2025年总结
回顾总结
即将迎来新的一年，这一年时间过的真快，无论是生活还是工作都是快节奏。在写这个总结的过程中已经是到了新的一年，这几天外面相对比较冷，还下着小雪，但是由于温度低导致一些雪会被冻住，会出现一种情况就是当你去用手去尝试扣一块雪时，却不容易扣下来。出公司大门后计划打车回家，打开滴滴叫了车，大概等了5分钟没人接车，可能是因为跨新年的原因吧，我索性选择步行回家。在回家的路上回顾了这一年的点滴，有成长、有收获、同时也伴随着一些遗憾。
生活
普通人的生活其实没有那么多词可以描述，因为太普通太平常，大部分时间是在工作，每天两点一线。记得年初制定的一些计划，在年底回过头来看，大部分还算幸运已经完成，小部分压根儿都没执行。今年完成了带家里小朋友去海边看看，虽然没有去三亚、福建，去了青岛也算见到“大海了”。在青岛的时间里，看到小朋友的快乐瞬间，我内心也是非常快乐的，其实有时候快乐非常简单。带着小朋友在海边挖沙、雨中登信号山、大风里逛海之恋公园，想想这些经历就让人难忘。回想生活中会遇到各种各样的事情，其中一些就是让心比较糟心的事情，在面对问题的时候我们可以选择积极正面的去应对，这种方式也是我比较推荐的。 当然也没有完成的，例如计划考国家软件职称考试，资料但是准备不少，但是这个事情还迟迟未开始。这一年中从看书、读书角度整体还算符合预期的，截止目前能够做到平均每个月两本书左右，也存在部分书已经购买了但是还未及时的进行阅读，环顾家里四周，书还是占了不少空间（之前还扔掉了一部分）。看书的过程中也是最容易让内心平静下来的一个过程，虽然有一些书还带实操性值的，例如其中有一本idoubi《这就是MCP》这本书，这个过程能够感受学习带来内心的平静，它能够让人专注。在这方面我的总结就是多看有益的书，不要被生活中各种噪声干扰，一定要找到属于自己的节奏。这里面的噪声其实不是指物理世界所产生的噪声，而是信息化过程中被机器算法包围所产生的噪声，这个很好理解，例如在一个平台如果有喜欢观看某一类视频，那么平台会根据个人喜好和偏爱不停的进行同样内容的推送，这种会让人上瘾。不是说这种一定会有啥问题，这个过程中保持对信息的过滤筛选非常重要。
在现代这个社会信息永远不缺获取，缺的是获取高价值的一些信息。如果看书投入的不多，一些高质量的播客也可以听一听，这里面也会有一些有价值的信息，B站和小宇宙都有很不错的内容。 还有一个比较重要的就是适当的锻炼身体，毕竟身体是革命的本钱，任何时候不要放下这个，因为健康问题是终生的。锻炼身体的方式也比较多，跑步、自由锻炼、健身房。这个选择比较多，可以根据自己的情况来看，主要的就是贵在坚持，这个就是长期选择的一个过程。回顾自己这一年总共跑步了300多公里，这个算是一个正常水平。对于我来说跑步还是比较享受这种状态，跑步的过程中可以思考一些问题、也可以放空一下大脑，感觉这也是一种减压的方式。还有比较规律的作息也是一方面，这方面我自己做的不太好，经常晚睡早起。如果睡眠质量不高的话，就得重视作息规律，这也是精气神的一个折射。
工作
这一年中团队变化也比较大，比较明显的是公司在软件团队的投入也在逐步加大，包括人员和岗位。从团队中看这一年加入的新面孔不少，一些事有经验的老手和一些工作时间不长的同学。这一年我对于工程师这个词也有了新的看法，在实际工作过程中，对于要干一件事情时，往往得到最多的结论是这件事情能不能去做，如果是合格的工程师我理解需要考虑的事这是不是能不能做的问题，而是这件事情应不应该去做。这两种做事所产生的结果完全不同，应不应该去做其中包含了第一性原理的部分，就是回归问题本质，这么做到底是解决了什么问题，只有找到了根因或者是这个问题的初心，才能有较为清晰的路径给予判断指导。如果工作中在处理所有事情时能够回归应不应该做这件事上时，很多问题大概就已经解决一半了。
在团队发展的过程中，特别是业务发展迅速的这个阶段，其实对于管理者来说也是一种挑战，实际工作中也会存在短期团队以及业务发展迅速会以为这些跟自己会有直接关系，或者说容易把这种结果与自己绑定。更为可怕的是这种状态也可能会导致管理者脱离一线，当起甩手掌柜，而这种状态还处于自我感觉良好的氛围中。无论经历什么规模的团队或处于什么阶段的公司，有一点需要非常清醒的认识，所有的头衔和荣耀是别人给的，其实也可以进行回收的，哪些其实是最不值钱的，最值钱的是自己的知识、技能和职业追求。从个人成长角度来看，这个也成立，只有静下心来分析处理问题，帮助团队渡过每一个难关，从梯队建设方面能够培养团队的骨干，提升自己的认知，带领团队完成一个又一个目标，其实这个过程本身就是一种收获，也是一份个人成长的通关文碟。作为团队的中间力量要能做到能上能下，能屈能伸，这一点也很重要，有时候职场中必要的锻炼也是不可或缺的。
在当前经济周期处于变动的阶段，很少会有人说一个词了那就是“创业”，放到之前听到的频率还多的。我本人不是不鼓励去创业，其实作为之前创过业的经历来说，如果能有稳定的工作，并且暂时还不具备创业条件的伙伴来说，选择上班来赚取报酬是最轻松的一件事情，且风险低。我自己的总结：创业=九死一生，可能有觉得我太悲观或者太保守，但现实确实如此。创业不可能保证一次能够成功，同时也没法保证每次创业之间的联系有相关性，因为这些都是独立发生的。这个其实本质也是一个数学题，如果我们把95%的概率定义为成功，单次成功概率是20%，那么需要做多少次才能达到成功呢？这个次数为近似值为14。当然不是说不可以创业，只是如果选择创业就意味着你的付出比现在的只会更多，需要提前做好预期管理，对于创业所带来的结果可以承受，同时也需要想清楚创业不成功之后要干什么，一定不能头脑发热。 在企业运转的过程中，对于过程中出现的问题会有有奖有罚，主要说说对于奖的部分。现行大部分情况公司会奖励那些摘果子的人，但是对于这些果子如何长到成熟，以及这些果树是怎么诞生的这些事情大概率会无人问津，因为在整个过程中只关注结果。这个可以用冰山理论举例子，浮出在水面的部分或者功能其实只占系统的20%，这20%也是通常大家都能看到的部分，无论是用户还是企业本身，但是在水下那80%其实很少会有人关注，但是从长期来看如果这些看不见的地方没人去处理解决，很可能上层的20%只是昙花一现。如果你的工作中，你已经在那看不到的部分投入了很多经历且取得阶段性成功，那么恭喜你，至少在工作层面你的认知和见解已经走到了很多人前面。如果你的举动并为得到其他人关注，也不要放弃或者有其他想法，毕竟这份宝贵的经历是属于自己的，这份思考是宝贵的，这就是坚持做难而正确的事情，其本身意义就非凡。
AI思考
这一年中变化最大的那就是AI，从年初到年末AI相关的公司的不断涌现，头部公司关于模型的训练基本每几个月就会有一个版本出现，从模型到工具、IDE基本都在演进。总结出来就是一句话AI已经慢慢渗透在工作与生活的每个角落。最常见的用法那就是手机上会安装各种应用，常用的那就是deepseek、kimi、千问、秘塔、NotebookLM 等等，还有很多手机应用。遇到问题直接在AI工具上一问，大概就会有结果，从结果回答上大部分问题回答都非常准确，成为了生活小助手，降低了信息壁垒，在AI这个时代真正做到了信息平权。相关知识和一些信息不在是只有少数人才知道，或者说想知道这些内容需要花费额外很高的成本。
在软件行业中最火热的一个词那就是Vibe Coding，至少对于软件专业人员来说这个不陌生，你可能是产品经理、也可能是研发工程师。记得年初AI Coding的情况是片段化，那个阶段不像现在有各种AI IDE的工具，大家基本会把问题总结好追后发给常用的工具，这些功能根据输入的内容做出对应的代码输出，这个过程不连贯，其效果不是很好，最为直接的是对于提示词这个来说尤为重要，提示词的好坏直接会决定最终的结果如何。在年中的阶段，各种AI IDE和插件基本就开始百花齐放了，在年终到10月份左右基本用AI IDE就能完成demo的输出，这个demo本质上就是一个独立的工程，这个阶段还有直接推出云上环境的coding，例如gemini、aistudio这些。这个阶段只要你对于想做的内容有清晰的描述，把一个需求仍给AI，如果是前端的话基本可以把原型交互100%输出，后端工程话完成度也接近100%。不过这个阶段就是token消耗比较快，就是比较费钱。我记得截止到2025年底我用cursor大概花费接近400$,不过从结果上来看还是值得的，这期间也迭代了大小工程+demo有10几个项目，手动写代码的环节很少，基本都是由AI完成。到了2025底也就是10月份到现在，个大厂商都在推出通用的规范和先进的工具模式，例如skills、rules、workflow、openspec、plan模式、agent模式、mcp这些，都在强调工程化能力，这就是软件工程能力的比拼。这些规范出来之后还有一个作用那就是让整体上下文更加准确，token消耗做了优化，以及在账号维度有RAG的功能，能记住个人编程的喜好，根据这些约定以及比较通用的agent，可以完成从0到1的工程能力的跃迁。期间整理收集了一些常用的AI低代码开发平台，如下：
V0: 通过 AI 对话生成精美的 UI 界面组件。 Google AI Studio: 谷歌官方出品，适合小白的 AI 应用快速工坊。 Lovable: 专注于构建高颜值、用户体验友好的可爱应用。 Bolt: 如闪电般快速，AI 辅助生成全栈 Web 应用。 Replit AI: 在浏览器中用 AI 编写代码，即刻部署上线。 A0: 极简主义的 AI 生成器，帮你从零构建应用。 Natively: 将现有的 Web 项目一键打包成原生 iOS/Android App。 Rork: 新晋无代码平台，让你的创意轻松落地。 Vibe Code: 利用 AI 打造自带独特风格和氛围感的应用。 Rocket: 火箭启动速度，助你的应用点子快速起飞
现实有一个真实的case就是，之前一个做量化的一个团队，整体有15-20人左右，花了三年时间完善了从信号采集、信号回测、到实盘交易等基础建设工作，由于其策略的复杂性，在单边的情况下无法很好的处理，就在今年1个人花费3个月的时间借助AI完成了比之前难度更大的系统并且上线实盘交易。同样是使用AI，有的可以说运用的炉火纯青，有的使用的不太理想，甚至认为AI解决不了任何问题。如果要让AI成为自己的得力助手，除了需要了解一些必要的原理之外，对于使用的技巧也是需要实践总结的。这个过程也不是说AI可以完成一切，虽然网络上宣传的更为激进，但是对于当下乃至未来一段时间AI与人之间仍然是协作关系，不存在谁取代谁，只有更加明确的分工与责任，人机协同。这个回归到本质就是目前的Transformer模型存在局限性，就是计算复杂度和内存消耗都是O(n²)，其中n是序列长度。AI依然是概率模型（这是数学本质）、p^n 困境依然存在（这是数学规律）、人的责任心不可替代（这是人性本质），所以在协同上有三个原则可以参考：
1.确定性优先
别幻想写个万能的system prompt来通吃所有项目，协同必须针对场景，把Unknown尽量变成known，让程序去做确定性的事情。识别可固化环节、用AI辅助实现、人工验证、固化复用。每固化一个点，就是减少一次概率的执行。
2.减少可能性空间
给AI的选择越少，它越不容易犯错。LLM面对开放题很弱，面对约束题才会认真对待。例如你说“优化代码”，它会在算法、数据结构、缓存、策略之间随意选择，很不明确。正确的做法就是明确目收敛方案、目标清晰，把不确定性留给人，把执行空间交给AI。
3.阶段性交付
不要让AI一次性端到端交付复杂任务，那几乎等于赌博。token消耗费用高、代码跑步起来、白忙几小时。正确的姿势是分阶段产出，逐段验收，让AI先交付可沉淀成果：需求文档、方案设计文档、任务拆分、执行计划、验收标准、阶段性总结。就算代码翻车，这些依然可复用，还能更换其他模型继续推进。
当然上述这些原则也是当前阶段的一个总结，并不意味着后面也会是这样。从2025年出到现在，就可以看到AI的能力几乎是指数级在变化，很难想象到2026年底又回是什么样的一种场景。不过确定的就是无论如何演进，本质就是让人使用起来更方便，未来可能也不需要rule、workflow、agent、mcp和精确的提示词这些，因为这些能力可以内置到AI能力的本身，对于用户来就是使用。我很期待有这一天的带来。
总结
时间无法停留，回顾过去每一年都会有每一年的主题。面对新的内容，我个人的主张就是拥抱变化，学习是终生的一件事情，在任何时间对于新事物要敢于第一个去吃螃蟹、尝试，这个过程的收获会让你意想不到。现实中永远不缺的是想法，缺的是落地执行。在这个阶段的AI就可以比喻是一趟快速的班车，大家一定要在班车上，不要轻易下车，如果现阶段的你还在犹豫观望态度，那么首先要做的就是试试新的AI工具，从一个日常的问题开始。
任何时候，都需要有自己的节奏。找到属于自己的节奏，这一点非常重要。这一年我非常感谢家庭对我工作上的支持与理解，我与小朋友在一起的时间不是很多，错过了她的一些成长瞬间，后续需要做一些适当的调整。
最后
祝大家新年快乐！