当你不再是新手后，实际会有什么变化

Source: Dev.to

真正随时间变化的东西

当人们听说我在人工智能和全栈开发方面拥有8年的经验时，通常会想象一个充满突破、创业公司和革命性产品的故事。
事实更为现实——也更有价值。

在这个领域接近十年后，我了解到，成为高级开发者并不是掌握更多语法；而是以不同的方式思考问题、系统以及长期可靠性。

初入职场 — 学习万物，却只懂皮毛

在职业生涯的起点，我的目标很简单：

• 学习尽可能多的技术。
  前端框架、后端框架、数据库、云服务、移动应用、AI 库——我都涉猎过。

在那个阶段，进步感觉很快，因为每周都有新东西可以发现。但回头看时，我意识到一件重要的事：

会用工具并不等同于理解系统。

我可以构建功能。我可以完成项目。我可以遵循文档。但我还不明白为什么软件在真实的生产环境中会出错。

真正的经验从以下时刻开始：

• 你的代码面向真实用户运行
• 真正的流量冲击你的服务器
• 意外的数据打破你的逻辑
• 截止日期迫使做出真实的决策

这才是真正的开发开始的地方。

全栈开发让我明白一切都是相连的

作为全栈开发者的工作彻底改变了我看待软件的方式。当你只专注于某一层时，问题看起来很简单。而当你同时涉及：

• 前端
• 后端
• 数据库
• API
• 部署
• 云基础设施

时，你会很快意识到：大多数 bug 并不在你以为的地方。一个运行缓慢的应用可能是数据库问题。一次崩溃可能来源于 API。糟糕的 AI 输出可能源自错误的数据。

经过几年后，你不再只在文件和函数之间思考，而是以系统的角度来思考。这是以下角色之间最大的区别之一：

• 初级开发者 → 编写代码
• 中级开发者 → 构建功能
• 高级开发者 → 设计系统

AI 开发 — 在不确定性中的工程

当我开始从事 AI 工作时，我以为它会与传统开发截然不同。事实确实如此——但并不是大多数人想象的那种方式。

在普通软件中：

Correct code → predictable result

在 AI 系统中：

Correct code → unpredictable result

这会改变你的工作方式。你会更多地关注：

• 数据质量
• 评估方法
• 流程管线
• 性能优化
• 可复现性

很多人认为 AI 开发就是训练模型。实际上：

80 % 的 AI 工作是数据、基础设施和调试。模型只占很小的一部分。

AI 很快就不再是研究，而是在不确定性下的工程实践。

速度不是目标 —— 可靠性才是

在职业生涯早期，我用速度来衡量自己：

• 我能多快完成这个构建？
• 我能多快完成这个功能？
• 我能多快部署？

经过多年真实项目的历练，我学到了不同的东西：任何人都能做出演示；但并不是每个人都能构建出能够在生产环境中长期运行的系统。

实际经验会教会你：

• 编写更简洁的代码
• 设计更清晰的架构
• 避免不必要的复杂性
• 首先考虑可维护性

好的代码并不是最聪明的代码。好的代码是指即使经过数月的更改后仍然能够正常运行的代码。

八年后的最大差异 —— 你变得平静

最大的变化不是技术层面的，而是心态。当出现故障时：

• 初级 → 恐慌
• 中级 → 立即调试
• 高级 → 理解系统为何会出现该问题

在从事网页平台、移动应用、AI 系统、后端服务和云基础设施的工作后，你会开始看到模式的重复。服务器会宕机。模型会漂移。用户会有意想不到的行为。需求会变化。大多数问题并非全新，只是看起来新。经验让你更镇定、更专注，也更务实。

最后的思考 — 技术在变，原则不变

在 8 年里，我见证了许多趋势：

• 新框架
• 新的 AI 模型
• 新的架构
• 新的炒作周期

但有些东西永远不变：

• 干净的设计很重要
• 优质的数据很重要
• 简单的解决方案很重要
• 清晰的思考很重要

在这个领域长期坚持的开发者，并不是那些追逐每个新工具的人。他们是那些真正理解 系统是如何运作的——以及在一切变得复杂时如何保持系统运行 的人。