写到第1300期——老张聊AI转型的真实故事和下一步计划
写到第1300期——老张聊AI转型的真实故事和下一步计划
适读人群：关注老张的所有人 | 阅读时长：约25分钟 | 核心价值：这不是技术文章，这是一个工程师的真实故事
今天是第1300篇。
我盯着这个数字看了很久。不是因为骄傲，更多是一种复杂的情绪——有点像你突然翻出了一本很久以前的日记，那些你以为自己已经忘掉的事，一下子都回来了。
我想写一篇不一样的文章。不讲技术，讲故事。
一切从一次失业开始
2022年底，我失业了。
不是因为公司倒闭，是被裁员。那家公司当时在做 SaaS，我做后端，Java，做了快三年。裁员原因没有明说，就是"业务调整"，赔了 N+1 走人。
那天下午我拿着盒子收拾东西，旁边坐着的同事低着头假装没看见，我装作若无其事地跟保安挥手道别，出了公司大楼，在地下车库里坐了大概半个小时，一句话没说。
那段时间刷新闻，ChatGPT 刚出来，满屏都是"AI 要取代程序员"。我当时的反应不是恐惧，而是一种很奇怪的清醒——如果这是真的，那我总不能什么都不做。
我开始认真研究 AI，不是走马观花地看新闻，是真正地去动手：调 API、读论文（我数学很烂，大部分看不懂，但努力看）、做小项目。
失业的三个月，是我学东西最快的三个月。
公众号的起点，比你想象的惨
2023年初，我入职了一家新公司，开始专门做 AI 应用开发。
那时候做了一个决定：把学到的东西写出来，开个公众号。一方面是帮自己整理，一方面也觉得，这条路上走的人不多，说不定能帮到别人。
第一篇文章，发布时间是凌晨两点多，写了三个小时，5 个阅读量——我自己、老婆、我妈（她不懂技术但每篇都读），还有两个不知道哪里来的陌生人。
我记得我当时截了张图发给老婆，说"有两个陌生人读了我的文章"，她说"挺好的，明天早点睡"。
那两个陌生人，我至今不知道你们是谁，但我很感谢你们。
接下来两个月，几乎每篇都是个位数阅读量。有一篇写了整整一天，发出去 4 个小时后，数据显示 3 个阅读。我翻了翻看，其中一个是我自己反复刷新看有没有人读。
说没有动过放弃的念头，那是假的。有一次我开着草稿，盯了十分钟，关掉了。不是不知道写什么，是觉得写了也没人看，意义在哪里。
那段时间维持下去的，说出来可能有点土：是每次写完一篇，不管有没有人看，我自己学到了东西。公众号成了我最好的学习方式——为了把一件事说清楚，我得先真正搞懂它。
那条被骂的评论
大概是第 80 篇的时候，阅读量稳定在两三百了，开始有少量留言。
那天一篇讲 Prompt Engineering 的文章，有人留言说："这明显是 AI 写的，你自己都没动脑子。"
我当时的第一反应是愤怒。我写了四个小时，亲自跑了每个示例代码，真的是自己写的。
冷静下来想了半天，我意识到他为什么会这样觉得：那篇文章写得太"教科书"了。结构完整，例子覆盖全面，语气专业中性，但没有任何只有我才能说出来的话。没有具体的场景，没有踩过的坑，没有我自己的判断和观点。
任何人都可以写那篇文章。那篇文章可以是任何人写的。
这条评论彻底改变了我写东西的方式。
从那以后，我开始写具体的。每篇开头一定有一个真实场景（可能细节做了处理，但事情是真的发生过的）。踩坑要写清楚我当时的判断、为什么错了、怎么找到的。代码要是真实跑过的，不是 demo 级别的能跑就行。
自从写了"有人味"，流量慢慢好了一些，但更重要的是，我自己觉得写出来的东西有价值了。
第 500 篇，我差点停更
2024年初，写到第 500 篇左右的时候，我经历了整个做公众号以来最难的一段时间。
不是流量的问题。那时候已经有稳定的读者，每篇有几千阅读，有人会在评论区讨论，也开始有了一些私信——"老张，我按你说的方法做了，成了"，这些是真的很开心的事。
是那段时间发生了一些私事，我不想细说，简单讲就是家里出了状况，我一边上班一边处理，精力严重透支。有两周我连续更新，但那两周的文章我后来自己去看，觉得很敷衍，信息密度低，有些代码根本没有验证就发出去了。
有读者在文章底部留言指出代码错误，我当时没有及时回，心里很内疚。
有一天晚上处理完一堆事情，坐下来打开草稿箱，脑子里空空的，什么都想不到，就直接关掉了电脑。那一段时间，我认真想过是不是要先停更一段时间。
最后决定继续的原因，说起来很普通：有读者给我发了一条私信，说他们公司按我的某篇文章实施了 RAG 方案，效果很好，项目顺利推进，老板夸了他。他说"不知道会不会有人给你反馈这种事，但我想说声谢谢"。
我当时就想，如果我停了，下一个需要这些东西的人可能找不到，或者找到的是更烂的资料。
这个想法很中二，但真的是支撑我继续的原因之一。
AI 工程化：我的真实判断
写到第 1300 篇，我想说一些不那么主流的看法。可能有人不同意，但这是我做了两年 AI 应用之后形成的真实判断。
一、大多数企业的 AI 应用，RAG + Function Calling 就够了
RAG + 工具调用 + 好的 Prompt，能解决 80% 的企业 AI 应用需求。你不需要 Agent 框架，不需要 LangGraph，不需要复杂的多 Agent 协作。我见过很多团队把简单问题复杂化，用了很复杂的技术架构，但核心业务逻辑一百行代码就能写完。
复杂的 Agent 系统在 Demo 很好看，在生产环境很难维护。在你真正搞清楚简单方案的边界在哪里之前，不要用复杂方案。
二、模型之间的差距在缩小，但不会消失
有人说"大模型即将同质化"，我不完全同意。模型之间的差距确实在缩小，但具体场景的差距仍然存在。Claude 在代码质量上确实有优势，DeepSeek 在中文和性价比上确实有优势。
但更重要的判断是：未来模型能力提升带来的收益，会越来越多地被工程化能力所决定。同样调 GPT-4o，一个会做 Prompt 工程化、会做评估、会做成本优化的团队，和一个直接调 API 的团队，效果差异可以是数倍。
技术在拉平，工程在拉开差距。
三、AI 不会取代程序员，会取代不会用 AI 的程序员
这句话说滥了，但我觉得还是真的。我现在用 Claude Code 来帮我做代码 Review、写测试用例、重构有点烂的老代码。它帮我节省了大量时间，但这些工作最终还是我来判断、我来决策、我来承担。
真正的风险不是 AI 取代工程师，是工程师把判断外包给 AI，让 AI 替他们做决策，然后不知道为什么出了问题。
四、这波 AI 热不是泡沫，但很多具体产品是
2024 年有太多"AI 包装"的产品——把大模型 API 套一个皮，做一个 AI 写作助手、AI 简历优化、AI XX 工具，拿了一些融资，但半年后关了。
这不是 AI 的问题，是没有真正的产品价值，只有功能。AI 的能力是真实的，但用 AI 解决什么问题、对谁有价值，这个判断是人要做的，不是 AI 能替你做的。
最终能活下来的 AI 应用，一定是真正解决了某个具体、痛的、有付费意愿的问题。
五、本地部署会越来越重要（但不是所有人都需要）
数据主权、隐私保护、监管合规，这些因素会让本地大模型部署越来越普遍。Ollama 生态已经足够成熟，一台配备 A100 的服务器能跑 70B 的模型，效果对大多数企业场景已经够用。
但这不意味着每个企业都应该本地部署。云端 API 的成本在降，小团队、初创公司用 API 完全合理，自建有自建的运维成本。关键是根据你的数据敏感度和规模来判断，不要因为"本地部署听起来高级"就做这个决定。
1300 篇，我学到了什么
两年多，1300篇，这个过程里，我自己得到了什么？
技术层面：比两年前懂得多太多了。这不是谦虚，是真的。当我给读者讲 RAG 优化的时候，我必须真正搞清楚每个细节，因为有高水平的读者会在评论区指出错误。这种"被迫学习"的压力，让我保持了很高的学习密度。
表达层面：我现在写东西比两年前好多了。好在哪里：更具体，更有逻辑，更愿意说清楚"为什么"而不只是"是什么"。这个能力是练出来的，不是天生的。
认知层面：这是我最意外的收获。公众号让我有机会和很多工程师交流——他们在一线做真实的项目，遇到真实的问题，反馈给我真实的信息。这比我自己闷头研究要有价值得多。
心态层面：做了这件事，我不再担心 AI 取代我了。不是因为我有什么特别的技能，而是因为我知道我在持续地学、持续地输出、持续地迭代。学习本身成了一种习惯。
我要说对不起的那些文章
翻回去看早期的文章，我看到了一些让我不太好意思的东西。
有几篇文章里的代码，后来被读者指出有 Bug，我修了，但改错误不能改后悔。有几篇文章的观点，现在回看我自己都不完全认同了，当时的判断不够成熟。
还有一些文章，在我最累的时候写的，内容密度明显低，干货比例明显少，是用来凑更新频率的。
我不想删掉它们，因为那是那个阶段真实的我，但我要对那时候读到这些文章的读者说一声：对不起，没给你最好的内容。
下一步计划
第 1300 篇之后，我有几个想法，说出来听听大家意见。
一、从"技术教程"到"工程判断"
这一批文章（从 1283 到 1300）我明显感觉到，我更想写的不只是"怎么做"，而是"为什么这样做"、"什么时候这样做"、"这个做法有什么局限"。
后续我想更多写工程判断类的内容：选型背后的逻辑、成本和效果的取舍、团队落地的方法论。这些东西更难写，但我觉得对真正在落地 AI 的人更有价值。
二、做更多真实案例复盘
我手里积累了不少真实案例，有成功的，也有失败的。失败的案例比成功的更有价值，因为失败有很多种，成功往往就那几种套路。
我想把这些案例整理出来，当然会做必要的隐私处理，但尽量保持细节的真实性。
三、对 AI 的长期判断
我有一些对 AI 未来 3-5 年走向的判断，比较有争议，不打算全部说出来。但我会陆续在文章里表达，欢迎拍砖——我觉得有争议的讨论，比大家都点头认可更有价值。
写给每一个想转型 AI 的工程师
如果你现在是一个想往 AI 工程方向走的程序员，我想对你说几句真实的话。
不要等"准备好了"再开始。 我当初失业时开始学 AI，状态不好、时间有限、基础不扎实，但就这样开始了。等你感觉"万事俱备"，机会可能已经过了一半。
不要用"看"代替"做"。 看教程不等于会了，看了 10 个 RAG 教程，不如自己从零做一个可以实际使用的文档问答系统。做的过程里遇到的问题，才是真正让你成长的东西。
不要追技术，追问题。 新框架每周都有，新模型每个月都出，追不完的。但企业里真实的问题——文档太多找不到信息、客服效率低、合同审核慢——这些问题在 AI 出现之前就有，AI 只是让解决方案变得更便宜了。从问题出发，技术只是工具。
保持耐心，坚持输出。 你最开始写的文章、做的项目，可能没人关注，可能自己回看觉得很烂。这是正常的。1300 篇的背后，是 1200 篇的前期积累，而最初的几百篇，坦白说，都不怎么样。
谢谢你们
最后，我想认真说一下感谢。
谢谢每一个读到最后的读者，不管你是第一篇就关注了，还是今天第一次看到这个公众号。
谢谢每一个在评论区留言的人。技术问题的讨论、指出错误的批评、说我写得有帮助的鼓励，每一条我都认真看过。你们的留言是这两年多支撑我写下去的重要原因之一。
谢谢每一个转发过我文章的人。你们帮这些文章到达了更多需要的人那里。
谢谢我老婆，她每篇都读（哪怕有时候她说看不懂），在我状态不好的时候推了我一把，在我写得太晚的时候叫我早点睡。
1300 期不是终点。
如果你问我，这两年多做这件事后悔过吗？没有。哪怕有那些流量惨淡的时候，有那些被质疑的留言，有那些写不出来的深夜——都不后悔。
因为这件事让我变成了一个更好的工程师，更好的表达者，以及（我希望是）一个在这个领域里真正有价值的声音。
下一篇见。
——老张，2025年4月，于深夜