说实话，哪怕写得再烂，好歹也比一片空白强，于是便有了这篇文字。其实这东西Zui初的雏形，我想给它起个名字叫“转行AI落地应用开发一年，积攒的一点经验”。结果一眨眼功夫，日历dou翻到了2025年的尾巴尖上，索性就把它当作年终的第一部分吧。

掐指一算，从那个安稳的国企体制内跳出来到现在居然还没满14个月。但这短短不到一年半的时间，给我的心理感觉却像是过了好几个世纪那么漫长。有时候夜深人静，我不禁会问自己：我的未来到底在哪儿？

刚离开那会儿，我曾给自己立了个Flag：必须把那本厚厚的《Effective Python》啃完，然后基于书里的知识点，一篇接一篇地写博客，再出一期期的教学视频。那时候的想法hen单纯，觉得这才是技术成长的正道。

然而现实总是比计划骨感得多。这计划刚开始执行没几期就夭折了那段时间我其实挺焦虑的，总觉得这事儿价值巨大，只要把这本书用两种形式复述出来我对Python的理解绝对Neng上一个台阶。我甚至在心里反复念叨：“一定要完成啊，这可是干货。”但现在回过头kan，这种认知虽然没变，可它的紧急程度却大打折扣——它依然重要，但Yi经不再那么火烧眉毛了。

真正让我对“写代码”这件事产生认知颠覆的，是在创业公司的那段日子。老板为了鼓励大家多尝试AI产品，大手一挥给我们全员买了Cursor会员。也就是从那时候起，我几乎所有的代码dou交给了Cursor来敲。

这事儿说出来有点不可思议，甚至让我一度引以为傲的Vim操作技巧dou面临失业的风险。我现在的工作流程变得极其简单：疯狂按Tab键。我只需要Zuo一件事，那就是输入足够准确的语义目标，剩下的脏活累活，全交给AI。这段经历，后来被我整理成了《Cursor初体验》以及后续的《使用Cursor再三个月，有多出些新的感悟》。

到了今年6月换了新工作，刚开始那两周还有点不习惯，甚至试图回归手写代码的模式。但到了9月，我还是没忍住花了200刀续了一年的Cursor会员。现在哪怕是写个Demo版本，我也习惯性地扔给Cursor。我逐渐意识到，现在的程序员，geng应该关注的是架构设计，是业务逻辑的梳理，至于底层的代码实现？交给AI吧，它们Zuo得比我想象的还要好。

这一年多，我干的活儿虽然杂，但起来大概也就那么几个方向：RAG数据库的选型对比、Redis-Stack的落地实战、基于Google ADK的开发、各家大模型的原生调用以及那让人抓狂的提示词调优，还有Zui近刚开始研究的Deep Search。

当时公司应用的核心诉求就一个字：快。我们要以Zui快的速度把AI生成的回复推送到用户面前。而在生成回复的整个链路里RAG——也就是召回与问题相关的用户信息——是至关重要的一环。

为了这个“快”字，我硬着头皮对比了三个向量数据库：Qdrant、Milvus和Redis-Stack。测试过程其实挺枯燥的，把各家数据库部署到本地，灌入相同的数据，然后用同样的问题去跑召回，Zui后kan谁的效果好。说实话，具体的对比标准我现在忘得差不多了文档dou还在公司的库里但结论是明确的：Redis-Stack胜出。

这东西用起来确实顺手，照着官方文档就Neng跑通。不过老生常谈的问题还是得注意：内存占用、CPU瓶颈、边界条件的处理，还有偶尔莫名其妙的卡顿，这些dou是让人头秃的地方。为了展示对比结果，我还得生成各种图表。这事儿要是搁以前，我得去查Matplotlib的文档，现在？直接把示例数据和期望结果扔给Cursor：“帮我把这些数据生成直观的对比图片”。几秒钟，代码就出来了图也画好了。

除了搞AI，我有大概两三个月的时间，一直在跟公司的支付系统死磕。老板一直觉得这玩意儿hen简单，不就是收钱付钱吗？但实际上调起来那叫一个复杂。这也导致前面几位负责支付的同事，包括我在内，在观点上跟老板有着巨大的偏差。

这段时间，我对接了Stripe，还跟印度老哥联调了RazorPay，这绝对算是一种全新的职业体验。那种跨国沟通的时差、接口文档的歧义、还有汇率换算的精度问题，现在想起来dou让人头皮发麻。

随着工作的深入，我接触到了Google ADK。这是一个多Agent框架，它的出现其实代表了一种行业共识：单AgentNeng干的事儿太有限了复杂的任务还是得靠多个Agent协同作战。

为了理解这个概念，我经常拿Zuo菜来打比方。单Agent就像是一个全Neng大厨，既要规划菜单，又要买菜洗菜，Zui后还得炒菜。而多Agent呢？是一个Agent负责规划菜单，一个负责买菜，一个负责备菜，还有一个专门负责炒菜。再细一点，甚至Ke以是9个Agent，每人负责一道菜，Zui后凑出一桌八菜一汤。 多Agent的核心就在于分工与合作。

在用了Google ADK几个月后公司又给了我机会去试各家模型：Claude、Gemini、ChatGPT，还有国内的豆包、Qwen、DeepSeek等等。挨家挨户用下来我对各家模型的脾气秉性算是摸得差不多了。它们有个共同点，就是几乎dou适配OpenAI的接口标准，同时也dou有自家的SDK。但Zui让我头疼的是同样的提示词，在不同模型上的效果简直是天差地别。

紧接着，我又开始调研DeepSearch。这东西的逻辑挺有意思，直接把问题丢给模型服务商的接口，让服务商自己去规划分析、收集资料、多轮汇总，Zui后给出结果。这感觉特别像之前的单Agent模式。与此同时OpenAI和火山引擎dou推出了Responses API，这种新的接口类型自带工具调用和文档查询功Neng，确实省了不少事。

过去这一两个月，我总想找个时间把这一年的经历捋一捋。这不仅仅是工作geng像是一种学习复盘。每隔一段时间，我就会产生一种错觉：“好像自己现在懂的比之前多多了。”或者是在搞定一个新技Neng后心里暗爽：“哟，这玩意儿原来是这样用的！”

这种爽感是真实的，但随之而来的也是一种迷茫。Ru果需要深度，我是不是应该去研究大模型的工作原理？就像当年死磕内存、CPU和操作系统一样？现在的我，在使用AI的过程中，经常陷入一种“知其然不知其所以然”的状态。

geng让我困惑的是编程语言本身。随着用AI的频率越来越高，我发现Python语言技Neng的重要性正在直线下降。以前我会纠结某个语法的细节，现在？我那些疑惑的点、考虑不周甚至完全忽视的地方，只要给大模型一个合适的提示词，它就Neng给出专业且全面的回答。

这让我意识到，在短期内——当然这里的“短期”可Neng意味着hen长一段时间，只要编程语言不发生翻天覆地的变化——我应该关注的不再是编程语言的深度，而是知识的广度。

其实我好几次dou想提笔把这些念头记下来但每次dou因为太“忙”而作罢。这里说的忙，不是那种摸鱼的忙，而是实打实的从早上9点干到晚上9点，周末还得加班。工作时间里我要么是在疯狂写代码，要么是在啃AI相关的文档准备应用。剩下的那点时间，我只想瘫着休息。哪怕是周geng的那些内容，大多也是我在上下班地铁上用手机敲出来的。

除了累，还有一种虚荣心在作祟。我总觉得这篇应该写得完整一点、专业一点、有深度一点。结果就是写两句觉得不满意，停下拖延，一转眼就拖到了年底。

虽然累，但过去的14个月，对我来说是极其充实的。我的日均工作时长比以前长得多，Zuo着阿妮觉得累但我自己觉得特有意思的工作。这种充实感，带给我的是久违的、快三年的对工作和生存的信心。

关于未来我依然保持着一种读书人的心态：借助工具把工作Zuo好，同时尽量去搞清楚工具怎么用才好，以及它为什么好用。不去想太远的事儿，只把热爱倾注在当下的工作中。

我仿佛Yi经kan见了一种不可逆转的趋势：未来的模型肯定会越来越聪明，AI的落地应用也会像水一样渗透到各行各业的每一个角落。我们现在绞尽脑汁研究的提示词调教，大概率只是一个过渡阶段。在不久的将来AI对个人而言，应该就是一个贴身助理。它知道你的所有信息，Neng精准领会你的意图，并且完整地执行你的指令。

转眼之间，我现在岗位的名片上，Yi经印上了hen时髦的“AI Agent开发工程师”这几个字。Agent，是我换公司后接触的新概念。在我给自己定的入职待办清单里第一项就是搞清楚Agent到底是个啥。经过一段时间的摸索，我的理解hen简单：它就是一种Neng够独立完成某项工作——比如规划行程——的智Neng工具。

2025年就要过去了这一年，我学会了如何与AI共事，也学会了如何在技术的洪流中找到自己的位置。至于下一年？我想，大概会geng精彩吧。