好奇这两年刚入学CS的大学生对未来是什么看法
AI时代CS大学生就业前景讨论：AI处理线上事故速度远超人类，标准化路径失效，需成为“超级个体”
近两年入学的CS大学生普遍对AI发展带来的就业前景感到担忧，认为AI将加剧行业竞争，淘汰不适应者，并提高对人才的要求。讨论聚焦于AI在编码、系统设计等方面的快速进步，以及“刷题进大厂”标准化路径的失效。新生们对未来感到迷茫，有人尝试探索冷门方向以期找到出路，但仍需深入理解AI、提升协作能力，成为能利用AI解决问题的“超级个体”。新增内容强调AI在处理线上事故方面的惊人速度，预计将远超人类On-call人员，并可能在几个月内实现自动化处理，包括自动查找根源、执行回滚或紧急部署修复代码。
1. 关键信息
- (之前已归纳) 近两年入学的CS新生面临AI快速发展带来的就业前景不确定性。
- (之前已归纳) AI目前已能胜任聊天debug和部分编码工作，对初中级程序员构成威胁。
- (之前已归纳) 未来核心竞争力可能在于对AI生成代码的审查、调试以及系统设计能力（如底层驱动、分布式系统架构）。
- (之前已归纳) 仅靠刷LeetCode和期望高薪大包的策略可能不再奏效。
- 新增：AI处理线上事故的速度预计在几个月内超越人类，能够自动查找根源、执行回滚或紧急部署修复代码。
- 新增：AI能通过runbook自动处理事故，甚至更新runbook以提高未来处理效率。
- 新增：AI处理事故的速度之快，可能导致凌晨2点的On-call人员在睡梦中事故已被解决。
- 新增：用户提到在实际工作中，AI工具（如BE diff）的使用效率和必要性受到质疑，可能存在浪费。
- 新增：用户观察到团队中部分成员过度依赖AI工具进行代码审查，且效率不高。
- 新增：AI的进化速度如果超过99%的专家，前景将非常不乐观。
- 新增：AI的快速发展将淘汰“混子路线”，并由有竞争力的人利用AI增强自身。
- 新增：Meta等公司正积极拥抱AI，可能导致大规模裁员，但AI迭代速度快，阵痛期预计较短。
- 新增：公司对AI的使用越激进，越能获得高质量训练数据。
- 新增：Meta全员使用Claude进行内部工作，但其模型可能无法对外发布。
- 新增：CS专业课学习费时费力，但毕业后就业可能用处不大。
- 新增：转专业学习新领域（如工程电磁场、信号与系统）难度大，需要从头学起。
- 新增：AI发展速度不容低估，从只能debug发展到能独立解决中小型项目，甚至System Design。
- 新增：AI使得个人能够快速验证想法并迭代，成为“超级个体”。
- 新增：对于新入行的从业者，“刷题进大厂”这种高度标准化、可复制的路径会越来越难走。
2. 羊毛/优惠信息
- 无
3. 最新动态
- (之前已归纳) AI在编码能力上进步迅速，从半年前的聊天debug bot发展到能独立完成部分编码任务。
- 新增：AI处理线上事故的能力将迅速提升，预计数月内超越人类，实现自动化。
- 新增：Meta正积极推进AI应用，可能导致裁员，但AI迭代速度快，预计短期内会适应。
- 新增：AI已能独立解决中小型项目，并具备System Design能力。
4. 争议或不同意见
- (之前已归纳) 部分用户认为行业依然存在，但对技能要求更高，强调系统设计能力。
- (之前已归纳) 也有用户对学习难度大的课程（如分布式系统架构）表示担忧，并询问当前重要的能力是什么。
- (之前已归纳) 有人提到目前校招面试仍以LeetCode为主，尚未出现其他考察方式。
- 新增：用户对AI的进化速度是否会超越99%的专家表示担忧，认为这将导致前景不乐观。
- 新增：用户认为行业变小会加剧裙带关系，招聘可能更倾向于“自己人”。
- 新增：用户对Meta内部AI模型（如Claude）的进展和影响表示好奇。
- 新增：用户认为转专业学习新领域（如工程电磁场、信号与系统）难度巨大，难以承受。
- 新增：用户质疑团队中AI工具（如BE diff）的实际使用效率和必要性。
5. 行动建议
- (之前已归纳) CS学生应将重心从单纯的刷题转向提升系统设计、底层技术和对AI代码的理解与负责能力。
- (之前已归纳) 关注AI发展趋势，调整学习方向，以适应未来行业变化。
- (之前已归纳) 对于不擅长高难度课程的学生，需要积极探索其他有价值的学习方向。
- 新增：在AI时代，理解系统、精准给出prompt、操作多个agent、验证AI解决方案以及快速处理线上事故的能力将变得尤为重要。
- 新增：建议关注AI在行业内的应用情况，例如Meta的大规模AI部署，以评估其对就业的影响。
- 新增：对于CS学生，需认识到专业课学习的挑战和AI发展的冲击，并积极探索应对策略。
- 新增：转专业学习者需做好应对新领域高难度课程的心理准备和学习投入。
- 新增：对于刚入行的从业者，应认识到标准化路径的挑战，并探索新的发展方向。
- 新增：探索冷门方向并深入研究，可能成为在AI时代实现差异化竞争的有效途径。
- 新增：对于AI工具的使用，应注重实际效率和必要性，避免过度依赖或浪费资源。
还记着前几年码农这行业火的起飞的时候，大学选专业基本就是遇事不决计算机。商科转计算机，艺术转计算机，文科转计算机
现在在程序员圈子普遍一片哀嚎的情况下，那些这两年进大学的计算机新生还需要2年硕甚至4年本毕业
按如今AI的发展速度，从半年前的只能当个聊天debug bot，到现在coding已经完全不需要初级中级程序员动手了
这些毕业生最后会不会出现毕业后发现码农这行业都不在了的情况？
行业会在 但是总量和具体技能诉求会变化
现在的核心竞争力不是写代码，而是 能对 AI 生成的代码负责。如果你能 Debug 出 AI 都修不好的，你就是不可替代的
AI 擅长写应用、做执行，但它在处理 底层驱动、分布式系统架构等等，依然需要人类的 System Design
所以行业还是在的，只是要求更高了！
就像当年有了 Excel 之后，会计没消失，但只会拨算盘的会计消失了
现在的 CS 大学生，如果还在刷 LeetCode 妄想靠背题进大厂拿 大包，那确实是 要 哀嚎 了
虽说只刷lc肯定不行，但现在ng面试还是考lc，也没出现别的形式考察方式呢
转行爬电线杆了
【引用自 harvey8】:
分布式系统架构
可是如果我不想学这门课怎么办
我发现这门课的评级实在是太难了
【引用自 harvey8】:
哀嚎
【引用自 harvey8】:
刷 LeetCode 妄想靠背题进大厂拿 大包
不懂就问
那现在什么能力很重要呢？
猜错id了，我还以为是星怒哥
【引用自 Sunshine9】:
那现在什么能力很重要呢？
理解系统，可以精准的给出prompt同时operate multiple agents，可以verify AI给出的solutions，线上出事故后可以自己迅速解决
其实这些domain knowledge都是相通的，一个代码基础扎实的人在AI时代只会更厉害。我自己读了个PhD出来后对于这种知识的快速迭代和变更已经很适应了，所以对我来说还好
只是确实就不需要这么多SDE了，从资本家的角度来说完全可以大裁员。我司估计马上也要很大规模的manager flattening + 裁员了
已经出现AI coding了，Meta应该是去年9-10月就roll out这个plan了
现在Meta的LC coding应该只有一轮
认真读了三遍
谢谢你这么认真的回答我的问题
【引用自 YCShing】:
一个代码基础扎实的人在AI时代只会更厉害。
是啊，上个月有个美赞臣的Chief Data Analytics & AI Officer来我们学校做讲座；也是类似的说法，说不是ai取代工作，而是一波本来就有竞争力的人用ai增强自身; 同时把不能适应ai的人淘汰掉
(记下的原话大致是：
“The people who is adopting to AI in their day-to-day activities is able to take away the jobs of people who are not able to adapt to AI. So that’s going to be very critical to know it’s not AI who’s taking your job, it’s AI embedded individual in that lifestyle
)
我们org现在用AI最厉害的人反而是最senior的人
tokens哗哗用，我都不知道怎么用出来的
【引用自 YCShing】:
理解系统，可以精准的给出prompt同时operate multiple agents，可以verify AI给出的solutions，线上出事故后可以自己迅速解决
这不就是亚麻问我的面试题
这个topic能发science的
https://www.science.org/doi/10.1126/science.adz9311
好日子还在后头
感觉未来一片黑暗捏
【引用自 gravitynet】:
而是一波本来就有竞争力的人用ai增强自身; 同时把不能适应ai的人淘汰掉
和ai融合了的 @收束观测者 要把我淘汰掉了
你不早都FIRE了自我淘汰吗，轮不到我来吧
行业变小，只会加剧裙带关系
到时候招你，还是招一个村里的烙印
一切都是刚刚开始
感觉牢中还是看谁成绩好 学校好 要谁 嘿嘿
【引用自 YCShing】:
理解系统，可以精准的给出prompt同时operate multiple agents，可以verify AI给出的solutions，线上出事故后可以自己迅速解决
ai 的进化速度如果大于 99% expert，那么前景也很不乐观。
【引用自 harvey8】:
底层驱动、分布式系统架构等等，依然需要人类的 System Design
这是今年现在的情况哎，明年说不定就是agent system design和review了，context window再升个1K倍。
见过不少老中面试官直接比陆本的
sigh 非要说的话 我觉得meta这波大炼AI后 裁一半以上的人可能都不会有大影响
当然这段时间内部时不时出一些很奇怪的问题（sev）就是了。但是AI迭代很快，阵痛期估计很短。之后只需要少部分人指挥AI开发+处理线上事故就完事了
反正我感觉meta员工最近焦虑得不行。公司对于AI的使用太aggressive了
理论上来说AI使用得越aggressive越能获得大量高质量训练数据
为啥Meta的模型感觉悄无声息
Meta全员用Claude for internal use。这种model没法release出来可能
这肯定是claude的model
我的意思是这种不都是走内部反代的么，那么request和response全部抓下来就是上好的数据集啊
虽然四舍五入本质蒸馏了属于
【引用自 gravitynet】:
这些企业之间会有签订合同说他们公司internal use的数据资料什么的不能拿来做ai training的
meta的usage data人类学当然不能用，但是meta自己可以用啊
【引用自 YCShing】:
用Claude for internal use。这种model没法release出来
yeah, 这些企业之间会有签订合同说他们公司internal use的数据资料什么的不能拿来做ai training的 (source: 我那天的讲座上有提及过这个）
ai不会只影响cs一个专业。
挺好的，什么阿猫阿狗都来读计算机，没那个能力知道吗
【引用自 收束观测者】:
meta的usage data人类学当然不能用，但是meta自己可以用啊
meta内部的Claude对于处理meta的事情非常强，我只能透露到这了
但是我不知道是不是有finetune啥的
cs出身以后研究面可以很广泛，搞纯算法技术没优势可以跑去搞各种学科交叉，反过来比如生物背景就业情况也不好，本科没有coding的训练，想从湿转干就很难。
我猜是agentic engineering做得好
或者就是蒸馏了
美国随便转专业不是啥大事
“The study estimated that total output increased by about 3.6% for experienced developers, whereas beginners saw almost no measurable boost in their productivity“
not really
这就是三体里面，降临派和幸存派的差别了，究竟是降服于AI全知全能，还是说努力争取AI时代的存续
meta不是本来流动率就很高嘛，难道真有很多准备待四年的？
看org
我们org 待五年十年加的大有人在
infra吗？能这么久，这是否不太符合meta的狼性原则
先买套皮肤自用
转行修水管，只要人口在，住房就是需求，无论是租的还是买的
只要有下水道，就会有人要修，刚需，而且收费可观
升得也慢呀，干十年才6的大有人在
你看到的那些流动大的org升得也快
白领大萧条你猜谁还花大钱请人修
专业好转，但是转到好专业本身毕业太难
费时费力学了几年CS专业课发现就业一点用都没有，想转专业发现还得从头学工程电磁场、信号与系统、稳态分析，这谁能顶得住
不久前当AI只能做做debug的时候，也有人这么说的。不要低估AI的发展速度。以前AI只能写一写简单的逻辑。现在已经独立解决中小型的项目了。system design？对不起AI也能做，你告诉需求和限制就行，当然很欣赏你的乐观，但是所有的tech基本完蛋了
early career 要有一個很深的 core skill
senior 之後要在深度上加 breadth
最有價值的人通常是 T-shaped 或 π-shaped
从古至今帮助程序员写代码的东西多了去了。最早需要在纸带上写代码，然后有了高级语言，不用写汇编语言，然后还有了 IDE，这些工具都没有让市场降低对程序员的需求，为什么一个 AI 就可以？
不是CS没了，是混子路线快没了。以后比的不是谁码得快，是谁能用 AI 干活、还能看出它哪错了。
因为以前所有这些工具要求使用者RTFM，甚至一定程度要背下来
现在这个不需要了
好专业很难转。。。
没觉得他回复AI味很重吗 再看看他高强度发帖记录 怕不是AI agent在企图哄骗人类不会被取代
我觉得对于个人而言是变好了，Idea可以快速verify然后迭代，每个人都是超级个体
对于刚进来的从业者来说（我自己就是），“刷题进大厂”这种高度标准化、可复制的路径会越来越难走。那也没办法，追涨总是有风险
以前是 senior 带 junior，以后是 senior 带 AI，junior 自求多福吧。
Senior 也就剩2年了
同意，越来越难以刷题进大厂了，一定要有不一样的东西
作为个非码农我其实不太清楚ai对于训练集比较少的代码怎么样
我在的领域网上公开代码比较少，试了下几个agent系统都不太能写对，幻觉很多
那就是和manager一个村的
试了试冷门方向，改了两三次就出正确结果了
我们组用得最多的是在休假的人人不在天天发BE diff 不知道是不是有点浪费
第二名嘛也是个刷BE diff的。这两人还互相review对方的。这位是天天神龙见首不见尾。组里ping一天都不见回的
线上事故这种, 我预计再过几个月AI的处理速度就比人快了, 把现成的runbook丢给AI, 出现ticket了就invoke agent, 几秒钟就查出来error在log哪里了, 给rollback的权限就能rollback, 不能rollback就写code来fix然后紧急deploy
上面这一套做完, 恐怕凌晨2点的oncall眼睛才刚睁开, 手机一看已经找到root cause, change正在deploy, 可以继续睡了
第二天早上起来一看, runbook还被agent更新了, 下次处理更快了