coefu

@bxxwcl 还对的，哪有那么多对的。再厉害牛逼的人，当下的环境，也预测不到 3 年之后的事情。

@bxxwcl 小伙子，前怕狼后怕虎，当年我一头扎进 ML 的时候，还没有这么红火，跟着自己兴趣走，才能走的远。坚持的深入夯实技能，总会有摘果实的那天。不能太急功近利了。

大学生涯就开始 vibe coding ？这是最好打下扎实功底的时候，买椟还珠了。

还有，现在业界没有初级的机会了，要么是考研 换一条赛道。要么是备考公考事业编，去红海卷。

@lujiaosama 不是这条路窄，是没有深度的 app 太多了。都是以为感动了自己，就能感动别人的钱包。

快 20 年了，我（几乎是站在这个行业的最前沿）也迷茫焦虑。没办法的，大家都是走一步看一步，没有人能预测 3 年以后什么样。

唯一知道的就是，保持旺盛的学习能力跟上时代的进步（参加工作的第 10 年，我才接触到机器学习这个方向，于是就一头扎进去了，数学生疏了就重新拾起；不要给自己设置知识堡垒，也不要给自己花框框住自己；这么多年，我见过太多，前端的就只学前端，搞 web 前后端的就不学 os ，搞数据库的就只搞数据库，搞 web 的就只学 web ；所以最终，就只会埋怨；埋怨解决不了任何问题，只有硬着头皮打脱牙和血吞的走下去），不要误入歧途，不要为了快钱去搞灰黑产。

这行没有未来。

能力组合的 所谓的工程创新产品，最终都会因为模型本身的能力给抹平。

1 ，这取决于你当前的资本，如果有资本能一直耗，像当年做互联网平台一样，一直在牌桌，一直耗，虽然底层模型技术一直在更新迭代，但只要一直在牌桌，最后也能有收获。

2 ，扩散模型这块，何凯明团队，一直走在最前沿，时不时整一点儿跨越式技术。在整个产业流程尾端的 平台层，要少搞点自己想当然的框架工程创新，因为这些很快就会被上游基础模型抹平。

3 ，之前的历史经验就是，上半年，很多搞 harness agent 多 sub-agent

订阅多好，打游击一年一两万送出去，末了 连个水花都不剩。本地部署的，能力不够 api 。