华虹宏力

25年刚开年DeepSeek横空出世，集团下发红头文件，全面拥抱AI，楼主毅然从一个JavaBoy通过内部考试转成了AI开发工程师，到目前为止算是整整一年了。今天来聊一下所谓AI开发工程师都在干什么？首先我们内部有一个共识，现在看到的大部分的AI应用，在公司层面完全是探索阶段，就是说大部分的AI应用都是一个华丽的demo，根本没法保证用户的大量使用了。强如千问，该崩还是得崩。所以我今年一半的工作内容都是在调研新技术，调研新交互模式，开各种会，这个时候你就会感慨为什么乔布斯、张小龙他们是产品而不是研发，很多时候我们精心设计，经过用户调研、项目立项、产品原型设计、技术调研、评审等等等环节，设计出来...

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流

我真有点想骂人了

1. 什么是硬件编解码？和软件编解码有什么区别？硬件编解码定义：使用GPU、DSP或专用芯片（如ASIC）进行音视频编解码，利用硬件加速单元完成计算密集型任务软件编解码定义：完全使用CPU进行编解码，通过软件算法实现，如x264、x265、libvpx等性能对比：硬件编解码速度快，通常是软件的5-10倍，CPU占用率低（5-15%），功耗低。软件编解码速度慢，CPU占用率高（80-100%），功耗高质量对比：软件编解码质量更好，可以精细调节参数，压缩率更高。硬件编解码质量略差，参数调节受限，相同码率下质量不如软件灵活性对比：软件编解码支持所有编码格式和参数，更新方便。硬件编解码只支持特定格式（...