考和自动化流程来验证想法、规避过早扩张等陷阱，实现高效创业。
Forward Deployed Engineer：AI 时代的新宠岗位，到底干什么？
文章详细探讨了 Forward Deployed Engineer (FDE) 这一职位的兴起、定义及在 AI 行业中的应用。文章指出 Google、OpenAI 和 Anthropic 正在大力招募 FDE，通过成立独立实体或简化招聘流程来抢占市场。作者解释 FDE 是驻扎在客户现场的工程师，融合了咨询与开发的职能，并对比了三家巨头的不同策略。文章最后分析了 FDE 对不同职业阶段人群的机遇，标志着 AI 行业从单纯的模型竞赛转向落地应用。
大多数公司根本没有为 AI 做好准备
文章指出，大多数公司无法有效利用 AI 的根本原因并非技术不成熟，而是企业缺乏清晰的目标和自我认知。AI 的核心在于“执行”，若无法明确战略、目标及工作流，AI 便毫无用武之地。只有那些能清晰描述自身业务、具备组织纪律的公司，才能被 AI 赋能并在未来竞争中生存，而混乱的企业将面临被“降维打击”的危险。
编程智能体的核心组件【译】
本文探讨了编程智能体（Coding Agent）及其运行框架的设计，重点介绍了模型、推理与智能体的区别，并详细拆解了六大核心组件：实时代码仓库上下文、提示词缓存复用、工具调用与安全验证、上下文压缩机制等。文章指出，优秀的 Harness 框架能将基础模型的潜力最大化，是编程智能体体验的决定性因素。
AI 发展太快跟不上？一张四象限图帮你做减法
面对 AI 领域的极速迭代和海量信息，如何克服 FOMO 并合理分配有限的学习时间？本文提出了一个“四象限筛选法”，以“离当前生产力的远近”和“知识保鲜期的长短”作为两个坐标轴，将 AI 工具和知识分为四类：直接跳过、维持地图感、浅尝体验和深度投入。文章详细阐述了每类的处理原则及典型示例，并指出象限位置会随着用户群体、背后投入和产品形态收敛度而动态移动。
高中辍学生靠 ChatGPT 自学成才成了 OpenAI 的研究科学家
本文讲述了 Gabriel Petersson 从高中辍学凭借 ChatGPT 自学数学与机器学习，最终成为 OpenAI Sora 团队研究科学家的经历。他主张“自上而下”的递归学习法，认为教育效率低下。文章还分享了他作为辍学生通过 Demo 求职、利用 Stack Overflow 申请 O-1 签证的独特路径，以及对传统大学教育和职场招聘的犀利观点。
品味 + 工程思维：AI 时代最难被替代的两件事
本文探讨了在 AI 时代，程序员最难被替代的核心能力并非代码编写技巧，而是做选择的'品味'和把结果做稳的'工程思维'。作者引用 ClawdBot 创始人 Peter 的观点，指出 AI 消灭了语法层面的痛苦，但保留了对架构设计的直觉和判断力。文章详细阐述了品味的定义（长期决策力）和工程思维的三个核心习惯（拆分、全局、三问），并强调 AI 是能力的乘数，只有具备扎实的基础，才能最大化 AI 的价值。
你可能不再需要 workflow，大部分场景 skills 足矣——五步框架把 Workflow 变成可进化的 Skill
文章通过对比传统 Workflow 编排与 AI Agent + Skills 架构，提出大部分场景下后者可以取代前者。作者提出了五步框架（拆分、编排、存储、分摊、迭代），并结合自身写作工作流演示了如何利用 Claude Code 的 Skills 功能构建可进化的自动化系统。文章还回应了关于稳定性、成本和门槛的三大质疑，指出 Skills 在灵活性、可维护性和自我迭代方面的显著优势。