这是否是独立工程师还能定义AI如何被使用的短暂窗口期？

我一直在思考，接续我早先那个问题——当编码变得廉价时，什么会变得稀缺。我不是以行业分析师的身份来看待这件事。我是一个工程师，正试图弄清楚该构建什么、该学习什么，以及独立开发者还有多少腾挪空间。当下这个时代让人觉得不太寻常。AI工具已经足够好，个人和极小团队就能构建出不久之前还需要庞大组织才能完成的东西。与此同时，围绕这项工作的专业结构仍然显得未成型。我们有 AI 工程师、Agent 工程师、FDE、应用 AI 工程师这样的头衔，但边界依旧模糊。围绕它们还没有一套被普遍认可的资质、认证、实践规范和晋升阶梯。这让我想起计算领域的早期阶段。曾有过这样一段时期：个人游戏程序员、免费软件作者、早期 Web 开发者和小型软件团队，可以在周边产业标准化之前自由试验。最终，平台走向成熟，专业角色出现，认证诞生，采购流程固化，大量这类前沿活动被更大的生态系统所吸收。我预计 AI 也会发生类似的事情。不同之处在于速度。云基础设施、应用市场、企业采购、开发者平台和全球分发渠道都已经存在。大型供应商不需要十年时间来搭建围绕一项新技术的整套机制。他们可以吸收一种成功的实践，把它变成一个品类，赋予它一个职位头衔，围绕它构建培训体系，然后以令人意外的速度将其卖回给企业。所以，这可能恰恰是最有趣的时期之一，因为它也许不会持续太久。当下，独立工程师仍然可以追问：AI 原生的工作流究竟应该是什么样子？哪些部分应该属于模型，哪些应该留在模型之外？记忆、评估、编排或人类监督应该是什么样子？哪些实践是真正有用的，而不仅仅是供应商的惯例？几年之后，这些答案中的一部分可能会以预打包的形式出现在平台、职位描述和认证项目之中。这让我想到当下正在构建产品的人们所面对的实际问题。独立工程师如何利用这段短暂的前沿期，而不至于沦为那些最终会吸收这些成功创意的平台的免费研发力量？答案是构建开源基础设施吗？是深耕一个细分领域吗？是建立社区吗？是保持在不同模型和供应商之间的可迁移性吗？是让自己在一个领域深到极致吗？还是刻意在那些大型平台尚未稳固的架构层上工作？我认为不存在单一答案。但我对一个新技术层级结构成型之前的时期越来越感兴趣。或许我们现在就正身处这样的一个时期——只不过要短得多。对于今天独立构建产品的人：为了让大平台把围绕我们的这片空间制度化时，你正在做些什么来保持自己的价值和自主性？