Astăzi, există o știre care este foarte populară pe Hacker News, conținutul știrilor este că rata șomajului din California a urcat la 5,5%, partea de jos a Statelor Unite, iar industria tehnologică se luptă: "Piața muncii este prea crudă". > Rata șomajului din California a urcat la 5,5% în iulie, cea mai mare dintre toate statele din Statele Unite, potrivit datelor guvernamentale publicate vineri. În spatele acestui lucru se află slăbiciunea continuă a locurilor de muncă din industria tehnologică și a altor locuri de muncă de birou, precum și o scădere a pieței de recrutare. Știrile au atribuit acest lucru slăbiciunii sectorului tehnologic, care este o parte esențială a economiei Californiei. Știrea a fost discutată aprins în comunitatea Hacker News, iar motivele care stau la baza acesteia au fost analizate din propriile perspective, mult mai complexe decât sugera titlul. Cred că această discuție este un rezumat bun al motivului pentru care ocuparea forței de muncă în industria tehnologică este în prezent lentă. 1. În primul rând, punctul central este: spuneți adio multiplelor sechele ale "erei dobânzii zero" Acesta este punctul cel mai mainstream și profund al discuției. Mulți cred că problemele actuale ale industriei tehnologice nu sunt cauzate de un singur factor, ci mai degrabă de un efect de undă al sfârșitului erei Zero Demand Rate Policy (ZIRP) din ultimul deceniu. - Explozia bulei de capital: Din 2012 până în 2022, ratele extrem de scăzute ale dobânzilor au făcut ca capitalul să fie neobișnuit de ieftin. Afluxul de capital de risc (VC) în industria tehnologică a dat naștere la nenumărate modele de afaceri care se bazează pe creșterea "arzătoare", în special companiile cripto și metaverse care nu au valoare reală. Pe măsură ce Fed a crescut ratele dobânzilor, era banilor ieftini s-a încheiat, iar lanțurile de bani pentru aceste companii s-au rupt, ducând la numeroase concedieri și închideri. - Dezechilibrul cererii și ofertei de talente: În era ZIRP, mitul salariilor mari în industria tehnologică a atras un aflux de talente. Expansiunea masivă a programelor de informatică (CS) în universități, înflorirea taberelor de pregătire și imigrația tehnică au dus la o creștere dramatică a ofertei de ingineri software în ultimul deceniu. Cu toate acestea, pe măsură ce capitalul a scăzut, partea cererii, în special startup-urile, s-a redus brusc, creând un surplus serios de talente. - Efecte în lanț în industrii precum biotehnologia: Industrii precum biotehnologia, care se bazează și pe investiții pe termen lung, cu risc ridicat, au fost, de asemenea, puternic afectate. Aceste industrii sunt chiar mai dependente de capital ieftin decât industria software. După încheierea ZIRP, fondurile de capital de risc s-au epuizat treptat, iar startup-urile nu au putut obține o nouă rundă de finanțare după ce au rămas fără "fonduri de pistă" (runway) și au trebuit să concedieze angajați sau să dea faliment. > (de tqi): "În opinia mea, este prea devreme să spunem că "AI" are un impact substanțial asupra angajării companiilor de software. O explicație mai plauzibilă este că, între 2012 și 2022, oferta de talente pentru inginerii software a crescut semnificativ... Pe partea cererii, fondurile de capital de risc din era cu rată a dobânzii zero sunt investite în principal în companii de criptomonede și metaverse, dintre care majoritatea nu au reușit, ceea ce duce la o lipsă de companii listate în stadiu avansat sau noi pe piață care pot absorbi aceste talente. ” 2. "Sabia cu două tăișuri" a muncii la distanță: un nou val de externalizare globală Pandemia COVID-19 a popularizat Work From Home (WFH), care a fost văzut ca un avantaj de mulți dezvoltatori la acea vreme, dar acum efectele sale negative încep să apară. - Deschiderea drumului pentru externalizare: Pe măsură ce dezvoltatorii luptă pentru dreptul de a lucra complet de la distanță, s-ar putea să nu-și dea seama, ceea ce deschide ușa companiilor pentru a externaliza locuri de muncă în țări cu costuri mai mici. Din moment ce toată lumea este la distanță, de ce să nu angajezi un inginer indian sau est-european care este doar 1/5 din un inginer american și este la fel de bun? - Birouri "fără întoarcere la birou": Unii comentatori cred că politicile de "întoarcere la birou (RTO" promovate de companiile de tehnologie vizează parțial protejarea locurilor de muncă locale). Odată ce jobul se dovedește a fi 100% la distanță, atunci poate fi făcut oriunde în lume, iar avantajul salarial pentru inginerii americani nu va mai exista. - Dezbaterea privind calitatea externalizării: Unii susțin că externalizarea se desfășoară de zeci de ani, iar dezvoltarea de software de înaltă calitate necesită încă talente locale de top din cauza unor probleme precum costurile de comunicare, diferențele de fus orar și mediile culturale. Cu toate acestea, cei care susțin perspectiva externalizării cred că aceste obstacole sunt depășite pe măsură ce instrumentele de colaborare la distanță se maturizează și modelele de management se îmbunătățesc. > (de aurareturn): "Spun pe HN din 2022: toți dezvoltatorii nord-americani care susțin munca complet de la distanță, veți fi surprinși când compania dumneavoastră va decide să vă înlocuiască cu cineva din străinătate. Din moment ce totul este de la distanță, de ce ar trebui compania să te angajeze pentru un preț de 5 ori mai mare în loc de un angajat din străinătate care muncește mai mult și se plânge mai puțin? ... Susținerea ordinului de a reveni la birou vă poate salva cariera pe termen lung. ” 3. Rolul AI: Este un instrument de productivitate, o scuză pentru a concedia angajați sau un "vampir" capital? În ceea ce privește rolul inteligenței artificiale (AI) în acest val de pierderi de locuri de muncă, discuția prezintă o diviziune complexă. - Efect limitat de înlocuire directă: Majoritatea sunt de acord că IA actuală nu poate înlocui pe deplin inginerii software cu experiență. Dar a început să înlocuiască unele sarcini junior și repetitive, cum ar fi unele sarcini mici de consultanță. Un consultant a ieșit în față și a spus că clientul a încetat să-l contacteze pentru că ChatGPT ar putea rezolva unele erori minore. - "Scuza perfectă" pentru concedieri: O credință comună este că AI a devenit "scuza perfectă" pentru companii să concedieze angajați și să reducă costurile și să crească eficiența. Chiar dacă cauza principală a concedierilor este o recesiune economică sau decizii de management, companiile sunt bucuroase să o împacheteze ca o ajustare strategică pentru a "îmbrățișa AI și a îmbunătăți eficiența". - "Gaura neagră" a capitalului: AI joacă un alt rol cheie – absoarbe singurul capital de risc rămas pe piață care ar fi putut curge către alte sectoare tehnologice. VC-urile sunt acum aproape exclusiv interesate de proiectele AI, ceea ce a exacerbat dificultățile de finanțare ale startup-urilor din domeniul non-AI. 4. "Zona de rugină" a industriei tehnologice? Preocupări structurale cu privire la viitor Unii paneliști și-au exprimat îngrijorarea cu privire la viitor dintr-o perspectivă mai largă, trasând paralele între industria tehnologică și producția cândva glorioasă și apoi în declin "Rust Belt". - Pierderi repetate de locuri de muncă: La fel cum Statele Unite au externalizat producția în China, locurile de muncă IT și de dezvoltare software curg acum în India, America Latină și Europa de Est pe scară largă. Acest lucru ar putea duce la șomaj structural pe termen lung pentru grupul de ingineri software cândva bine plătiți. - Impact politic și social: Dacă un număr semnificativ de locuri de muncă din clasa de mijloc din domeniul tehnologiei dispar, ar putea declanșa noi probleme sociale și politice, la fel ca declinul Rust Belt care afectează și astăzi peisajul politic american. - Controversa privind politica de imigrație și vize (H1B/O1): O parte a discuției a arătat cu degetul vizele de muncă precum H1B, argumentând că au fost utilizate în mod abuziv, reducând salariile inginerilor locali și crescând concurența. Alții sunt apărătorii fermi ai migrației calificate, susținând că aceste talente de top din întreaga lume, cum ar fi absolvenții de la Universitatea din Waterloo, sunt cei care formează piatra de temelie a inovației în Silicon Valley. 5. Managementul companiei și schimbarea culturală: "Efectul Musk" Un punct de vedere interesant este că Musk a avut un efect exemplar asupra concedierilor masive ale Twitter (acum X). - Raționalizarea concedierilor: Când Musk a concediat mai mult de 75% dintre angajații Twitter, produsul era încă funcțional, ceea ce i-a făcut pe mulți directori generali să reflecteze: "Din moment ce el poate să o facă, de ce nu pot eu?" Acest lucru distruge mentalitatea "mai mult talent, cu atât mai bine" a companiilor de tehnologie din trecut, făcând concedierile pe scară largă mai acceptabile atât din punct de vedere psihologic, cât și comercial. 6. Factori politici și politici: Controversa privind modificările legislației fiscale Un indiciu tehnic, dar de anvergură, este despre modificările aduse legilor fiscale din SUA. - Regula de amortizare a cheltuielilor de cercetare și dezvoltare (Secțiunea 174): Există o prevedere în Legea de reformă fiscală (TCJA) a administrației Trump din 2017 care impune companiilor să amortizeze cheltuielile de cercetare și dezvoltare (R&D), cum ar fi salariile de dezvoltare software în rate pe parcursul a cinci ani începând din 2022, mai degrabă decât să fie deduse integral în anul curent ca înainte. Acest lucru a crescut foarte mult povara fiscală asupra companiilor de tehnologie, în special a startup-urilor, și a descurajat intențiile de angajare în Statele Unite. - Efectul restaurator al proiectelor de lege recente: Proiectul de lege recent adoptat Build Back Better (BBB) corectează parțial această problemă, permițând ca cheltuielile interne de cercetare și dezvoltare să fie deduse imediat din nou. Unii comentatori cred că au simțit o creștere pe piața de angajare în jurul lunii iulie, ceea ce ar putea avea ceva de-a face cu asta. În cele din urmă Judecând după aceste discuții, motivele actualei scăderi a ocupării forței de muncă în industria tehnologică din California sunt destul de complexe, nu cauzate de un singur factor, nici nu pot fi atribuite pur și simplu "AI care înlocuiește oamenii" sau "recesiune ciclică în industrie", ci rezultatul recesiunii economice de după sfârșitul erei cu dobândă zero, restructurarea pieței globale a muncii determinată de munca la distanță, impactul dublu al AI ca nouă tehnologie și magnet de capital și modificări ale politicilor fiscale specifice. Nu știu când voi ieși din această situație? Sau motivul nu este doar cele discutate mai sus

Traducere: De ce modelele lingvistice mari nu pot construi cu adevărat software De Conrad Irwin Un lucru pe care îl petrec mult timp este să intervievez ingineri software. Aceasta este evident o sarcină dificilă și nu îndrăznesc să spun că am vreun truc; Dar mi-a dat timp să reflectez la ceea ce face un inginer software eficient. Ciclul de bază al ingineriei software Când te uiți la un adevărat cunoscător, vei vedea că acesta efectuează întotdeauna următorii pași într-un ciclu: * Construiți un model mental al nevoilor. * Scrie (sperăm?!) ) care pune în aplicare cerințele. * Construiește un model mental al modului în care se comportă de fapt codul tău. * Găsiți diferența dintre cele două, apoi actualizați codul (sau cerința). Există multe modalități de a realiza acești pași, dar lucrul grozav despre inginerii eficienți este capacitatea lor de a construi și menține modele mentale clare. Cum funcționează modelele lingvistice mari? Ca să fim corecți, modelele de limbaj mari sunt destul de bune la scrierea codului. De asemenea, fac o treabă bună de actualizare a codului atunci când subliniați problema. De asemenea, pot face toate lucrurile pe care le-ar face un inginer adevărat: citesc codul, scriu și rulează teste, adaugă jurnale și (probabil) folosesc depanatorul. Dar ceea ce nu pot face este să mențină un model mental clar. Modelele lingvistice mari vor cădea într-o confuzie nesfârșită: vor presupune că codul pe care îl scriu este de fapt utilizabil; Când un test eșuează, ei pot doar ghici dacă este un cod fix sau un test fix; Când devin frustrați, pur și simplu taie totul și o iau de la capăt. Acesta este exact opusul a ceea ce m-aș aștepta de la un inginer. Inginerii software testează în timp ce lucrează. Când un test eșuează, ei își pot folosi modelul mental pentru a decide dacă să repare codul sau testul sau să adune mai multe informații înainte de a lua o decizie. Când se simt frustrați, pot cere ajutor comunicând cu oamenii. Deși uneori șterg totul și o iau de la capăt, este o alegere care se face după o înțelegere mai clară a problemei. Dar va fi în curând, nu? Se va schimba acest lucru pe măsură ce modelele devin mai capabile? Poate?? Dar cred că acest lucru necesită o schimbare fundamentală în modul în care modelele sunt construite și optimizate. Ingineria software necesită modele care sunt mai mult decât generarea de cod. Când o persoană întâlnește o problemă, este capabilă să lase deoparte temporar întregul context și să se concentreze pe rezolvarea problemei la îndemână, apoi să se întoarcă la marea problemă la îndemână. De asemenea, pot comuta între imaginea de ansamblu și micro-detaliile, ignorând temporar detaliile pentru a se concentra pe întreg și pot săpa în părți atunci când este necesar. Nu devenim mai productivi doar înghesuind mai multe cuvinte în "fereastra noastră de context", ci doar ne va înnebuni. Chiar dacă putem gestiona o cantitate mare de context, știm că aceste modele generative au în prezent mai multe probleme serioase care afectează direct capacitatea lor de a menține modele mentale clare: * Omisiune contextuală: Modelele nu sunt bune la identificarea informațiilor contextuale trecute cu vederea. * Prejudecăți de actualitate: Sunt supuse unei prejudecăți de recență severe atunci când lucrează cu ferestre de context. * Halucinații: Adesea "fantezează" despre detalii care nu ar trebui să existe. Aceste probleme ar putea să nu fie insurmontabile, iar cercetătorii lucrează pentru a adăuga memorie modelelor, astfel încât să poată exersa abilități de gândire similare cu noi. Dar, din păcate, deocamdată, ei (după ce au depășit un anumit nivel de complexitate) nu pot înțelege cu adevărat ce s-a întâmplat cu adevărat. Nu pot construi software pentru că nu pot menține două "modele mentale" similare în același timp, să afle diferențele și să decidă dacă să actualizeze codul sau să actualizeze cerințele. Deci, ce se întâmplă acum? Evident, modelele de limbaj mari sunt utile pentru inginerii software. Acestea generează cod rapid și excelează în integrarea cerințelor și a documentației. Pentru unele sarcini, acest lucru este suficient: cerințele sunt suficient de clare, problemele sunt suficient de simple încât să poată fi rezolvate peste noapte. Acestea fiind spuse, pentru orice sarcină de o anumită complexitate, nu pot menține suficient context suficient de precis pentru a itera pentru a produce în cele din urmă o soluție viabilă. În calitate de inginer software, sunteți în continuare responsabil pentru a vă asigura că cerințele sunt clare și că codul oferă de fapt ceea ce pretinde că face. La Zed, credem într-un viitor în care oamenii și agenții AI pot construi software împreună. Cu toate acestea, credem cu tărie (cel puțin deocamdată) că tu ești șoferul de la volan și că modelele lingvistice mari sunt doar încă un instrument la îndemână.

Ieri am fost la Conferința Managerilor de Produs a CSDN pentru a face o prezentare. Când prietenii mei de la CSDN m-au invitat să țin un discurs la Conferința Managerilor de Produs acum trei luni, am vrut de fapt să-l refuz. Motivul este că startup-ul meu a fost înființat doar de jumătate de an și nu am prea multe informații de împărtășit cu voi. Cu toate acestea, prietenii CSDN au spus că nu contează, conferința este încă la trei luni distanță și mai este timp și putem împărtăși și câteva experiențe anterioare de produs. Întâmplător, după ce am lansat FlowSpeech săptămâna trecută, reputația produsului a explodat, MRR a crescut de 3 ori, ARR a depășit și un mic obiectiv și, mai important, utilizatorii noștri au câștigat bani reali folosind produsul, care este cea mai bună dovadă a puterii produsului nostru. Deci, când am ținut un discurs ieri, am glumit cu voi că conținutul de aur al acestui PPT de astăzi a crescut vertiginos, vă rog să ascultați cu atenție.

"Ca fermier, cumpăr doar alimente organice; În calitate de practician AI, mă uit doar la conținut non-generat de AI." 😅

Vibe Coding este un termen prost și înșelător, iar cea mai mare semnificație a sa este că folosește AI pentru prototipare, ceea ce poate ajuta la determinarea rapidă a cerințelor produsului. În ingineria software, codul pentru dezvoltarea prototipului este de obicei abandonat, iar sistemul trebuie reproiectat, codificat și implementat atunci când se dezvoltă oficial produsul.

În ingineria contextului, agentul trebuie să folosească instrumente și medii pentru a obține date și a completa contextul

Tutorial de auto-studiu de informatică TeachYourselfCS Dacă sunteți inginer autodidact sau absolvit un curs de programare, atunci este necesar să studiați informatica. Din fericire, nu trebuie să cheltuiți ani și mulți bani pe o diplomă: puteți obține o educație 💸 de clasă mondială pe cont propriu. Pe Internet, există multe resurse de învățare peste tot, dar esența și zgura coexistă. În loc de o listă precum "200+ cursuri online gratuite", aveți nevoie de răspunsuri la întrebări precum: Ce materii ar trebui să studiezi și de ce? Care este cea mai bună carte sau curs video pentru aceste subiecte? În acest ghid, încercăm să oferim răspunsuri definitive la aceste întrebări.

Iată-i prietenii mei~ Câștig doar 20 de yuani pentru 3 milioane de utilizatori: falsul boom al instrumentelor AI - ListenHub Cine nu ar spune o glumă. Mulți oameni au fost interesați de cazul pe care l-am împărtășit pe Hard Ground Hacking și am făcut un podcast special pe ListenHub @oran_ge. Îl poți asculta~

Mulți prieteni sunt îngrijorați de limitările de utilizare ale ChatGPT Team și Enterprise, iar acum au fost lansate două noi articole cu întrebări frecvente (FAQ) pentru a explica acest lucru. * ChatGPT Team Edition - GPT-5 și GPT-4o sunt nelimitate, dar există următoarele restricții pentru diferite versiuni de model: * 200 de cereri de gândire GPT-5 pe zi * 2800 de mini cereri GPT-5 Thinking pe săptămână * 15 cereri GPT-5 Pro pe lună * 3 cereri GPT-500 la fiecare 4,1 ore * 300 de cereri O4-Mini și O3 pe zi * ChatGPT Enterprise - GPT-5, GPT-4o și GPT-4.1-mini sunt nelimitate, dar există următoarele restricții pentru diferite versiuni de model: * 200 de cereri de gândire GPT-5 pe săptămână * 15 cereri GPT-5 Pro pe lună * 20 de cereri GPT-4.5 pe săptămână * 3 cereri GPT-500 la fiecare 4,1 ore * 300 de cereri O4-mini pe zi * 100 de cereri o4-mini-high pe zi * 100 de cereri O3 pe săptămână * 15 cereri O3-Pro pe lună Articolul FAQ a menționat, de asemenea, că limitările actuale ale modelului GPT-5 Thinking sunt temporare și sunt de fapt mai mari decât limitele pe termen lung enumerate mai sus.

Acest lucru este adevărat: mai puțin în îndemnul de a spune ce să nu faci, ci ce să faci. Modelul mare seamănă foarte mult cu oamenii și, cu cât nu-l lași mai mult, cu atât este mai ușor să atragi atenția