标签
作者提出“MTS化”的观点，认为人工智能正在拉平各类技术岗位之间的差异，职位头衔从描述“做什么”转向描述“拥有什么”，并给出在人工智能时代定位个人优势与求职面试的建议。
Anthropic CEO 回答了「现在还该不该学编程」这一热门问题，认为编程类工作会最先被 AI 取代，但即便只做 5% 的工作仍有巨大价值，并建议重视以人为中心的职业、批判性思维以及半导体领域。
一位在企业做AI落地的程序员反思技术人容易陷入'技术自嗨'，强调技术能力不等于产品与商业能力，真正的难点在于找到需求、交付价值并获得收入。
Anthropic 招聘经理 Felix Rieseberg 解释了他为何摒弃传统的编程面试，认为 Claude 在此类测试中的表现已超过人类，并就初级工程师如何在 AI 驱动的行业中发挥好奇心与新视角的优势提出了建议。
一场关于如何在科技和 AI 职业生涯中获得创作自由的讨论，着重介绍了学徒制这第四条路径——放弃稳定的工作，像全日制博士生一样学习——并引用李博杰的话，说明前沿实验室为何因 GPU 和 token 成本而拒绝无偿贡献者。
Addy Osmani 认为，使用 AI 智能体进行软件工程如今已成为默认做法，并敦促资深工程师带头采用这一方式，与团队公开分享经验，而不是私下试验。
Álvaro Lozano-Robledo 在陶哲轩博客上的客座文章，回应学生们对大语言模型的进展可能颠覆数学研究职业的担忧，呼吁他们继续学习数学，同时审视人工智能是否会超越人类研究者并压缩学术数学的空间。
htmx 作者、Montana State University 计算机科学教授 Carson Gross 撰文探讨“在 AI 时代是否还应该成为程序员”。他认为编程的核心——解决问题与控制复杂性——依然具有价值，但强烈警告初学者不要依赖 AI 生成代码：只有亲手写过代码，才能真正读懂代码。他还指出，LLM 并不像编译器那样具有确定性，往往会引入额外的偶然复杂性。
Nader Dabit 分享了关于如何获得 AI/科技领域面试机会的职业建议，强调要深入研究公司、精心打造 demo 项目，并体谅招聘经理时间有限的处境。
一名软件工程师为初级开发者提供了务实的职业建议：他提醒年轻人忽略 ZIRP 时代遗留下来的过时经验，少讲大道理、多做实事、乐于助人；同时，在 LLM 时代要积极拥抱 AI 工具，但不要因此放弃自己的独立判断力。
在这个播客节目中，前亚马逊副总裁 Ethan Evans 讨论了公司政治和职业策略，包括如何获得认可、应对糟糕的经理以及在科技公司中应对权力动态的建议。
即将与前亚马逊副总裁 Ethan Evans 进行的采访将深入探讨科技行业中企业政治日益黑暗的问题。
Paul Graham建议一位计算机科学本科生，在AI时代，通过开发LLMs或使用AI直接满足客户需求，可以产生最大影响。
Gergely Orosz 正在为大二学生准备关于软件工程的讲座，以强调主动学习的角度重新设计他2024年的演讲。
这篇博客文章描述了'资深工程师死亡漩涡'，即工程师过度工作并变得孤立，导致倦怠的循环。文章提供了保持透明度和避免这一陷阱的建议。
作者通过自学、CTF竞赛及AIS3等项目踏入信息安全领域，并分享了该领域技能与证书的职业发展建议。
该文章建议软件专业人士逐步向硬件领域过渡，强调2026年是进行这一职业转型的最佳年份。
本文为计算机科学学生提供了发展策略，敦促尽早投资MacBook和AI模型订阅，然后在实际场景中动手实践，最后掌握基础知识。