gzman29

我儿子有一个最好的朋友，他的父母都是和我们差不多同时期的大学毕业， 不过他们都是研究生毕业，都是IT 而且父母在加拿大也是做IT的， 他们培养儿子的english 数学等非常厉害。他儿子打游戏也比我儿子厉害。 而且这个小孩初中就考上IB， 一路上是补习不断。我也劝他们让小孩参加运动比赛， 他们也听拉， 进入我儿子的游泳俱乐部练拉三年， 但是他觉得儿子成绩没有上去， 就停掉游泳比赛。 不再参加 。 同时我劝他和小孩一起编写程序， 带儿子入门， 我也不知道他听进去没有。 总的来说我让我儿子参加计算机比赛时，也叫他儿子， 带带他， 一起组队。 我送小孩去， 他接小孩回来， 回来的时候他说一个组四个人就我儿子一个人干活， 其它三个都是打酱油的。 我说慢慢来。
只是后来他根本没有坚持。我也做罢。
他儿子和我儿子一起考入滑铁卢。 而且一起租房子， 可惜他儿子无法约束自己， 打游戏戒不了， 导致挂科而不得不换专业。 还好他找一个女朋友， 人家一起慢慢走出来拉， 他也顺利延迟一年毕业。 目前还可以。

gzman29

305的贴补充和修改

我有个朋友，男的是上交大计算机硕士， 女的是清北的法律硕士， 儿子来这边上高中。 来加拿大又生一个女儿。 彼此离婚， 但是男方的抚养费和政府对单身母亲的福利足够他们生活，女的非常努力， 要拉两个小孩的抚养权。一手把小孩养大，男孩去啦军校服役5年 然后政府出钱他自己攻读MBA， 现在在加拿大五大银行的一个投资部门做管理， 管理100多号人的团队。 不过这个男孩不到30岁， 现在已经是director 总监拉。 能力非常强， 升职为总监。 确实厉害。

Ciccio

点个赞☺

gzman29

@Ciccio 多谢， 我自己是在记录我目前的部分生活琐事。 不过重点是女儿的培养和成长。

gzman29

刚刚打匹克球回来， 那里打球的人很多，和一个以前的邻居聊天，她也是非常厉害的女性， 到加拿大之后， 跨行业做跨国公司的税务一块， 人非常聪明和智慧， 写啦好多作品， 是一个真正的才女。她的观点也确实有独特之处， 人都是命， life is short ， just enjoy! 我挺认可的。 所以有时候想想没有必要给女儿太多的课外活动， 让她顺其自然也挺好的

gzman29

高中同学群的一个同学突然给我发一个私信： 一位许姓的女同学， 最近刚刚回到老家休息，是胃癌晚期， 估计不会太久拉， 人很瘦， 1.7身高才几十斤， 说话都有点有气无力。 我一听好难受， 人过50拉， 我已经55拉， 所以健康和家庭和睦最重要， 其它都是浮云。

gzman29

我小时候生产队的小伙伴就那么几个， 十来个， 已经走拉三个， 年纪都比我小。所以命由天定， 别太拼拉。 可是转投一想， 如果我不拼的话， 广东几百万的农民工里恐怕就有我， 老来没有退休金，儿女也是农民。根本没有出头的日子。

gzman29

今天早上去游泳的时候， 碰到儿子以前游泳俱乐部的一个老队员， 杰森， 他已经30拉， 我儿子小学三剪辑进俱乐部的时候， 那是他最后一年。所以认识， 他哥哥史迪闻也是这个游泳俱乐部的， 所以彼此熟悉。 杰森可是多伦多大学毕业，（这个大学在世界的名气可比滑铁卢大学响多拉）。可惜毕业后一直没有找到合适的工作， 人也非常诚实， 所以就在社区游泳池做救生员， 而且是part time， 只能拿最低公司17块一小时。经常去游泳的一个白人， 人非常好， 他知道这个情况后， 他本人就在costco 上班， costco的工资还不错， 25到30 一小时。 年薪6万左右， 但福利特别好， 就说等有机会就给他一个reference， 看看能否有机会。
他哥哥我记得也是多伦多大学毕业， 学音乐的， 想做学校的老师， 可惜一直没有机会， 后来跑到温哥华， 转行做理疗和康复， 杰森说他哥哥目前还不错。

其实我和他父母也认识，一起给游泳俱乐部做过义工， 他爸爸做IT，来自hongkong， 52岁被裁员，就再也找不到工作， 他妈妈在一个杀鸡厂工作， 具体说什么没有问。 特挺幸苦的。
两兄弟其实人非常好，只是没有合适的机会。
回家的路上我是一路感叹：

gzman29

我儿子游泳俱乐部的事情可多啦，一个中国家庭， 男的做IT， 女的也不错， 两个小孩也在游泳俱乐部游泳（这是竞技比赛）只是他的大小孩比我儿子大， 小小孩比我女儿大， 没有一起做过义工， 但是非常熟悉。 一家人， 双方父母都来住， 男方的姐姐和女方的一个姐妹都带小孩过来陪读， 家里就非常拥挤， 但是听说一直不错。 但是男的由于身体有点肥胖干不了重活， 所以每次去购物都是女的把东西从车上搬回家。一个和我还有这对夫妻都非常好的的朋友告诉我： 有一次， 买拉三袋米， 女的总想这回你总的拿一袋回家吧，（一般8公斤一袋）没想到男的居然对女的说： 你先拿两袋回家 ， 然后再来一趟拿第二袋； 说完就回家了。女的估计当时非常生气 但是不发火， 毕竟家人人太多。就和我的这个朋友说拉。 不过好几年前， 女的得拉癌症， 男的就大改变拉， 什么事情都做。 可惜晚拉， 女的没有多久， 就离开。 男的估计非常悲伤。 问题是女方得妈妈已经移民加拿大，女的留下遗言让妈妈回国让女的兄弟抚养。 可是女方得妈妈好像不愿意， 于是搬家去公寓，待拉一段时间，闹出一些变故最后如何就不得而知。 愿这位女性天堂安息， 她的妈妈老有所养。

gzman29

其实这位女的如果能有一个好的渠道能让自己得内心得情绪疏通和释放， 或许会好一些。同时如果只是经营自己得一个小家庭， 或许不会有这么多额外的压力。

gzman29

AI的时代已经来临， 留给我们只有几年的缓冲期， 所以大家都需要接受AI的到来和AI的革命
传统公司：
老板/管理者 → 中层 → 基层员工 → 执行

AI时代：
少数有判断力的人 + AI → 大量完成过去需要很多人的工作

未来3～5年可以看作一个“AI缓冲期”。以前公司需要很多人，是因为复杂任务必须拆成很多小任务，让不同部门、不同层级的人完成；而AI越来越能够同时承担分析、总结、协调和执行，因此组织可能变得更扁平，中间层级和大量“按照流程办事”的办公室岗位受到的冲击最大。

作者认为未来最重要的是这5种人
类型核心能力简单理解
1 下达正确指令的人决策、理解全局知道应该做什么
2 问对问题的人分析、提问知道真正的问题在哪里
3 AI守门人专业知识、判断能发现AI哪里错了
4 现实执行者动手、现场解决问题把AI方案真正落地
5 承担责任的人判断、责任、领导力最终敢说这个决定我负责

而且这五种角色并不是五个不同职业，一个优秀的人可能同时具备其中三四种能力。

真正与你竞争的不是AI，而是“会使用AI的人”。

例如AI可以生成非常漂亮的图片，但首先得有人知道自己想表达什么；AI可以分析复杂问题，但首先需要有人发现问题、提出正确问题，并判断AI给出的答案是不是靠谱。

所以作者认为，未来人与人之间最大的差距可能从：

“谁知道得更多”

逐渐转向：

“谁更清楚应该让AI做什么”。

对学习和孩子教育 应该越来越偏向：

理解事情全貌 → 理解系统怎么运行 → 发现问题 → 提出问题 → 找解决办法 → 用AI执行 → 判断AI结果。

因为单纯的知识搜索、记忆、总结，AI越来越强；但是**“现在到底应该解决什么问题？”**仍然需要人的理解和判断。

这其实和 hands-on / hands-off、FDE、Software Engineer以及孩子未来学AI 是同一条逻辑。

例如未来比较有价值的工程师可能不是：

老板告诉我需求 → 我写5000行代码 → 完成任务

而更像：

客户有一个模糊问题 → 我理解业务 → 找出真正问题 → 设计方案 → 指挥AI写大量代码 → 自己检查 → 部署到现实环境 → 出问题我解决。

这种人其实同时占了文章里面的 指挥者 + 提问者 + 守门人 + 执行者 + 责任人。

所以这篇文章并不是在说：

“以后不要学Coding，因为AI会Coding。”

恰恰应该理解成：

Coding本身越来越不是最终竞争力；懂技术，同时能够发现问题、定义问题、使用AI、判断结果、沟通并把东西真正做出来，才会越来越值钱。（借鉴于chatgbt）

gzman29

以前学 Coding 更多是为了：

将来当程序员，自己一行一行写代码。

AI时代更应该把它理解成：

学习如何理解计算机、拆解问题、设计系统，以及指挥和检查AI。

我会继续让孩子学，但改变学习方法

未来不应该追求“孩子能背多少 Python/Java 语法”。因为这一部分AI已经非常强。

真正值得培养的是下面这条能力链：

发现问题 → 拆解问题 → 设计解决方案 → Coding/AI实现 → Debug → 测试 → 改进 → 做成真正的作品

所以 Coding 依然是非常好的训练工具。

gzman29

所以未来 Coding 更像今天的数学：

不是因为以后每个人都要当数学家，所以才学数学。

而是数学训练一种思考方式。

Coding也是如此。

但是，我不会让孩子走“刷Coding”的路线

这一点我反而比以前更确定。

如果一个12岁孩子 我可分给：

数学 + Coding + AI Project + 英语表达 + 体育 + 兴趣活动

Coding达到一定基础以后，应该越来越多地转向做东西。

比如：

Grade 7–8：

Python → 小游戏 → Animation → 小网站 → 数据分析 → 简单AI

Grade 9–10：

Python/Java → Algorithms → Web/App → API → Database → Git → AI API

Grade 11–12：

真正的AI Project → Machine Learning → 数据 → 部署 → Hackathon → 给真实用户使用

到了后面，AI可以大量参与Coding。

关键不是禁止孩子使用ChatGPT/Copilot，而是要求她：

“AI写的代码，你能不能解释？”

这是非常好的标准。

gzman29

同样对于IT人员， 这样的角色原来越重要， 同时也越来越值钱
技术扎实 + AI + 业务理解 + 沟通 + 能把事情落地
AI + Finance
AI + Healthcare
AI + Manufacturing
AI + Insurance
AI + Robotics

这是我儿子目前做的工作。估计好多人还没有看透， 但是作为一个在IT行业干一辈子的老菜鸟， 我明白这里的内在逻辑。

gzman29

而这个角色， 在硅谷的需求增加吧倍速是爆炸级别的。
2026年4月的 这个角色的招聘职位数量比2025年同期增加超过 5,000%。
这个角色对coding的要求是非常高，因为你要能驾驭AI生产的coding 提出修改等

gzman29

一般不是美国藤校， 或者IT特别厉害的学校学生都很难进入。因为一大批对IT熟练的IT工程师，却找不到工作， 不是技术不行，而是在AI面前没有及时调整而导致的。

紫薇陈皮

看完了你发布的经历，好自由，你的子女也好优秀。我也想到国外看看，但我只是普通本科，20岁还毫无成就，家庭也有限，羡慕精彩的你

gzman29

1. Coding：不是写得最多，而是必须“看得懂、改得动、救得回来”

这是一个很容易产生误解的地方。

AI可能10分钟生成过去工程师一天甚至几天才能完成的代码。但是：

AI生成代码 ≠ Production-ready system。

FDE面对的可能是AI一次生成几千行代码。真正需要人的地方是判断：

代码逻辑是否正确？
abstraction 是否合理？
有没有重复逻辑？
module boundary 是否正确？
数据结构是否合理？
concurrency 有没有问题？
exception handling 是否完整？
performance bottleneck 在哪里？
有没有 security vulnerability？
以后能不能维护？

所以未来高级工程师可能从：

Code Writer

逐渐变成：

Code Architect + Reviewer + Debugger + AI Orchestrator

这也是为什么我不赞成“AI会Coding，所以孩子不用学Coding”。

恰恰相反，你自己不懂代码，就很难判断AI产生的代码到底是好还是坏。

gzman29

@紫薇陈皮 每个人的人生都是非常精彩，走的路不同， 路边的风景有不同。 过好自己每一天， 就是最好的精彩， 当机遇来到时， 能敏锐的抓住， 就是最大的成功

gzman29

2. 客户需求理解：可能比Coding本身更加重要

传统SE经常收到的是：

Jira ticket：Add customer search API.

然后开始写。

FDE面对的可能只有客户的一句话：

“我们客服效率太低，AI能不能帮忙？”

这根本不是一个technical requirement。

FDE首先要继续问：

到底哪里慢？

是找客户资料慢？

还是阅读历史邮件慢？

还是判断客户问题慢？

还是不同系统之间数据不通？

还是客服不知道应该采取什么action？

最后可能发现真正的问题并不是“需要一个AI chatbot”，而是：

CRM + Email + Knowledge Base + Internal API之间的数据和workflow没有打通。

这时候FDE真正值钱的地方出现了：

模糊业务问题 → 可以实施的技术问题。

gzman29

3. Communication：不是“英语好”这么简单

FDE经常需要同时跟完全不同的人交流：

公司管理层

关心：

ROI多少？
能节省多少人力？
多久上线？

业务部门

关心：

会不会改变我的workflow？
AI会不会经常出错？

IT

关心：

API怎么接？
Identity怎么处理？
数据在哪里？

Security

关心：

PII怎么办？
数据会不会进入模型训练？
权限怎么控制？

Engineering

关心：

Architecture是什么？
Latency多少？
怎么scale？

所以FDE必须能够把：

Business Language ⇄ Technical Language

互相翻译。

这其实是非常难被AI完全替代的一种能力。

gzman29

4. System Architecture：AI越能写代码，这项能力越重要

假设客户说：

“我们有500万份PDF，希望员工能够问AI问题。”

AI当然能帮你写RAG代码。

但是FDE真正要决定的是：

Document Storage
↓
Parsing / OCR
↓
Chunking
↓
Embedding
↓
Vector DB
↓
Retrieval
↓
LLM
↓
Guardrails
↓
API
↓
Authentication
↓
Logging / Monitoring

这整个系统怎么设计？

更麻烦的是：

500万documents怎么更新？
权限不同怎么办？
一个员工能不能搜另一个部门的文件？
hallucination怎么办？
latency怎么办？
model换了怎么办？
cost突然增加10倍怎么办？

这些已经不是“Prompt Engineering”。

这是 System 的一个生态架构

gzman29

5. Cloud：FDE不能只停留在本地Demo和简单的PPT

这是很多AI项目的分水岭。

在Laptop上：

python app.py

运行成功。

非常容易。

真正上线：

AWS / Azure / GCP → Containers → Kubernetes/Serverless → Load Balancer → Database → Cache → Secrets → IAM → Monitoring → CI/CD

马上复杂很多。

所以一个优秀FDE不能只会：

“我的AI Demo跑起来了。”

而应该知道：

怎样让5个人用 → 500人用 → 50,000人用，而且系统不会崩。
遇到数据异常， 资源优配， 异常攻击等各种极端条件， 系统能否还在运行

gzman29

6. Security：企业AI里面尤其重要

例如银行把客户资料交给AI。

FDE必须想到：

Authentication
Authorization
Encryption
Secrets Management
Data Isolation
PII
Audit Logs
Prompt Injection
Data Leakage
Model Access Control

举个非常典型的问题：

员工问AI：

“告诉我公司的已经盈利多少。”

AI可能真的从内部信息里面找到了。

技术上：

AI工作正常。

但是系统实际上：

严重失败。

因为真正的问题不是“AI能不能找到答案”，而是：

这个用户有没有权限看到这个答案？

这就是为什么企业AI和普通ChatGPT Demo完全是两个世界。

gzman29

7. Deploy：从95%完成到真正上线，可能是最困难的5% （其实这就可以看出一个工程师真正的水平拉）

很多项目：

Prototype：2周

看起来非常漂亮。

然后：

Production：6个月。

为什么？

因为真实世界会出现：

Legacy systems
Dirty data
Permissions
Compliance
Network restrictions
API limitations
Latency
Cost
Monitoring
Edge cases
User behavior

FDE真正值钱的地方往往就在这里：

把“看起来能工作”变成“真的每天有人使用”。

gzman29

8. AI让FDE产生一个新的核心能力：AI Orchestration

这可能是未来非常重要的一项。

以前：

Engineer → Coding

现在：

Engineer → AI Agents → Coding

未来

一个FDE可能同时指挥多个AI Agent。

因此人的工作越来越像：

Technical Director

而不是单纯Programmer。

gzman29

9. 但有一个非常重要的问题：AI生成的系统容易“能跑但很烂”

例如AI不断帮你：

Add feature
Fix bug
Add another API
Add another exception
Add another workaround

半年以后代码可能变成：

补丁--》 补丁 --》补丁 --》补丁..........

虽然还能运行，但是架构已经越来越糟糕。

这时候FDE能够

重新定义module boundary
重新设计data model
抽象common logic
删除duplicate code
重新设计API
拆microservice或者反过来合并service
重写关键部分

也就是你说的：

修改、调整、结构重构、逻辑重构。

我认为这恰恰会成为未来Engineer非常重要的价值。

gzman29

10. 所以我会把未来FDE能力画成这样

第一层——Engineering Foundation

Coding → Algorithm → Data Structure → Database → OS/Network

第二层——System Engineering

API → Architecture → Distributed Systems → Cloud → Security → DevOps

第三层——AI

LLM → RAG → Agents → Evaluation → AI Coding

第四层——Business

Understand Customer → Discover Problem → Define Requirement → ROI

第五层——Human

Communication → Negotiation → Leadership → Ownership

FDE

Understand → Design → Build with AI → Review → Refactor → Secure → Deploy → Operate → Deliver Business Result

这也是为什么我认为 FDE不是一个适合刚学几个月Coding的人就直接去做的简单岗位。

真正优秀的FDE很像以前几种人的组合：

**Senior Software Engineer

Solution Architect
AI Engineer
Cloud Engineer
Consultant
Product Manager**

当然，一个人不可能每项都是专家。但他必须有足够宽的技术面，并且至少有一两个领域真正深。

因此AI时代出现了一个看起来有点矛盾的现象：

AI降低了“产生代码”的门槛，却可能提高了“负责整个系统”的能力门槛。

这也是我认为未来教育最值得注意的地方。不要因为AI会写代码，就减少孩子对Coding、数学和计算机基础的学习；应该把目标从“培养一个写代码的人”，提高到“培养一个能够利用AI解决复杂问题的人”。

gzman29

孩子之间的认知能力确实存在差异，而且有时差异不小；但对于大多数智力处于正常范围的孩子，“最后能不能上大学、能走多远”，绝不是IQ一个变量决定的。

我更倾向于用一个“乘法模型”来看：

长期学业结果 ≈ 认知能力 × 自律 × 学习方法 × 兴趣/动力 × 家庭与学校环境 × 情绪稳定性 × 长期坚持 × 机会

其中任何一项长期很弱，都可能产生巨大差距。

为什么小时候看起来差不多，十年以后差距很大？