expertise

引入了“Machine Studying”概念，即从文档语料库中发展专业知识的问题，与持续学习不同。

本文探讨了人工智能编码代理如何重塑软件工程师的就业市场，并将其与历史上计算器对数学专业知识的影响相类比。文章认为，资深工程师蓬勃发展，而许多初级工程师可能难以培养必要的编码直觉，导致招聘格局两极化。

Brooks Jordan分享了他的经历：尽管AI智能体自动化很强大，但人机协作对于高质量工作仍然至关重要，他引用了Every的报告，说明AI如何增加了对人类专业知识的需求。

Dan Shipper, Every的CEO，表示AI智能体仍然需要人类监督，并且尽管AI具备专家级能力，但它实际上增加了对人类专家的需求。

一篇分析文章，认为AI通过让日常任务变得廉价和容易，增加了对人类工作的需求，迫使人类专注于更高层次的指导、质量控制和新型问题解决。

Aaron Levie 认为，尽管AI能力强大，但学生和专业人士不应放弃学习领域基础知识，因为深刻理解自身技艺的专家在使用AI工具时比新手高效得多。

个人对具有持久记忆的AI助手变革潜力的反思，认为上下文和工作流组织将比模型本身更重要。

Anthropic的研究论文分析了2025年10月至2026年4月期间约40万次Claude Code会话，发现领域专业知识而非编程技能是成功的关键，且任务价值在七个月内上升约25%，而调试时间几乎减半。