irvinghua

首页能打开，但是翻页即报错。

在 AI 前时代，陈皓可是程序员中王者般的实力，太厉害了，仰望的程度。

到了 AI 时代，程序员也没有多少需求，需要知道那么细枝末节的技术原理。新生代的 vibe coding 们，估计也不会去关注曾经还存在这么个人物。时代的眼泪啊！

他去世时，我还心里默默伤心了一段时间。他要是活着那该多好，真想听听他对于这个 AI 大模型对软件开发巨大冲击有什么看法。

我的意见是，如果你数据格式是固定的，并且筛选、统计的逻辑也是固定且清晰的，那就 vibe coding 写程序按照固定流程来干完这活。这种情况下别把 ai 掺活进来。

如果你的数据格式不固定（非结构化），或者处理数据的逻辑也不固定。你此时引入 ai 来自动化处理数据，那你就得接受 ai 总有小概率会给你一个错误的统计数据。这是目前 ai 娘胎里带出来的毛病，此缺点无解。

这不就是智能取数或者说 text2sql 做的事情？
1.看你描述，都有固定的列名，那说明是结构化数据。既然是结构化数据，取到数据后为啥不存数据库？为啥是写文件？ sqlite 或者 MySQL 应付这种量级数据都绰绰有余。
2.智能取数/text2sql 就是个研究型概念，没有哪家公司说有完整可靠的方案。假设 AI 统计数据有 5%或者 3%的概率出现幻觉，导致汇总的数据就错的，你如何发现并校验改正？

楼主可以翻一翻《软件工程》教科书
你说的是软件工程里面的瀑布模式和快速原型模式优劣之争，不是啥新鲜事

openspec 不就是专门解决你这种场景问题而诞生的

这个工作感觉我很胜任，但我人不在上海。

我干过医疗领域里的爬虫编写、非结构化数据解析、清洗，也用过 neo4j 、PostgreSQL 、ClickHouse 、doris ，更做过 BERT 模型微调来进行生物医药实体识别，甚至还做过埋点。
但是这是我 6 年前的工作经验，AI 大模型出来后，感觉这套技术框架完全落后了。我后面调到其他项目组去了，就没有关注和继续架构升级了。
我比较好奇的是，现在大模型这么厉害了，为啥还要 bert 模型进行 fine tune ？我当年做 bert fine tune 是苦于 gpt-3.5 等大模型还没问世。到 2026 了，本地部署一套国产大模型如 deepseek ，或者网络允许的话，使用在线顶尖大模型，它的实体识别的召回率，比你们 bert fine tune 的效果还要差很多吗？

codex 传统手艺了。

上周我手上有个 7000 条数据的 json 需要读取关键字段做数据清洗，因为量太大，我选了便宜模型 haiku 处理一遍，处理结果放在了 A 目录下，我查看了下，数据质量很糟糕。

于是我又让 codex gpt5.5 按照我数据清洗要求处理一遍，结果这小鬼扫描到了我 A 目录下已经有现成处理结果，直接把它复制粘贴到了 B 目录下，然后告诉我完成了，去 B 目录下查看结果。

跟你这有异曲同工之妙。

有这么夸张吗？昨天用 fable 5 写 plan ，没见到比 opus4.8 多花销多少啊。我写的还是几万字那种长篇 plan

All work and no play makes jack a dull boy 。
All work and no play makes jack a dull boy
All work and no play makes jack a dull boy 。
All work and no play makes jack a dull boy 。
All work and no play makes jack a dull boy 。
All work and no play makes jack a dull boy 。
要是 AI 一直打印这个，楼主会不会被吓尿？