这一期,我们聊一位正在把自己从程序员升级成“系统”的AI工程师。
本期嘉宾Elemen(艾曼),目前在一家互联网大厂带领小团队,从事AI工程基础设施和相关业务落地工作。他的职业路径并不是一路顺风。
刚毕业时,他因为项目经验不足,在求职中四处碰壁。后来从创业小厂开始,经历了中型企业、外资企业和大厂,也在工作之后前往中国香港攻读硕士。
这些经历,让他对组织、技术和人的协作方式有了不同的理解。小公司让人什么都要做,但未必有完善流程。
大公司拥有更成熟的开发标准,却也可能有更复杂的组织摩擦。而AI出现之后,过去那些清晰的岗位边界,正在重新变化。
现在,他的工作不再只是写代码。
在真实的软件开发流程里,AI已经能够参与需求分析、产品方案、架构设计、代码生成、自动化测试和部分验收工作。
一个工程师也可以同时组织多个Agent,让它们并行完成过去需要不同专业岗位协作的任务。
但问题也随之出现:
当AI已经能够写代码,工程师还负责什么?
当不同Agent分别执行任务,谁来管理它们之间的上下文和信息共享?
当一个系统成功上线,为什么企业老板仍然只关心它能不能创造收入?
当个人模型、RAG知识库和数字分身开始出现,一个人的经验、表达方式和判断逻辑,能不能被长期保存?
这一期,我们还聊到了Elemen正在探索的多Agent协作软件。
他希望让不同的AI工具能够共享必要的工作记录和知识,并以类似圆桌会议的方式协作。
这不是单纯把更多AI工具打开,而是重新组织执行工作。
我们也讨论了一个很现实的矛盾:
技术人员往往希望把东西做得更好、更优雅;但商业世界关心的是用户是否需要,客户是否付费,以及系统能不能带来真正的经营结果。
当AI让软件开发越来越便宜,做出一个产品,仍然不等于做出一个好产品。
更不等于做出一门好生意。
这不是一集AI Coding工具教程。
而是一集关于:
AI时代,一个人如何从单独执行任务,升级为能够组织人、管理AI、沉淀经验、设计系统,并对真实结果负责的人。
主持人:Fancy
嘉宾:Elemen
即刻:Elemen 公众号:艾黎梦说 GitHub:github.com
收听方式:
喜马拉雅,小宇宙,网易云音乐,qq音乐,豆瓣,App podcast ,Spotify,Google podcast ,overcast,YouTube.
时间线
01:09:25–01:11:55|多Agent协作的新问题:不同Agent各自完成任务,却不知道其他Agent已经做了什么
02:00:44–02:04:56|Fancy结尾总结:外贸企业为什么需要把行业经验、客户判断和业务流程沉淀成自己的系统,而不是继续追逐AI工具
10个深度问题
1. 你从刚毕业求职碰壁,到创业小厂、中型企业、外资企业,再到现在的大厂AI工程岗位,这条职业路径中,哪一次经历真正改变了你对软件工程师价值的理解?
2. 你提到小公司、中型企业和大厂,分别有不同的协作方式与开发标准。如果一个人想从传统程序员转向AI时代的系统设计者,哪些经验最值得保留,哪些反而需要放下?
3. 你曾经认为,写出优雅的代码、做出技术上优秀的软件,就是一个好工程师。后来为什么发现,技术质量并不一定能够转化为商业价值?
4. 现在非技术人员也能利用AI开发软件,甚至搭建完整平台。你认为未来工程师真正不可忽视的价值,会转移到架构设计、决策、用户体验,还是系统长期维护?
5. 你现在可以同时调用多个Agent进行UI设计、竞品调研、架构搭建和软件开发。这样的协作方式与传统团队相比,真正的优势是什么?又产生了哪些新的管理成本?
6. 你提到,一个业务部门只需要提出增长目标,Agent就可能生成多个方案、比较开发成本、执行测试并验证指标。那么在这条自动化链路里,哪些决策必须由人承担最终责任?
7. 你正在探索多Agent协作软件,希望解决不同AI之间的上下文、记忆和知识共享问题。为什么现有的多窗口、多工具或公共文件夹,还没有完全解决你的需求?
8. 你同时探索个人模型微调、RAG知识库和数字分身。一个人的长期经验、思考过程、表达习惯和决策逻辑,怎样才能成为真正可持续积累的个人资产?
9. 你提到希望把AI当成自己培养的“小黄人”,而不是完全依赖别人设计好的产品。这种主动组织AI的思维,与普通用户购买AI工具最大的区别是什么?
10. 当AI让一个人几天就能做出过去需要几周甚至几个月完成的软件,而你目前仍然保留稳定的职业收入时,你怎样区分个人兴趣项目、职业能力投资与真正具备商业化潜力的产品?
5个吸引力亮点
1. 从求职碰壁到大厂AI工程师:这不是一条标准的技术精英成长路线
Elemen刚毕业时,并没有直接进入成熟的大厂体系。
他最初缺少实际项目经验,在技术方向上也曾经很迷茫。
后来从创业公司开始,在不同规模的企业里积累技术经验、组织经验和协作能力,逐渐走到今天的AI工程岗位。
2. 这期真正讲清楚了“从写代码到管理Agent”的变化
Elemen举了一个具体的项目对比。
过去,他为了完成一个个人笔记工具,需要自己学习技术文档、了解开发框架、整理素材、设计界面,整个项目断断续续开发了一年。
现在,面对类似规模的软件,他可以同时组织不同Agent:
设计Agent → 竞品调研Agent → 架构开发Agent → 测试Agent。
但这不意味着只要多开几个窗口,就自动拥有一支高效团队。
新的难题是:
不同Agent怎么共享工作进度?
谁掌握最新上下文?
哪些信息需要同步?
谁来判断方案冲突?
谁负责最终结果?
AI放大执行能力之后,协作设计和上下文管理开始成为新的工程问题。
3. 这期对企业老板最有价值的判断:系统交付不是功能,而是业务结果
这期有一段非常现实的讨论。
Elemen提到,工程团队向客户介绍系统时,往往会介绍报表、功能、数据连接和技术能力。
但客户的反应可能只是:
这个系统下个月能给我带来多少营收?
这揭示了技术交付和商业采购之间的差异。
对企业来说,软件功能并不直接等于经营收益。
真正需要回答的是:系统能不能减少成本、改善流程、降低错误、提高转化,或者支持收入增长。
未来AI工程师不仅要懂怎么把系统做出来,还需要理解企业为什么愿意为系统付钱。
4. 从个人知识库到数字分身:AI开始进入人的长期认知资产
Elemen除了研究软件开发,也在探索个人模型微调、RAG知识库与数字分身。
这部分最值得讨论的,不是能不能生成一个说话像自己的机器人。
而是:
一个人的判断依据能不能被持续记录?
不同阶段的想法为什么发生变化?
一个人的知识、工作经验和表达方式,怎样被长期保存并在未来重新使用?
Elemen认为,通用Agent并不能仅凭一个Skill就真正理解某个人。
他希望保留更多与自己有关的个人信息和决策逻辑,再探索更具个性化的AI代理。
5. “养自己的AI小黄人”是这一期很有辨识度的观点
Elemen提出一个很有趣的比喻:
与其只把AI理解为一款已经设计好的产品,不如把它理解成可以围绕自己的目标不断组织和培养的助手。
这不是说AI拥有真实的人格,而是在表达一种不同的使用思路。
普通AI用户通常按照产品已经定义好的功能去使用。
而一个主动设计个人系统的人,会先考虑:
我到底想实现什么?需要哪些能力?哪些事情应该由AI负责?哪些必须由我判断?
这让整期节目从程序员的职业转型,延伸到所有人的个人能力建设。
AI时代,真正重要的可能不是拥有多少工具,而是能不能让工具按照自己的目标协作。

