没有用，这行最后就是主流的几个赚钱方向，赢家通吃，而且赢家有好模型，好模型意味着更多的数据，更多的收入，更多的收入+数据 又能用于快速迭代下一代模型。

国内应该要禁止数据出口，然后大家用国产模型，才有希望让国产模型 获得长足进步

如果你了解软件工程的发展历史，就很容易理解了。在程序员的圈子里，最想得到的从来不是某个功能的实现代码，而是在实现复杂系统的过程中沉淀出来的全新工具、框架和范式。

编程是一种"工具"，只有在解决难题的过程中经历无数次崩溃、重构和推倒重来，才可能改善工具、发明新工具。有无数的商业案例表明，如果你独占一种技术，完全不让别人使用，那么别人就会有极大的动力去研究，很有可能写出一个开源的替代品来实现同样的功能。

因此，一种比较常见的策略是自己只保留一部分核心技术的机密，然后低价开放 API 或 SDK 给别人，让别人刚好卡在一个尴尬的处境：自己从零造轮子的成本太高，直接调用反而更便宜。这就能打击别人自研的积极性。AI 生成代码恰好实现了类似的效果，程序员自己不写代码，直接向 AI"采购"实现，长此以往，对于人类来说编程这个工具就消亡了，再也难以发展。

在现实生活中，有很多"头铁"的程序员，大家说这个东西肯定写不出来、这个轮子肯定造不好，但他偏要亲自去写一遍，最终果然写砸了。但是，写砸就一定是吃亏吗，写砸就一定没有意义吗？我认为，"头铁"是程序员最宝贵的品质之一。踩坑是学习的最佳途径，甚至可以说，踩坑是学习的唯一途径。如果面试允许直接复制粘贴 AI 的答案，那还有多少人愿意真正去理解代码呢？


现实是大家 vibecoding 飞起，古法编程被吊打

@ndxxx https://i.imgur.com/NIvxivj.png 你可别说了，很多数学难题，证明之后，其实对科技以及人类福祉发展 吊毛用都没有

以上内容均来自于
https://www.youtube.com/watch?v=28Fbc9TQUDw

最后我建议大家真的不要再用中转站了，这个行业被臭鱼烂虾给玩臭了。

你买个号，拼起来个号池给客户用，中间赚点差价跟应得的利润也就算了，卖客户数据，算哪门子事情，做人一点底线都没有。

@v2exgo 总而言之，言而总之，关键的问题在于 A 畜思维链加密后，密文里面并没有携带任何 身份/组织上下文信息，你但凡验证一下，也至于出现这种屌事情。

导致任何人拿到 对话里面思维链数据的密文数据，都能通过重放到 claude 的小模型 把密文里面的思维链 诱导模型把思维链吐出来，加上 claude 的流量实在太大，基本上没有办法对这种流量 进行识别，只能分批次抓取，然后批量封禁账号。

其实说实话，对于中转站来讲，你的隐私真的不值钱，反而是你的对话很值钱。大部分人的代码隐私无非是内网一些密钥，那些东西，只要 Agent 护栏做好了，加以足够的安全规范，基本上不会泄露。

哪怕泄露了，问题也不大，都是内网，至于你说人家都渗透到你内网来了，哥，家里都成筛子了，反 ARP 欺骗交换机都没装，内网全是 http ，你泄露密钥不泄露密钥还重要么？大部分公司都全特么草台班子，真的要安全，直接上 AWS ，签保密协议，用中转站，你就得老老实实自己处理好代码里面密钥的问题。

至于你公司里面那堆屎山代码，我相信你直接送，都没人要。

真正值钱的是对话，一个对话如果有二十轮以上，目前市面上是可以卖到十几块钱往上的，而且都是大厂私下在收，都是 U 盘+U 交易，无痕的哦。

大厂要的是 claude 里面的 signature 加密的思维链，他们可以通过小模型，把思维链蒸馏出来，这个思维链数据才是真的值钱。

claude 是能够跨会话/跨账号/跨模型，直接把思维链加密后的数据，发送到 A 畜，让 A 畜重新解密后，放到上下文里面进行推理的，然后诱导小模型把思维链里面的数据吐出来。

而且各大云厂商 aws/A 畜 这些用的都是同一把密钥，你在 ccmax 里面得到的思维链数据，在 aws 也能解开，在别的云厂商的 claude 也能解开。A 畜这个才真鸡巴草台班子，你密文里面但凡带个身份/组织上下文信息，国内大厂也不至于到处买数据了，结果特么地来者不拒，而且这个密文里面是可能携带很多关键上下文信息的，当然人家 A 畜也没想到 国内玩的这么脏，为了思维链，什么数据都敢买。https://i.imgur.com/N9E3iZ2.png

2026 年了，就别用 Windows 进行开发了。

@tianhehechu #14 https://i.imgur.com/N9E3iZ2.png 有没有一种可能，奇怪是你，而不是互联网上所有的教材

@Ravenddd 它并非因为薪酬贬值而显得“不高级”，而是技能本身的价值已被 AI 削弱。过去，开发跨平台系统程序（如 Mac OS 、Linux 或 Windows ）需要深入掌握各平台的细节差异，这往往需要多年的经验积累。在 IE6 时代，开发者必须精通 CSS Hack 等特定技术。然而，如今这些细节已无足轻重，因为相关知识和文档早已录入大模型，AI 能轻松处理。

既然支持老旧技术不再构成压力，开发者无需再耗费精力去记忆或推敲具体实现细节，而应将重心转向宏观规划：制定整体方案、设计测试策略、规划工作流程，以及如何为 Coding Agent 设定规范，确保代码符合预期，并进行自动化测试与验证。

在这个时代，技术细节并非不可获取的壁垒，遇到具体问题时可随时通过 Agent 查阅学习。因此，我们更需要培养的是能够快速掌握不同领域知识的能力，而非机械地积累所有技术细节，后者已显得毫无必要。

甚至包括我并不熟悉的大语言模型部署，我的 CUDA 环境、CUDA 工具包以及 NVIDIA 驱动程序，全部都由 AI 协助完成。过去，若遇到 Linux 安装包下载或各类兼容性问题，我需要耗费大量时间逐一解决；而现在，我只需与 AI 智能体沟通，让它明确每一步的实现流程、安装步骤以及所需的硬件配置，即可高效解决模型部署问题。

如今，我们的工作重心应从纠结于底层细节转移到关注产品如何实现以及高层次的架构设计上。过度关注细枝末节只会让思维变得臃肿。在人工智能时代，我们无需亲自掌握每一项技术细节，因为 AI Agent 的知识库已能完整记录这些内容。人类程序员更需要专注于整体架构、代码管理、Agent 协作机制以及项目的整体编排。

即便是小型项目，核心也不在于死磕技术细节，而在于如何与客户高效沟通，深入挖掘需求，并评估在现有技术水平下需求的可行性。死抠代码细节已成为程序员中最基础且低效的技能。我认为，当代程序员的核心价值在于与人沟通、洞察需求、创造价值，并利用技术手段实现这一目标，而非在无意义的细节打磨中消耗精力。随着 AI 技术的持续演进，这些基础的执行性工作终将被替代。