陈然的公开内容

之前引用过一个笑话： "程序员有个著名的笑话，这么说的：'老公，晚上回来买一个西瓜，如果看到西红柿，就买两个。'晚上，老公买了两个西瓜回来，老婆问为什么，老公说，'因为看到了西红柿。'程序员看到了一定会心一笑，甚至认真的人还会辩解说完全没有什么问题，认为这是对于语言严谨的追求。" 这个笑话说明编程其实改变了我们的思维方...

其实写代码和写文章一样难，但是难在不同的地方。在《好学生学不会 THE UNTEACHABLE STUDENT》中我分享了一个观点："他们接受的训练就是去分析、研究和寻找问题，而且他们在这方面相当在行。他们能很快找出任何问题的负面影响，在行动之前，他们会问很多问题，确保自己了解所有的事实。" 有意思的是，这个特点在面对...

当了程序员最大的感受，就是当你真正进入行业，会发现实际工作和在学校里学习完全是两回事。 实际工作中，代码量只是整个软件工程中很小的一部分。花在写代码上的时间可能只占20%，更多的时间是在做设计、测试、部署、运维，以及最重要的：跟人沟通。 Conway's Law（康威定律）说组织的架构决定了系统的架构。当你真正进入行业...

编程最大的难点其实都不在这些技术层面上，而是在于如何把一个复杂的现实问题转化为计算机可以理解和执行的形式。 我之前中提到过一个观点："部署、运维等工具的逐渐标准化使得重复造轮子的需求越来越弱，越来越多的工程师核心任务并不是研发，而是整合（Integration）。"这背后的深意是：现在的编程工作，难点已经从"如何实现"...

这个问题让我想到了一个本质的观点：学习编程不是为了看会做什么，而是要真正理解和掌握。 从我在CMU的经历来看，最重要的不是获取知识的方式，而是如何让知识真正变成自己的。正如我在《如何做错题集》中说过的： "因为学习就两步：1.找到不会的，2.把不会的变成会的。绝大部分人把时间花在了做题上，而忘了其实做题是为了找到不会的...

今天听到了几个观点，觉得很有意思： 有些公司已经开始允许用 GPT 和 Google 来帮助候选人面试，但是必修要共享屏幕让面试者看到你如何写 prompt 如何 debug。 还有一个核心的思考：要找一个会用AI的人，还是找一个会用AI作弊的人，还是找一个会刷题的人？ 所以引发的一些思考。 随着人工智能技术的迅猛发展...

随着生成式AI（Generative AI，简称Gen AI）技术的不断发展，越来越多的领域开始探索其应用潜力。从图像生成、文本创作到音乐编写，生成式AI展现了其强大的能力。然而，当我们谈论生成式AI原生应用（Gen AI native applications）时，我们不仅要关注其带来的知识价值，更应该看到其在情绪价...