是资源利用率，还是资料利用率？

其实这个用文字很难表达清晰，主要还是看自己是不是喜欢编程，还是知道这个有用，强迫自己学习。大量看书，大量做例子，然后可以找些项目做做，也可以经常参加一些技术大会，从实践中来感受自己。多和内业人士交流感受，一切都会好的。

我觉得首先要看公司是什么性质的，是国企？还是涉及到一些机密的企业，coding助手用外网的会涉及到一些泄密，但我们要分析在这样的场景下，如何能让AI用起来，比如是否可以coding助手私有化，让数据不出内网。领导没有带头，估计也是有很多顾虑，数据安全是非常重要的原因之一，而且领导也没想好AI在企业中的应用场景。

其实这个问题很宽泛，不同的人都有不同的理解，没有标准答案，只能是结合自己的经验，做一点分享： 首先我想说，什么是长期坚守的原则，什么又是在不断更新？？ 我们要想想，到底在更新什么知识，什么领域，我们是否做过思考，对知识做分层和归类？ 比如曾经的微服务和单体架构等等这些，我们需要长期坚守的原则是： 系统化思维、模块化设计、DDD，代码可维护性等工程原则（如SOLID原则）等等吧，这些都是具有跨技术栈的普适性，是技术演进的基石，万变不离其宗，我们是否真的深入理解这些。 在这个基础上，我们需要更新的又是什么？ 需要更新的就是具体工具链（如微服务框架、云服务API）、编程语言语法特性等，因其依赖技术生态的短期需求，基于不断更新的新框架，来更新我们使用的技巧与方法。 那么结合到现在的AI了，我们以前是在哪个行业，哪个领域，现在新的AI领域有了各种技术和知识日新月异，每天都有新知识新框架出现，我们该怎么做？ 这个对以前从事微服务架构，业务，基础架构等同学来说这是全新领域，想不想学？如果想学就需要快速学习，因为这不是以前自己的积累，自己也没有方法论，那么踏实的从理论看起，再结合各种实践，做AI工程，做AI算法。如果不想深入学习，只是了解个大概，那也没问题，简单学习一下prompt，学习一下大模型使用，看看哪些AI工具可以提效就可以了。 上面我说了一大堆，其实想说的是，在自己熟悉的领域，确实是有长期原则和及时更新之说，但如果想跨领域的话，就一切重新开始学习，之前的积累可以暂时忘掉。这就是进入新的挑战区了，待在这个领域从事多年，理论经验非常扎实了，这个就是需要坚守的原则，在这个基础上需要不断更新算法，框架等等为自己更好的服务。

其实这个问题很宽泛，不同的人都有不同的理解，没有标准答案，只能是结合自己的经验，做一点分享： 首先我想说，什么是长期坚守的原则，什么又是在不断更新？？ 我们要想想，到底在更新什么知识，什么领域，我们是否做过思考，对知识做分层和归类？ 比如曾经的微服务和单体架构等等这些，我们需要长期坚守的原则是： 系统化思维、模块化设计、DDD，代码可维护性等工程原则（如SOLID原则）等等吧，这些都是具有跨技术栈的普适性，是技术演进的基石，万变不离其宗，我们是否真的深入理解这些。 在这个基础上，我们需要更新的又是什么？ 需要更新的就是具体工具链（如微服务框架、云服务API）、编程语言语法特性等，因其依赖技术生态的短期需求，基于不断更新的新框架，来更新我们使用的技巧与方法。 那么结合到现在的AI了，我们以前是在哪个行业，哪个领域，现在新的AI领域有了各种技术和知识日新月异，每天都有新知识新框架出现，我们该怎么做？ 这个对以前从事微服务架构，业务，基础架构等同学来说这是全新领域，想不想学？如果想学就需要快速学习，因为这不是以前自己的积累，自己也没有方法论，那么踏实的从理论看起，再结合各种实践，做AI工程，做AI算法。如果不想深入学习，只是了解个大概，那也没问题，简单学习一下prompt，学习一下大模型使用，看看哪些AI工具可以提效就可以了。 上面我说了一大堆，其实想说的是，在自己熟悉的领域，确实是有长期原则和及时更新之说，但如果想跨领域的话，就一切重新开始学习，之前的积累可以暂时忘掉。这就是进入新的挑战区了，待在这个领域从事多年，理论经验非常扎实了，这个就是需要坚守的原则，在这个基础上需要不断更新算法，框架等等为自己更好的服务。