我们的生活逐步走向 Agent

简历是外卖加点评，面试官就让我自我介绍一下，问我会什么技术栈，会不会docker，还说也没什么好问的，项目无非就是增删改查，八股也没问，然后就顺利通过，24号直接去南京，也没有二面，很神奇的经历，感觉很简单，不像昨天那家小厂问了好多东西，难道这就是我的第一份实习吗。。。

快过年了，就别再揪着 Vibe Code、OpenClaw、各种 Skills 没完没了聊了。你费心部署的那些 Bot、AI 助手，过年回家半点儿实际用场都派不上。朋友聚在一起掏着钱吃喝玩乐热热闹闹，你却在一旁对着刚搭好的 AI 助手发愁，默默嘀咕怎么又不生效、跑不通。亲戚吃饭问你一年有啥收获，你兴冲冲说自己做了 AI 助手、写了好几个挺厉害的 Skills，亲戚们听得一脸茫然，你还暗自觉得他们不懂 AI 时代，不明白你这 “超级个体” 的价值。可等到父母和同事聊起儿女，别家孩子买房买车、升职加薪，你爸妈只能沉默不语，心里只想着：自家孩子成天对着黑底白字的屏幕自言自语，时而笑时而点头，也不知道...

作为程序员，我发现ai写代码总是会出一些bug我最近想到一个可能的原因：代码本质上不是“顺序的文本”，但 AI 模型是按照语言的逻辑在生成。先说语言。语言是天然的时序性信息：一个词接着一个词，说话的人一句一句说，听的人一句一句听。Transformer 这样的模型，就是把前面的词作为输入，再预测下一个词，然后继续往下推。这个逻辑完全符合语言的规律但代码不一样。编程语言里的很多东西，顺序其实没那么重要。比如在 C 里，你先定义结构体再引用，还是先引用再定义，只要编译器能找到，结果是一样的。代码更像一幅画，画家是一步步画出来的，但观众在看时看到的是完整的一张画。计算机存储图像时，也不会去记录画家的每一笔，而是一次性把每个像素的位置都保存下来。代码其实也差不多，虽然我们是逐行写，但真正运行时，它是作为一个整体被处理的。问题就出在这里。我们现在让 AI 用“写故事”的方式去“写程序”，它自然会经常出错。就算有些 Agent 会不断自我纠错，它折腾半天，还是没能改对，就会怀疑：是不是一开始把代码当成语言来处理，就是方向错了？也许未来的代码模型，不应该完全依赖时序展开，而是要找到一种新的结构？既能理解 token，又能直接理解代码的整体逻辑

https://zhuanlan.zhihu.com/p/5633149451.用空间换时间，将之前解答过的子问题答案存储为备忘录，要计算大问题的时候直接从备忘录中查找；2.本质上主体还是一个for循环，还是遍历逻辑，只不过每次的计算都是O(1)级别的，所以时间复杂度很低O(n^2)；3.自顶向下（记忆化递归）：递归逻辑，要解决n规模的问题，要先用相同函数解决n-i的问题，并将n-i问题最优解存储下来，然后return；自底向上（迭代dp）：推导逻辑，先解决1规模问题并记录最优解，2规模问题用到1，3规模用到2以此类推......4.自顶向下记忆化递归方法好想，而且可以避免计算用不到的子问题，...