Vibe Coding 时代下的全栈开发

  9:00  查看设计稿，理解要做什么功能
10:00 用 React/Vue 写组件代码
12:00 午休
14:00 和后端对接 API，调试数据展示
16:00 修复 bug，优化页面性能
18:00 代码评审，和团队讨论技术方案
  

  9:00  查看 API 需求文档
10:00 设计数据库表结构
11:00 写 API 接口代码
14:00 和前端联调，修复接口问题
16:00 优化慢查询，处理线上问题
18:00 代码评审，写技术文档
  

  第 1 阶段：建立根据地
└── 选一个方向深入（建议从前端或后端开始）
└── 达到能独立完成项目的水平

第 2 阶段：横向扩展
└── 学习另一个方向的基础
└── 能完成简单的全栈项目

第 3 阶段：融会贯通
└── 理解前后端如何协作
└── 能设计完整的技术架构

第 4 阶段：持续精进
└── 在某个领域保持深度
└── 其他领域保持"能用"水平
  

  AI 工程师（2025）
    │
    ├── 基础能力
    │   ├── Python（主力语言）
    │   ├── 数据处理（Pandas, NumPy）
    │   └── 基本数学直觉（线性代数、概率统计）
    │
    ├── 大模型应用（最热门方向）
    │   ├── Prompt Engineering（提示词工程）
    │   ├── RAG（检索增强生成）
    │   ├── AI Agent（智能体，让 AI 自主完成任务）
    │   ├── Function Calling / MCP（让 AI 调用外部工具）
    │   └── 微调与部署（LoRA, vLLM）
    │
    ├── 生成式 AI（GenAI）
    │   ├── 文本生成（GPT, Claude, Gemini）
    │   ├── 图像生成（Stable Diffusion, Midjourney, FLUX）
    │   ├── 视频生成（Sora, Kling）
    │   └── 多模态（文本 + 图像 + 音频）
    │
    └── 传统机器学习（仍然重要）
        ├── 监督学习（分类、回归）
        ├── 深度学习框架（PyTorch）
        └── 模型评估与优化
  

  9:00  查看模型训练结果，分析指标
10:00 数据预处理，清洗训练数据
12:00 午休
14:00 调整模型结构，尝试新方案
16:00 跑实验，对比不同方案效果
18:00 写实验报告，和团队讨论下一步
  

  ┌─────────────────────────────────────────┐
│  第 3 层：判断力（AI 替代不了）           │
│  - 知道什么是对的                        │
│  - 知道什么是好的                        │
│  - 知道该往哪个方向走                    │
├─────────────────────────────────────────┤
│  第 2 层：架构思维（AI 辅助）             │
│  - 系统设计能力                          │
│  - 模块划分能力                          │
│  - 技术选型能力                          │
├─────────────────────────────────────────┤
│  第 1 层：代码实现（AI 擅长）             │
│  - 语法编写                              │
│  - API 调用                              │
│  - 常见模式实现                          │
└─────────────────────────────────────────┘