夜雨聆风今天做完primary/backup的project，有些想法：
1. Low-level infrastructure对于市面上目前的一些SOTA模型来说（我主要以gemini 3.1), 还是存在明显的难度。对于一些total order, linearizability, liveness，高并发概念在实现时做不到完美的first pass, 会出现逻辑矛盾（为了total order放弃并发反而造成freshness问题，只考虑linearizability没考虑total order), 虽然AI的试错和纠正能力很快，但底层基建目前来看对于AI还是有一定护城河的。当然，也许对于claude opus等其他主打编程的模型，low-level也只是快慢脚的区别
2. 古法编程 & 成就感。不用coding ide, 不用agent去编程，促使自己思考写代码，遇到问题排查，也学会利用AI去consult想法，辩论设计，能更高效的促使自己学习的同时，带来很多思考和成就感。上班来说，上面鼓励AI提效，也有指标压力，我个人有一段时间以来基本纯是prompt engineering让AI接管，确实让以前可能要一周多的需求缩减到1-2天，但我个人觉得技能的提升和知识的扎实度，对脑力的使用，其实还不如在大学时上硬核课程, 对于未来的隐患其实很大。
3. 学习以及高等教育的改变。现在AI已经强大到业界项目都能很快掌握实现，更不用说相对简单isolated的学校项目。AI也带来一个新的问题，是否能高效快速地利用AI。有些人说，AI时代智商的差距会因为AI越来越大，而有些观点认为AI极大的降低甚至抹平了学习鸿沟。我在大学的时候当过482 (Operating Systems) 的TA，在当时我们一直强调Inquiry-Based Learning，即学生在Piazza和OH发出问题，TA们以反问的方式引导学生自己寻找solution。而在有了AI之后，学生们也不需要专门抽时间在一个档口内去问TA，专门收集一系列问题一起问，合理利用AI的同学可以直接与AI对话，说出自己的思考，让AI在不暴露更多细节和答案的情况下，快速的验证合理性，提出不可行的edge case (我也是如此实现view service和primary/backup)。我在Umich的最后一个学期时，GPT-O3 已经出了，我们几个TA和Peter Chen也大为震惊AI能准确理解自定义框架方法，并快速的给出可以用的skeleton code，再惊闻当时的ENGR 101(给工院大一没编程基础的学生，有些也不是CS专业的）有25%的学生因为AI/作弊被发现，越来越困惑当今时代下教育体系该如何演变，Peter Chen后来开发了一系列抓作弊措施（本质还是以copy/paste buffer + git commit扫描）。当大量学生从高中（ms. curry跟我吐槽过), 大一，甚至可能初中小学都用AI去完成课业，不再认真学习fundamental knowledge，未来学生的学习目标和用人评价体系该如何发展？
个人浅见：在AI时代，发现自己想要做什么，然后有做事的创造力以及行动力，会比以往更加重要
