https://www.youtube.com/watch?v=AVvDFsMUxf0&pp=ugUHEgVlbi1VUw%3D%3D
看完这场分享，最有感触的一点是：代码正在越来越便宜，但判断正在越来越贵。
过去做软件，最贵的往往是实现。需求已经想清楚了，但要几个人写几个星期。现在 AI 把这一段压缩得很厉害，很多东西一天就能做出来。于是新的瓶颈变成了：到底该做什么，用户真正需要什么，这个需求值不值得做。以前工程师更多是“把需求实现”，以后可能越来越像“自己发现问题、自己定义产品、自己做出来、自己看反馈”。
这也解释了为什么 AI 并没有让工程基础变得不重要。相反，AI 写代码越快，越需要有人知道它到底写得对不对。不会的人用 AI，看到代码能跑就觉得结束了；会的人会继续看结构、边界条件、维护成本和技术债。代码生成能力暴涨，但维护代码的人并没有突然变多，这可能反而是接下来很大的问题。
视频里还有一个我很认同的观点：不要为了 AI 而 AI。现在大家喜欢说 Agent、RAG、MCP，但真正应该先问的是“我要解决什么问题”。有家公司说要做 Agent，最后一路追问下去，真实需求只是想提高销售效率。技术名词可以换，问题不会换。以前大家拿着微服务找问题，现在只是换成了 Agent。
所以 Demo 也越来越不值钱。以前做出一个能跑的 AI Demo 很厉害，现在可能半小时就能搭出来。真正困难的是上线之后：有没有人用，成本多少，错了怎么办，能不能维护，能不能持续产生价值。Cool 很便宜，Useful 难一点，Production 才真正值钱。
最后还是落到程序员自己身上。以后最值钱的可能不是“我会不会某个框架”，而是能不能理解用户、判断问题、快速交付，并且对结果负责。工具半年一换很正常，但这些能力不会那么快过时。
以前可以说：“需求就是这么写的。”
以后可能越来越难这么说了。
AI 时代，程序员正在从执行需求的人，变成对结果负责的人。
也就是人生的OKR，对自己的结果负责，以结果为导向