前言 - 变革的到来
回想 2024 年的时候，公司内部大多人建设思路，还停留在传统产品开发设计上。其实在 2023 年 Q2 的时候，我就开始涉及 LLM 相关的功能开发，但那个时候并没有想象到，AI 能在 2023 年之后的 2 年间，发展到现在这种全民级 Agent 级应用的情况，这场变革对互联网局内人实属是一场革命了，对传统编程与产品模式都造成巨大冲击。
如何跟上 AI 这趟车
互联网从业者
现在 AI 普及之后，对于程序员等的职能要重新定义了。从前对于国内互联网环境，我们会把岗位拆的很细（为了提升开发效率）。现在即便是自己不擅长的领域，有了 AI 能力之后，也多少能够进行一些不擅长技术栈的开发，也能学习前端、后端、数开等其他领域知识
未来的软件开发工程师，会更加注重对 AI 工具的运用，一个是对于未知知识的学习能力，另一个是运用 AI 工具开发不熟悉领域的能力。随着 AI 模型的进步，生成时长与采纳率提升，在 DevOps 场景下，一站式自动完成 PRD、前后端、数据运营等能力。
产品功能
从前我们的产品更关注于用户体验，如某些成熟的产品，很多产品由于基本功能迭代完毕，都在做用户体验优化（如 UI 交互升级等）。
在新的 AI 时代，更关注数据的获取速度，提炼的是否足够精准。用户希望产品作为信息入口，能直接把需要的最终结果，加工吐给用户，加快信息的流转速度。
AI 提效的领域
需要思考的是，AI 需要什么？
我们在平常做 prompt 开发的时候，会注入很多 context，那么核心还是在 context 上，以此为视角，尝试去找到需要的领域。
上下文是什么，本质还是数据，所以只要自身所在的业务，掌握数据，就有 Agent 应用的方向。
产品领域
举个例子，抖音 App，一般我们只在平常去刷抖音。但尝试去思考其中的信息，每个 UGC 创作者的视频内，有大量的有效信息。那我们是不是就可以收集视频中的文案，尝试让 AI 汇总一些关键内容，在搜索场景下做 RAG。对于这点当前抖音、小红书等 App 已经在金刚位放置了 AI 总结能力，对于我日常检索来说，也会经常用到。
在这个激烈竞争的移动互联网时代，作为用户我是更关注在更短的时间完成所需信息的收集，目前看这类能力还是有很大空间的，各个 App 接下来的 1 年还会持续不断的把 AI 融合到各产品中。
技术领域
- 可以做代码生成
- 基于低代码 DSL 的生成
- hive、sql 语句的生成，这里要解决的问题是，转移范式，用户只需要描述场景，屏蔽相关具体库表的细节
- Proocde 生成
- 问题处理：自动归因，智能修复
- 上下文提炼：智能对话助手、Oncall 排查助手
创业方向寻找
全球目前经过 2 年的厮杀之后，AI 这场游戏，上桌的国家目前基本只剩下中美两国。相比于美国来说，国内互联网公司对于 Agent 应用竞争力更强。实际表现于产品的表达升级，很多 Agent 能力快速融入了各类亿级 DAU App 中，对于非大厂的创业者来说，创业简直就是炼狱难度了。
如果有创业的念头，建议还是考虑国外人均消费高的发展中国家，如阿根廷、巴西等南美国家，或亚洲日本、泰国等国家。
我们可以做的方向有以下等：
- 数据总结：帮助用户更快的理解数据，加工数据，如果做的好的话，用户会对这个效果买单
- Agent 应用：如 AI 客服等系统，这种对 b 端用户来说，可以大幅释放人力，只要把精准率做上去，竞争力就很强，这种的典型是 Manus 这类产品了，当然年末也刚刚被 Meta 收购了，在应用这块是中美差距的重点，也是 Meta 和 Google 等大厂之间的核心差距
- 其他... 其实如果有一些点子，可以和 AI 聊天，看看能不能得到一些思维的碰撞
