现在各家大模型、Agent公司都在讲应用场景化，也就是说光有技术是不行的，还得有业务场景、业务领域的知识，一个有业务经验的程序员+AI 足以打败大部分的技术型程序员了，现在AI在技术和开发能力层面越来越强，对于业务场景、应用场景还是需要人来引导。

​那些初期看似“节省成本”或“简化开发”，但后期会因忽视系统的复杂性、不确定性和安全风险，导致故障频发、维护困难甚至业务中断的架构很多。

不过这也跟业务有关很多互联网项目初期不应该设计复杂的架构来承载，而是需要快速pmf验证，保持基础架构稳定，快速实现业务为主，然后进行逐步重构。

关注业务实现，技术可以重构，技术债可以还，业务没了再好的技术也没有用。

现在AI这么方便，给自己增加点学习能力。前端这些框架 AI差不多就能独立完成了。

引入新版本这种事情，让AI 来评估影响会更好。推荐使用腾讯云的codebuddy的craft，它能够帮忙你处理整个项目的变更风险，这个我最近经常使用。确实好

架构师作为技术和业务的连接器，不仅需要写代码同时也要了解业务，是因为他们的角色不仅是技术方向的引领者，还需要确保技术实现与业务目标紧密结合。 如果架构师脱离了业务和代码，那设计出来的无论是技术架构还是业务架构如同沙滩盖楼，缺乏基础，对于要应用的技术如果没有深入了解技术实现，并且动手去验证，是无法保证系统可用性和稳定性。

在实际工作中，架构师除了自身工作内容还需要帮助团队人员解决技术难题，如果没有良好的代码基础是很难处理技术难题的。

所以一个脱离代码的架构师可能不是一个合格的架构师

确保系统的稳定性和业务快速增长、技术演进是相悖的，不同阶段有不同的架构抉择，当你只有10块钱的时候，尽量不要做1000块钱的决策。没有技术债务的团队一般公司都比较新 :)

我从应用场景中来说吧，我们现在在为跨境电商服务中引入了deepseek，用在我们处理卖家的商品信息如何规范的向海关申报的问题，以往这种专业的操作一般交由报关行让专业的报关员进行商品的海关编码归类，同时根据商品的描述、图像、材质、用途等信息进行提取，形成向海关申报的规范数据（海关对于商品申报的要求有明确字段和属性要求，用来判断是否合规和符合监管条件，是否可以出口，能不能退税，以及到目的国是不是能够进口等都有一套全球标准化的管理规范），然后向海关申报，这其中很多的人工工作都是在处理文本、图像相关的商品数据，我们在引入AI以后，95%以上的工作基本上都能通过AI完成，拓展到技术和业务结合中来看，AI 完全可以替代 报关员、客服这种工作，对生产力来说会有非常大的提升，毕竟人无法做到7*24小时工作，但是AI可以。

我从应用场景中来说吧，我们现在在为跨境电商服务中引入了deepseek，用在我们处理卖家的商品信息如何规范的向海关申报的问题，以往这种专业的操作一般交由报关行让专业的报关员进行商品的海关编码归类，同时根据商品的描述、图像、材质、用途等信息进行提取，形成向海关申报的规范数据（海关对于商品申报的要求有明确字段和属性要求，用来判断是否合规和符合监管条件，是否可以出口，能不能退税，以及到目的国是不是能够进口等都有一套全球标准化的管理规范），然后向海关申报，这其中很多的人工工作都是在处理文本、图像相关的商品数据，我们在引入AI以后，95%以上的工作基本上都能通过AI完成，拓展到技术和业务结合中来看，AI 完全可以替代 报关员、客服这种工作，对生产力来说会有非常大的提升，毕竟人无法做到7*24小时工作，但是AI可以。

确保系统的稳定性和业务快速增长、技术演进是相悖的，不同阶段有不同的架构抉择，当你只有10块钱的时候，尽量不要做1000块钱的决策。没有技术债务的团队一般公司都比较新 :)

架构师作为技术和业务的连接器，不仅需要写代码同时也要了解业务，是因为他们的角色不仅是技术方向的引领者，还需要确保技术实现与业务目标紧密结合。 如果架构师脱离了业务和代码，那设计出来的无论是技术架构还是业务架构如同沙滩盖楼，缺乏基础，对于要应用的技术如果没有深入了解技术实现，并且动手去验证，是无法保证系统可用性和稳定性。

在实际工作中，架构师除了自身工作内容还需要帮助团队人员解决技术难题，如果没有良好的代码基础是很难处理技术难题的。

所以一个脱离代码的架构师可能不是一个合格的架构师