👨💻 程序员TL,也是经济学爱好者 🤖 深入研究 AI Agent 架构、Harness 实践与工程落地踩坑 📊 用工程师的数据视角,从新闻、研报和生活里琢磨经济怎么影响普通人 📌 用图表与长文,深度拆解经济学与 AI 前沿
La salud es solo una referencia de tendencia basada en datos públicos. No indica nada sobre la situación de la cuenta en X; prevalece el estado oficial de X.
| Métrica | Hoy | Ayer | 7 días | 14 días | 30 días |
|---|---|---|---|---|---|
| Vistas del tweet | ≥ 308 | ≥ 67.6K | ≥ 333K | ≥ 522K | ≥ 523K |
| Posts | 3 | 11 | 87 | 339 | 366 |
| Respuestas enviadas | 43 | 483 | 2,875 | 3,998 | 4,350 |
| Crecimiento | +21 | +183 | +1,303 | +2,762 | — |
| Vistas medias por post | 6,921 | 6,921 | 6,921 | 6,921 | 6,921 |
| Mejor post | ≥ 58 | ≥ 22.0K | ≥ 93.4K | ≥ 93.4K | ≥ 93.4K |
Esta página cuenta solo los tweets propios de la cuenta; los retweets quedan fuera. Las vistas medias por post usan solo tweets con más de 24 h. "≥" significa que el periodo aún tiene tweets acumulando vistas / respuestas, o que solo se actualizó parte de ellos (actualización más antigua: 10-01 23:36), así que el valor real es al menos este; "—" significa datos incompletos, no cero.
X no publica los pagos a creadores. Los ciclos pagados solo muestran cifras recopiladas: «Verificado» = comprobado e introducido por nosotros, «Tuit» = la cantidad que publicó la propia cuenta (verificada), «Reportado» = un reporte de usuario revisado; si no hay nada recopilado aparece «—». La barra ámbar junto a cada ciclo es la estimación guardada antes del pago, para ver cuánto se acercó. «Este ciclo hasta ahora» es una estimación, siempre $ por millón de vistas × las vistas de este ciclo (media diaria de vistas de tuits en los últimos 14 días, con respuestas y sin retuits, × días transcurridos). Las cuentas con un pago conocido usan su propia tarifa (pago ÷ vistas de ese ciclo; si ese ciclo no se recopiló entero, se usan 14 días de la media diaria de la cuenta); las demás usan la media del sitio, actualmente $131.62. La media se calcula con 333 cuentas con un pago conocido. Solo es una referencia. ¿Conoces la cifra real? Usa «Reportar ingresos» arriba.
最近在团队代码 Review 时发现了一个特别危险的苗头: 大家用 AI 助手写代码越来越上头,编辑器里 Tab 键敲得飞快,一整段完美的逻辑几秒钟就吐出来了。 但只要稍微追问一句:“这个高并发场景下的事务隔离级别为什么选这个?” 对方瞬间卡壳。 AI 让写代码的“手速”提高了十倍,但也彻底剥夺了程序员对底层工程细节的“警惕性”。 大家都把 AI 当成了不报错的黑盒,直到生产环境突发内存泄漏,才发现自己根本不懂 AI 到底写了啥。 把…
很多人觉得 AI 发展起来后,最先失业的是初级码农(CRUD 仔)。 但作为一个带团队的 TL,在实测过几十种 AI 辅助开发工具后,我得到了一个完全相反的结论: AI 最先淘汰的,恰恰是那些“不上不上”的中层架构师。 为什么? 初级码农成本低,现在加上 AI 赋能,一个人能干过去三个人的活,产出性价比极高; 而部分中层架构师,天天开会做 PPT、画流程图,自己不写代码,技术细节落后于最前沿的 AI 工具,管理成本还极高。 当基础程序…
深夜跟几个大厂的架构师聊天,大家不约而同达成了一个细思极恐的共识: 以前,写一手优雅、规范、高并发的业务代码是程序员安身立命的护城河,能换取高额的薪资溢价。 而现在,当 AI 能够一秒钟吐出标准模板时,“写代码”这件事彻底沦为了毫无壁垒的通货。 当技术门槛被大模型夷为平地,程序员如果还把核心竞争力局限在“熟练工种”上,离被降维优化真的只有一步之遥。 在 AI 已经把代码“平权”的今天,你觉得程序员的核心溢价到底在转移到哪里?
很多创业公司老板以为接入大模型后,就能把年前积攒的历史“屎山代码”一口气重构掉。 直到上周我们用 Agent 尝试去跑一个沉淀了 5 年的遗留业务模块: 大模型不仅没有理解复杂的隐式依赖,反而用极其优雅的代码规范,把原有的业务逻辑漏洞重写了一遍,测试环境当场崩溃。 AI 根本不懂什么叫业务历史妥协,它只会给你生成外观精美、底层剧毒的“新屎山”。 在你们公司,有人真的敢把旧系统的核心重构彻底交给 AI 吗?
Por día UTC: el título de crecimiento es para el n.º 1 del ranking de ese día; los de posts / respuestas enviadas / vistas, para el n.º 1 entre los tuits recopilados ese día. Los registros de hoy aún pueden cambiar.