小站题壁¶

约 1273 个字预计阅读时间 4 分钟

行到水穷处，坐看云起时。——偶录王维句，以志闲心

客从四方来，驻足于此，便是缘分。此间无朱门酒肉，唯有键盘为砚、屏幕为笺，录所思、记所学，兼以备忘。笔者不才，好观算法之变、模型之新，亦不忘数理旧章；或随笔闲谈，或披卷论文，皆是一己足迹，不敢自矜，唯愿与同好共切磋耳。

卷籍一览

成文：184 篇
累字：173,709 字

ycvenopyer是一位小镇做题家，经历了好几年学习SE的痛苦才跨过小白那道坎，因此就CS该如何入门、AI时代的计算机专业该如何学习想对一些和我类似的同学给出自己的建议。首先现在计算机相关专业门槛不高，但AI产生的一键满足感太不扎实，如果你想从事CS相关行业，仍建议从基础开始，而且在Coding环节不要100%借助AI，一键Tab的爽感会让你在上机的时候坐牢。第二点是CS是完全靠自学的，如果你不知道从何开始，可以从CSDIY看起，这里计算机四大件（数据结构与算法、操作系统、计算机组成原理、计算机网络）是必须认真拜读的，虽然很多都是几十年前的东西了，但其中的思想方法仍然发挥着光辉，在学习这些之前建议补充一些数学知识，包括微积分、线性代数、概率论、离散数学等。第三点是CS需要实践而不是看书，只看CS的书基本没用，看再多的书不如敲上一句prompt（开个玩笑，应该是Hello World!）。一开始把数据结构与算法学好，然后在代码平台上刷题，比如力扣、牛客、洛谷等，最后做项目实践，可以从简单的小游戏入手，然后做一些课程项目，接着从GitHub上找一些开源项目尝试，有了这些你就可以开始找实习，企业实习的实践收获是远大于课程学习的，通过企业实习熟悉大型项目的流程，积累经验。最后是AI方向的学习，这部分首先需要把线性代数和概率论学好，数学基础是深入学习AI的基石，其次是学习国外一些优秀的课程，而对于前沿AI的内容，比如AI模型、AI产品化的东西在Anthropic或者是OpenAI的官网上有，这是第一手资料；然后是要用好AI工具，逐渐驾驭AI而不是被牵着鼻子走。

ycvenopyer是一位逃离SE的CS人，即将研究的是LLM，我在25年的时候听到“前端已死”这种言论，在26年初更是听到“软件工程已死”的消息，软件工程将在近几年内发生颠覆性变革（AI4SE）。作为一名本科SE人，本人对于SE的了解仅限于产品、前端、后端、测试、运维，本科期间学了软件质量管理、软件系统设计等SE味严重的课程，但是真正在企业中所需的开发技能学校里是一字不提。个人对于软件工程本身是消极的，工程存在但程序员不在，AI时代对于知识的获取和基本的开发是手到擒来了，大大降低了门槛，只会增删改查、加组件加模块远远不够了，真正能留下来的是在软件之上的人，具有系统和工程思维的人。而且很多企业都在积极拥抱AI，做AI转型，这种改变是很可怕的，如果哪天AI可以完全自主解决某一业务问题，那我就得被辞退了。

本人的编程水平实在上不了台面，上面一番话也只是一个菜鸟的牢骚，幸亏遇上了AI时代，在机器学习、自然语言处理、大模型系统与工程这些课程的洗礼下，我逐渐找到一些自己的感觉。AI的基础仍是数学，自然界的一切遵循正态分布，我们所发现的一切是在一定概率空间中的必然事件。这话听起来像玄学，落到纸面上却全是矩阵与期望：嵌入是高维空间里的几何，训练是在噪声里找梯度，推理是一次又一次在分布上采样。学得愈多，愈觉得懂与会用之间还隔着无数实验与失败；论文里的定理漂亮，工程里却是显存、延迟和坏 case 的泥潭。

若说有何信念，那便是：模型再强，也仍在人设定的目标函数与数据分布里打转；我们所谓智能，很大程度上是在不确定里做可重复的近似，人类理想的AGI还远没有到来。