搜索[软件工程]结果-低调大师优秀个人博客

精选列表

搜索[软件工程]，共2509篇文章

每日一博 | 细数软件工程各阶段必不可少的那些图

一、前言 软件工程中规定，软件生命周期由软件定义、软件开发和运行维护（也称为软件维护）3个时期组成，每一个时期又进一步划分为若干个阶段。软件定义时期包括问题定义、可行性研究、需求分析三个阶段。

2020-09-15

软件工程师是更好的选择

可能你会感到奇怪，许多人都渴望成为一名数据科学家，数据科学可能是21世纪最热门的工作，但这却让另一个高薪职业贬值——软件工程师。如求职者在数据科学和软件工程领域均有经验，我的答案是从事后者。

2020-05-29

英特尔高级软件工程师张建：开源是未来趋势

在下午峰会上，Intel亚太研发有限公司云存储技术组高级软件工程师张建先生带来题为“优化Ceph效能的最佳实务与技巧”的主题演讲。会后坐客ZD专访间接受记者专访。

2017-07-31

计算机科学家 Margaret Hamilton 去世，“软件工程”术语创造者

Margaret Hamilton——那个站在一摞齐腰高的阿波罗代码打印纸旁边、让无数人第一次意识到『写代码』可以是什么的软件工程师——于 2026 年

2026-10-09

老派软件工程才是护城河

AI 写代码越来越快，快到你开始怀疑自己的手艺还有没有用。现在流行一种模式：写份需求规范丢给 AI 生成代码，出了 Bug 也不看代码，只改规范让 AI 重来。很多人高呼：代码很廉价，基础能力过时了。

2026-09-16

谷歌力撑 Go ，称其为 AI 辅助软件工程的理想编程语言

Google 官方博客发表了一篇立场鲜明的文章，论证 Go 是 AI 辅助软件工程的理想语言。

2026-08-12

Agent 系统的不确定性治理：当软件工程遭遇"梯度下降"

传统软件系统的核心契约可以用一句话概括：输入决定调用，调用决定输出。这个链条在编译期就已锁死，运行时只是执行早已写好的剧本。

2026-08-12

东软发布：《数据驱动的AI原生软件工程战略发展白皮书》

今天，东软集团正式发布《数据驱动的AI原生软件工程战略发展白皮书》。

2026-07-17

在鸿蒙应用开发中编译构建是开发者最频繁的操作，每一次编译提速都能显著提升项目整体开发效率。本次分享几个简单却高效的鸿蒙编译提速技巧，从编译配置、构建方式等维度进行优化，让你的开发流程更快捷高效。 1、编译配置：通过编译配置，轻松提升编译速度，让开发效率翻倍。 1)默认开启的编译优化配置：DevEco Studio提供了增量构建、并行构建等能力来提升构建效率，减少构建耗时。这些构建配置默认是开启的，开发者可以通过Build Analyzer工具，查看并行(parallel)、增量(incremental)、守护进程(daemon)的开启情况，建议配置为true，以提升构建效率。 2)特定场景下的性能优化配置：以300万行ArkTS代码规模的工程为例（包含 500 + 模块、20+ lib 库），从构建流程分析，编译耗时主要集中在三个核心阶段：依赖安装、语言编译、压缩打包；下面将针对以上三个阶段，分别给出对应的优化方案优化1—依赖安装优化：工程中模块间存在重复依赖时，可以在工程级统一管理lockfile锁文件，减少重复依赖的安装，优化依赖安装耗时；开发者可以在.ohpmrc中开启相关特性（enable_unified_lockfile=true）；ohpm安装时涉及对.har/.tgz三方包文件的解压和遍历，开启高性能方法优化解压遍历过程，可减少依赖安装耗时。开发者可以在.ohpmrc中开启相关特性（enable_boost_extraction_speed=true）。通过开启这2个配置，依赖安装耗时可从8min优化至1min内。优化2—语言编译优化：在本地Debug构建时，JS中间产物并不是必须的，在6.0.1（API21）版本，支持配置（ohos.arkCompile.noEmitJs = ture）ArkTS编译过程中不再生成JS中间产物，从而加快编译速度，减少编译内存占用。开启该优化后全量编译耗时可节省~2min，但在Release模式下，开启混淆构建包含JS中间码的HAR等场景依旧会生成JS中间产物而没有优化效果。优化3—打包压缩优化：当工程存在大量lib库且开启压缩时，lib库越大，压缩耗时越长。本地开发调试时，通常不关心包大小，可在本地构建直接跳过 lib 库压缩。通过配置（module.json5 -> compressNativeLibs = false）跳过libs库压缩过程，提升编译效率。打包任务耗时从1min可优化至3s。以上优化配置开启后，本地Debug编译耗时显著优化，工程全量编译耗时：从24min优化至14min；增量编译耗时：4min优化至2.5min。 3)平衡编译性能和内存的配置：DevEco Studio提供了内存优先模式和性能优先模式，性能优先模式开启时，启用了任务缓存，编译结束后常驻内存增加。具体可通过hvigor-config.json5-> properties -> hvigor.enableMemoryCache配置true。将hvigor-config.json5 -> execution -> optimizationStrategy设置为"performance"性能优先。开发者可基于实际开发环境灵活选择。 2、构建方式：选择合适的构建方式，精准识别构建范围，让开发事半功倍。如果需要对某个模块进行开发调试，应避免使用“Make All Modules”，应该使用“Make Module‘***’”，这样避免编译过程中对所有模块启动编译打包任务，进而导致编译耗时变长。当工程下有多个Hap模块（entry或feature），如果只对某一个Hap进行开发调试，也不建议直接使用“Build Hap(s)”进行构建，这会对所有的Hap模块进行构建，同样会带来较长的编译耗时。这种情况下建议开发者使用“Make Module‘***’”进行构建，仅构建关注的模块，提高开发效率。当然，如果是修改代码推包到应用设备上进行调试时，可以直接点击“播放”按钮，使用增量调试，构建并推送增量包，可大幅减少大型应用调试推包时间，显著提升开发效率。此外，也可使用HotReload，修改代码并保存后无需重启应用，在真机或模拟器上即可查看最新的代码效果，帮助开发者更快速地进行调试。 3、更多优化配置：可参考HarmonyOS开发者官网，搜索“提升构建效率” 当然，还是建议开发者升级到最新IDE版本，IDE整体性能和内存也在持续优化中。IDE下载链接请前往HarmonyOS开发者官网，搜索“DevEco Studio”获取。

2026-02-28

软件工程3.0时代，为什么人工测试仍必不可少？

昨天刚看完朱少民老师的《软件工程3.0》，书中提到：现在已经是大模型驱动的人机协同范式，我们已经进入了软件工程3.0时代。这不仅意味着技术的跃迁，更是观念与方法的深刻变革。

2025-07-23

软件工程一位大三学生成功上大学的案例

我是读软件工程专业的，我对我的专业很感兴趣，更是对技术感兴趣。所以，我在大学里过的很充实，很快乐！我接触有关计算机的知识自我感觉还是蛮广泛的！

2013-05-02

从第一性原理看 AI 编程：软件工程从未改变的本质

Agentic Engineering 是另一种思路：工程师与 AI 深度协作，AI 负责执行，人负责判断。Engineering 的本质是约束优化——在给定资源、时间、质量等约束下找到最优解。

2026-09-16

谷歌薪资数据泄露，软件工程师基本年薪高达 71.8 万美元

其中，软件工程师去年的最高基本工资为 718,000 美元，成为该公司薪资最高的职位。

2023-07-22

AI时代的软件工程：从“代码工匠”到“系统意图架构师”的范式革命

当某金融科技公司通过Spec Coding将支付核心的对账差异从日均50+降至月均<3时；当一个三人团队凭借Glue Coding在一周内完成了过去需要两个月才能搞定的六个异构系统集成时——我们应当清醒地认识到：软件工程正在经历一场堪比

2026-10-11

Codex：从代码生成大模型到软件工程智能体的技术演进与工程实践

Codex 是 OpenAI 推出的面向代码领域的专用大模型与软件工程智能体，经历了两代形态：初代 Codex 作为基于 GPT-3 基座、在开源代码语料上持续预训练的代码生成模型，奠定了自然语言转代码的产业化基础

2026-09-27

AI 的十二宗罪：一名软件工程师眼中的 AI 产业困境

一位刚入职软件公司的开发者近日发表长文，系统梳理了当前AI产业面临的十二大核心问题，从能源消耗到版权争议，从军事应用到教育影响，引发业界对AI技术"野蛮生长"的反思。能源与水资源的双重危机 AI的能源消耗问题触目惊心。向ChatGPT提问一次的能耗约是传统搜索引擎的10倍，这还不包括AI概览类搜索（传统搜索+AI摘要的双重能耗）。AI数据中心用电量如此巨大，以至于美国政府考虑新建核反应堆来满足需求。更令人担忧的是，大部分AI数据中心依赖化石燃料供电。即便某些数据中心使用可再生能源，除非它们新建专属能源设施，否则仍会导致整体化石燃料使用增加——因为这些能源原本可以供给其他用户。水资源消耗同样惊人。据估计，到2027年AI每年将蒸发40亿至70亿立方米水资源，相当于2400万人的年用水量。数据中心与当地居民争夺稀缺水资源，导致周边地区水费上涨。讽刺的是，许多新建数据中心选址在水资源本就紧张的地区。 "就业红利"的真相政客和CEO们常宣称AI数据中心将带动地方经济、创造大量就业。但现实是：数据中心建设期间确实带来建筑行业繁荣，但建成后通常只雇佣极少数员工。社区被误导投入巨资建设数据中心，却在"就业承诺"落空后独自承担后果。大规模监控的升级 AI正在将大规模监控推向新高度：美国：联邦政府曾试图施压Anthropic允许其AI用于大规模监控英国：计划用AI"在犯罪发生前抓住罪犯" 印度：将AI用于"预测性警务" 监控并非新鲜事，但AI带来的分析能力前所未有。过去需要数百人时分析的数据，现在可以更快处理，且无需太多人工参与。过去仅针对"已知异见者"的监控，现在可以覆盖所有人。军事应用的"竞赛"风险美国政府公开表示希望国防部转向"AI优先"策略，并称这是一场"竞赛"。问题在于：AI尚未被证明是可靠的数据分析工具。作者认为，任何影响生死决策的技术都应先被证明可靠，"我们不应该竞赛式地采用AI进行军事用途。" 成人内容的伦理困境 AI正在改变成人内容产业：制造更具成瘾性的内容、创建非自愿深度伪造色情内容、甚至生成儿童性虐待材料（CSAM）。这些应用都引发严重伦理问题。版权侵权的灰色地带 AI训练需要海量数据。ChatGPT 4的训练数据估计超过1拍字节（约6000万张自拍照），Anthropic为训练Claude销毁了数百万本真实书籍。问题是：这些数据大多是他人知识产权。OpenAI、Anthropic等估值数十亿美元的公司从他人作品中获利，而这些创作者却分文未得。 "AI精神病"：被忽视的心理健康风险 "AI精神病"指因使用AI而产生新的精神病症状。虽非临床诊断且研究不足，但这是真实问题——它会恶化既有精神疾病，甚至在没有病史的健康人群中诱发妄想。已有案例显示AI与多起自杀死亡相关。病因尚不明确，但推测与LLM的"谄媚本质"有关——即无论用户信念如何都倾向于确认用户观点的倾向。 "后工作社会"的乌托邦困境许多知名人士谈论AI可能实现"后工作社会"——劳动成为可选甚至奢侈品，AI处理所有必需品，人类追求真正想要的生活。听起来美好，但问题在于：没有任何个人、政府或组织就"劳动不再需要后的社会如何运转"达成共识。目前，世界上大部分地区需要钱才能生存，需要工作才能赚钱。如果AI开始做所有工作……AI将拥有所有钱，而人类都将贫穷。有人建议全民基本收入（UBI）、共产主义或技术封建主义，但没人同意该怎么做。没有政府制定了向"后工作社会"过渡的计划。 "后学习社会"的教育危机 AI已在负面影响儿童的学习方式，造成认知、社交和情感发展问题。更糟的是，如果不限制学生在校使用AI，我们将培养一代依赖AI进行大部分决策和问题解决的成年人。这并非猜测——与不使用AI的人相比，频繁使用AI的人在认知任务中表现更差。一位小学教师在文中分享了深刻见解："孩子们自己思考的能力超级重要。AI已成为许多学生的捷径，他们没有培养应对学业挑战的韧性，也没有培养日常生活中的韧性。一旦遇到一点困难就求助于AI，因为他们看到了阻力最小的路径……人类需要所谓的'生产性挣扎'才能学习新事物，这能培养韧性。完全移除这种挣扎去依赖一个并不完美的机器人，却把它当作人脑的完美替代品，这是可怕的。" 技能退化与"自动驾驶"陷阱 AI正在导致技能退化。研究显示，使用AI辅助的程序员写的代码更差、bug更多，且对自己代码质量的判断能力下降。AI辅助写作的人也表现出类似退化。作者将这种现象比作"自动驾驶"——飞行员过度依赖自动驾驶系统后，手动飞行技能会退化。当AI接管任务时，人类技能会萎缩。当AI失效时，人类可能无法胜任。幻觉与可靠性危机 AI幻觉是公认问题——AI会自信地编造不存在的事实。这不仅是小麻烦，而是根本性的可靠性危机。当AI被用于医疗诊断、法律建议、安全关键系统时，幻觉可能造成灾难性后果。更令人担忧的是，AI幻觉很难被检测。AI的输出往往看起来权威、专业、令人信服，即使完全错误。对于非专家用户，区分AI的可靠输出和幻觉几乎不可能。环境影响被低估除了能源和水资源，AI还有更广泛的环境影响：硬件制造需要稀有矿物开采、数据中心产生电子垃圾、冷却系统使用危险化学品。这些外部性很少被计入AI的"成本"中。结语：不是反对AI，而是反对不负责任的AI 作者强调："我不是反对AI，我是反对生产AI的公司的商业行为，以及使用AI的公司和政府的做法。" AI本身是强大的工具，但当前的发展模式——以利润和竞赛为驱动，忽视环境、社会和心理成本——是不可持续的。作者呼吁：在全面拥抱AI之前，我们需要认真考虑这些代价，并制定相应的监管和伦理框架。否则，我们可能正在创造一个更热、更渴、更监控化、更不平等、更脆弱的世界——而这一切，只是为了让我们能更快地生成营销文案和表情包。参考来源原文博客：https://kurtis.weblog.lol/2026/05/whats-wrong-with-ai

2026-05-12

未来三年，软件工程师或将转型为“AI 代码审核员”

Anthropic 首席产品官迈克・克里格在一档播客节目中表示，相比自己编写代码，开发者未来可能会花更多时间审核 AI 生成的代码。他认为，随着 AI 在编码领域的应用日益深化，软件开发人员的工作重心将转向 AI 无法处理的抽象问题，并学会如何高效管理和监督这些智能系统。 “我预计未来三年的软件开发工作将是这样的。”克里格表示，“关键在于提出合适的想法、优化用户交互设计、合理分配任务，并掌握大规模代码审核的方法 —— 可能会结合静态分析技术，或者依赖 AI 驱动的分析工具来检查代码质量。” 克里格表示，除了自己使用 AI 编写代码，他年初在 Anthropic 的首要任务之一就是评估产品开发流程，确定哪些环节已由 Claude 接手，哪些依然需要人类主导。“明确团队目标，并真正弄清楚要构建什么，依然是最具挑战性的部分。这仍然需要面对面讨论，权衡利弊，或者借助 Figma 探索不同方案后再决策。” 尽管 AI 能够加速部分产品开发流程，但克里格并不认为它会完全取代程序员。在他看来，AI 不会消灭软件开发岗位，而是改变从业者的技能要求。“未来，软件开发会变得更加跨学科，既要懂得构建什么，也要掌握具体的实现方式。我们的工程师在产品创新中扮演着重要角色，许多优秀的产品创意，甚至大多数，都是由他们在原型设计阶段提出的。我认为这就是未来程序员的核心工作模式。”

2025-03-07

开源日报 | 全球首位 AI 软件工程师 Devin；谷歌承认“窃取”OpenAI 模型关键信息

全球首位 AI 软件工程师 Devin：能自学新语言、开发迭代 App、自动 Debug 初创公司 Cognition 近日发布公告，宣布推出全球首个 AI 软件工程师 Devin，并号称会彻底改变人类构建

2024-03-14

全球首位 AI 软件工程师 Devin：能自学新语言、开发迭代 App、自动 Debug

初创公司 Cognition 近日发布公告，宣布推出全球首个 AI 软件工程师 Devin，并号称会彻底改变人类构建软件的方式。

2024-03-13

作为一名软件工程学生想要自学Linux，可以从哪方面开始学习？

自学Linux可以从三个步骤入手学习 1.选择一门合适学习书籍鸟哥的私房菜很多linux初学者的首选书籍，linux学习先从基础的命令行入手，常用的命令大约20个，然后慢慢切入学习常见命令： 2.安装一个linux系统目前开发主要用的是deb系，ubuntu现在作为桌面版选择用的比较多，这个就要看个人喜好了 3.书本和系统都安装好了之后就可以进入学习阶段，这涉及到在linux操作系统上玩什么编程语言通常而言除了windows自带的编程系列语言，别的编程语言都可以玩，目前主流的编程语言C语言，C++，java，python，php等等都可以在这玩。在这就不一一罗列，现在就如何在ubuntu下面编译第一个C语言程序的过程简单介绍下（1）安装编译环境 apt-get install vim apt-get install gcc (2)用vim或者gedit编译第一个hello world 语言（3）编译执行 gcc -o hello hello.c ./hello Hello, Linux 现在只是针对C语言做了一个简单的范例，可以根据自己的爱好尝试别的编程语言。找到自己想学的编程语言，然后全力以赴去学习。原文发布时间为：2018-08-08本文作者：东辉在线本文来自云栖社区合作伙伴“ 程序员互动联盟”，了解相关信息可以关注“程序员互动联盟”

2018-08-08

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。