核心发现与关键指标 1. AI 已成为开发流程"标配" * 85% 受访者已在工作中使用 AI 工具，其中 62% 依赖至少一种 AI 编码助手；15% 仍持观望态度。 0 * 周均时间节省：近 90% 的使用者至少节省 1 小时/周，21% 节省 8 小时以上。 * 未来预期：68% 认为雇主将在短期内把"AI 工具熟练度"列为硬性要求。 * 五大 AI 任务：生成样板代码、网络检索、代码翻译、撰写文档、变更总结。 * 主要顾虑：代码质量不稳定、缺乏上下文感知、隐私风险、技能退化等。 0 2. 编程语言生态：TypeScript 飙升，"老将"持续下滑 * 五年涨幅最大：TypeScript，紧随其后是 Rust、Go、Kotlin。 * JetBrains 语言潜力指数（综合增长、稳定性、意愿）： * TypeScript (+223) * Rust (+187) * Python (+131) * Go (+115) * C++ (+104) * 开发者最想学习 Top5：Go (11%)、Rust (10%)、Python (7%)、Kotlin & TypeScript (6%)。 * 仍在衰退：PHP、Ruby、Objective-C。 * 高薪语言：Scala 仅占主力语言 2%，但薪资中位数最高。 5 0 3. 主要应用领域与部署平台 * 应用类型：网站 (57%) + 业务系统 (35%) 依旧主导，游戏/AR 只占个位数。 * 云服务：AWS (46%) > Google Cloud (26%) ≈ Azure (25%)；区域型云在本土市场表现强劲。 * 数据库：PostgreSQL 首次超越 MySQL；MongoDB 连续三年下滑。 * 部署平台：浏览器/Web ≈ 服务器/云 (各 ~50%)，桌面与移动端紧随其后。 5 4. 开发者生产力：从 DORA 指标到"人本"度量 * 2024 年企业聚焦构建时间、恢复时间等技术指标；2025 年转向"开发者生产力"。 * 影响因素：51% 技术因素，62% 非技术因素（沟通、协作、目标清晰度）。 * 开发者诉求：透明度、建设性反馈、目标明确；但 66% 认为现有指标无法反映其真实贡献。 0 5. 职业与个人生活 * 行业景气：日本 57% 视市场"友好"，加拿大 66% 视为"严峻"。 * 副业 Coding：52% 的开发者下班仍自愿编码，57% 喜欢配乐，25% 默默 coding。 * 宠物偏好：猫狗并列第一——开发者对毛孩子毫无偏见 🐱🐶

概述了全球软件开发行业的关键趋势和洞察。调查涵盖了技术使用情况、对人工智能工具的情绪和采纳情况、以及工作环境和满意度。它揭示了开发者对AI能力的复杂看法，以及对隐私和定价等传统因素在技术选择中的持续重视。此外，报告还强调了特定编程语言和工具的流行度，以及远程工作趋势和薪资差异等职场信息。

人类倾向于解决问题，甚至会主动寻找问题，但这种做法往往会导致维护解决方案的负担。作者提出，避免问题比解决问题更好，并通过一个朋友的例子说明了不为尚不存在的问题预设解决方案的重要性。当问题无法避免时，作者倡导消除问题而非仅仅解决问题，因为解决问题会带来持续的维护工作，而消除问题则能让问题不复存在。 通过特斯拉电动汽车和React编程中引入Hooks的例子，展示了问题消除如何带来显著的效率提升和简化。最后，承认问题消除也会伴随新的权衡和挑战，但目标应是用较小的新问题换取旧的大问题的消失，鼓励读者在遇到问题时，首先尝试消除它，而非直接寻找解决方案。

马特·舒滕（Matt Schouten）分享，旨在为管理者提供指导，尤其是那些管理着比自己专业技能更强的团队的管理者。开篇承认，在现代企业中，管理者并不总是其团队所从事领域的专家，并以自身管理WordPress专家团队的经历为例。随后，明确了管理者的核心职责在于为组织产出结果，而这并不要求管理者成为其团队的专业权威。相反，非专家身份有时反而能成为一种优势。 接着列出了团队所需的关键要素，如清晰的指导、背景信息和支持，并提供了八条具体的、可操作的建议来帮助非专家管理者有效地满足这些需求。这些建议包括承认自身非专业性、积极提问、分享已知信息、明确任务、避免假设、汇聚专业知识、善待团队，并信任和启用副手。 强调，管理者的职责是支持和引导团队，而非亲自执行所有任务，以此确保团队能高效交付成果。

深入探讨了软件开发人员所经历的普遍疲惫，将其描述为一种超越日常疲劳的“精疲力竭”状态。文章指出，这种疲劳源于现代软件开发的固有复杂性，包括多重角色、持续的上下文切换、以及“永远在线”的工作文化。此外，不切实际的敏捷实践、技术债务的累积以及完美主义的压力也进一步加剧了开发人员的倦怠。解释了疲劳对大脑功能的负面影响，如认知能力下降和决策质量降低，并讨论了这如何导致生产力下降、人才流失以及创新不足等组织层面的问题。最后，提出了可持续的实践和个人策略，强调了现实规划、保护深度工作时间、拥抱渐进主义和维护个人边界对于缓解这种普遍现象的重要性。

探讨了过度优秀在组织系统中的悖论性挑战。当个人表现远超平均水平时，他们往往会发现自己身处一个未被设计来识别或容纳卓越的环境中。这些系统通常优化于中等表现，并且缺乏处理异常（无论是极度优秀还是极度不称职）的机制，导致优秀人才的才能被浪费。强调，问题不在于优秀者本身，而在于大多数组织未能为真正的卓越构建适当的基础设施，并建议优秀者应战略性地选择发挥其才能的场所。

将管理与分布式系统概念进行类比，探讨了常见的管理谬误，特别是“网络可靠性”的假设。作者认为，有效的沟通在管理中至关重要，因为信息在传递过程中会因个体背景和解释而失真。管理者需要像处理分布式系统中的信息丢失一样，通过重复、多样化的沟通方式来确保信息被准确理解和行动。最终，核心观点是管理不仅是传达信息，更是帮助团队成员重建并内化其真实含义。

深入探讨了在面对复杂问题时，理解问题背景而非直接寻求解决方案的重要性。作者通过个人生活经历和其妻子的花园设计项目，阐释了设计师克里斯托弗·亚历山大的“形式-语境-契合”概念，强调只有当解决方案（形式）与问题语境完美匹配时，才是好的设计。深入探究语境有助于缩小潜在答案的范围，使正确的解决方案自然浮现。这种方法不仅适用于园艺或购物，也适用于个人生活和创作过程，告诫人们避免在未充分理解问题前便仓促定下解决方案。

讨论了将人工智能 (AI) 用于软件开发如何产生一种虚假的精通感，而无需付出实际的认知努力。虽然 AI 可以生成看起来正确的代码和结构，但它常常掩盖了潜在的错误或不一致，需要人工去理解和调试。这种对 AI 的依赖可能会导致个人和团队停止重视和培养真正的掌握能力，因为承担理解的负担变得越来越困难。最终，强调了持续努力和深入理解对于在软件工程中实现真正精通的重要性。

—企业体验”探讨了一位在大型企业工作一年的专业软件开发人员的观察与反思。详细描述了在大公司中遇到的独特挑战，例如难以确定责任人、资源浪费、员工能力不一致、紧迫性的模糊性、形式主义的安全措施以及标题的无意义性。还触及了大型组织中重复犯错和各工程团队各自为政的问题。尽管存在这些批评，也列举了在大企业工作的一些积极方面，包括职业发展机会、社区支持、稳定的薪酬和专业化空间。

揭示人工智能编码工具对开发者生产力的真实影响。文章深入探讨了人工智能辅助编码工具的普及率、开发者对其准确性的信任度、实际生产力提升的幅度（通常在20-30%之间，而非夸大的“10倍”），以及这些工具在不同项目类型（如新项目与遗留代码库）中的表现。此外，还分析了人工智能在代码生成、调试和学习方面的具体应用场景，并探讨了团队和组织如何有效整合人工智能工作流程以避免新瓶颈，最终强调了人与人工智能协作而非完全替代的关键作用。

探讨了治疗、辅导和指导这三种支持方式的独特作用。治疗着重于通过解决过去的情感经历来促进愈合，而辅导则专注于设定和实现未来的目标，鼓励个人思考和行动。指导涉及从他人的经验中学习，由导师提供建议和见解。Koken强调了构建支持结构的重要性，认为这是一种智慧而非弱点，并指出对个人而言，选择最合适的帮助方式至关重要。

讨论了优秀管理者的核心特质，强调了清晰双向沟通的重要性。一位出色的管理者不仅能确保团队理解期望，还能有效地向上级传达团队的进展与需求，这与那些只顾讨好某一方或信息不一致的管理者形成对比。这种沟通的一致性和真实性是建立信任的关键。最终，通过在团队和上级之间建立并维护互信，管理者能够创造一个鼓励尝试和创新的环境，从而实现原本难以企及的目标。

主要探讨了职场中的人际冲突和企业文化问题，特别是在科技行业。作者通过分享自己在初创公司、亚马逊和Snap的经历，揭示了偏见、权力斗争以及有毒行为如何影响团队和个人。强调了自我反省的重要性，鼓励读者审视自身在冲突中的角色，并认识到情绪管理对领导力的关键作用，最终倡导通过学习和成长来应对这些普遍存在的人际挑战。

探讨了如何通过改变自身行为而非试图改变他人来应对令人沮丧的人际互动，尤其是在工作环境中。主张专注于自我提升和以身作则，例如在混乱的情况下先整理好自己，或通过编写测试来改进糟糕的代码，而不是指责或抱怨他人。强调，通过展现正确的行为，我们可以影响他人，而不是通过说教，并指出这种方法不仅能减轻个人压力，还可能带来更积极的外部结果。