Degen Sing

堆栈痴迷时代已死。旧方式 (2020-2024): → 花3个月评估框架。 → 阅读关于部署策略的47篇博客。 → 在Slack中辩论Postgres与MongoDB。 → 在发货前进行优化。 → 在第4个月发货。 新方式 (2026): →

堆栈痴迷时代已死。旧方式 (2020-2024)：
→ 花3个月评估框架。
→ 阅读47篇关于部署策略的博客。
→ 在Slack中辩论Postgres与MongoDB。
→ 在发货前进行优化。
→ 在第4个月发货。
新方式 (2026)：
→ Claude在数小时内写出代码。
→ Supabase处理数据库。
→ Railway立即部署。
→ Stripe处理支付。
→ GitHub Actions运行测试。
→ 你在午餐前上线。
区别不在工具，而在于那些不再假装工具选择重要的人。发货胜过研究。

“我无法变现我的技能”是借口。
你可以销售一个别人遵循的系统。
你可以销售完成无聊部分的软件。
你可以销售节省3小时的模板。
你可以销售你已经掌握的知识。
问题从来不是产品。
而是选择某件事感觉像是一种承诺，承诺又像是一种风险，而风险在你还未开始时就感觉像失败。
所以你一直陷在关于完美商业的空想中，而一个技能只有一半的人却交付了丑陋的产品并获得了第一个客户。
选择一个问题。构建明显的东西。收费。
这就是全部的策略。

“AI 会取代你的工作” 是目前科技界最懒的说法。
真正的威胁并不是 AI。威胁在于：在市场每个岗位都需要从零重建的阶段，你却仍然停留在“通才”定位。
推理工程师。GTM 工程师。多智能体架构师。量化 ML 开发者。这些都不是虚构的头衔。它们是同一类问题，只是深入了一层。
还有那部分没人愿意当众说出口的：
→ 语法已经死了。
概念还在。
→ 由单人创始人运行 10 个 AI 代理，会比你那支 50 人团队跑得更快。
→ 分发能力胜过资历。
它已经证明了这一点。
真正重要、而且切实有效的基础，不是 React 或 Python。
线性代数。变换器。分布式系统。以及如何与一整个团队/房间的人沟通。
一条尖锐的垂直赛道 + 一套干净扎实的基础 = 未来下一波浪潮中唯一能幸存的职业护城河。

现在已经没有人会再连续两次使用同一个模型了。→ 需要长上下文窗口的场景选 gemini 3.1 → 当你想要更聪明但又不想浪费令牌时选 sonnet 4.6 → 当问题确实值得认真对待时选 opus 4.7 → 如果你懒得写样板代码，就选 codex

现在没有人再会连续两次使用同一个模型。
→ 需要更长上下文窗口的任何场景：gemini 3.1
→ 想要更聪明的输出，但又不想把代币烧掉：sonnet 4.6
→ 只有当问题确实值得认真处理时：opus 4.7
→ 当你懒得自己写那些样板代码时：codex
→ 当你团队里有人坚持要用的时候：GPT 5.5
真正的答案是：这取决于你想要避免去思考什么。

我们打造了世界上最自信的错误答案机器。
→ 向它询问胸痛问题，得到“可能是肌肉拉伤”
→ “可能”在这里起了很大的作用
→ 它并没有说谎。
它只是……没有足够担心去再次确认
→ 你也一样，因为它听起来如此平静
→ 事后诊断与ICU中的感觉不同
问题不在于AI会出错。
而在于它出错时的语气与正确时完全一致。

AI 并没有让你变得更聪明。它让你变得依赖。你的拼写变差。你的记忆减退。你在让模型帮你形成想法之前停止了思考。 → 你曾经凭直觉调试。 现在你粘贴然后等待。 → 你曾经凭感觉起草。 现在你用提示。

我的表弟花了六年时间“几乎开始”一个新闻通讯。
已经想好了名字。已经确定了细分领域。已经有一个满是草稿的Notion文档。
从未点击发布。
与此同时，一个想法更差、写作更差的人在同一领域开始了。
那个人现在有4万订阅者。
我表弟仍然只有那个Notion文档。
他们之间的差距不是天赋。
也不是时机。
甚至不是执行力。
而是决定成为一个会交付成果的人，而不是一个只会计划的人。
应用程序、博客、书籍、品牌……它们不存在，直到你让它们存在。
这里有个没人会大声说的部分：资产会复利。
三年前的博客文章仍然吸引人。
你在一个周末建立的应用程序，睡觉时仍在运行。
你在觉得自己还未准备好时创建的品牌，仍在传递你的名字。
这些都不会起作用，直到你开始它。
开始那个事情。

2026年最高薪的技术岗位并不是你五年前所预料的。 → AI/ML架构师：$180K-$320K。 机器仍然需要人类来设计。 → 云安全架构师：$160K-$260K。 一切都转移到了云端。安全措施还没有跟上。 → 应用人工智能

AI 让你变得更聪明吗？不，它让你变得依赖。
你的拼写会出错。你的记忆会减退。你停止在让模型帮你形成想法之前思考。
→ 你曾经凭直觉调试。
现在你粘贴然后等待。
→ 你曾经凭感觉起草。
现在你提示然后润色。
→ 你曾经记得事情。
现在你懒得记。
这些工具确实很强大。我不是反对AI。
但有一种情况是，你在五年后醒来，意识到你一直在外包那些让你的思考变得有价值的部分。
用它走得更远，而不是更少。

2026年最高薪的技术岗位并不是五年前你所预料的那样。
→ 人工智能/机器学习架构师：18万美元-32万美元。
机器仍然需要人类来设计它们。
→ 云安全架构师：16万美元-26万美元。
一切都迁移到了云端。安全措施跟不上。
→ 应用人工智能工程师：15万美元-25万美元。
将模型转化为实际产品。
→ 区块链工程师：14.5万美元-23万美元。
去中心化金融不会消失。
→ 人工智能产品经理：14万美元-22万美元。
技术与现实世界之间的纽带。
→ 平台/运维：13.5万美元-21万美元。
系统崩溃时没人关心。
→ 网络安全专家：13万美元-20万美元。
威胁规模扩大。人手没有增加。
→ 高级数据科学家：12.5万美元-19.5万美元。
数据更多，需求不减。
→ 全栈工程师：11万美元-18万美元。
仍然是你可以做出的最具多样性的选择。
规律：越接近人工智能基础设施或安全，薪酬越高。
这不是巧合。

__test_auto_1777284249989

__test_auto_1777284249989

每个人都说要快速出货。没人谈论你实际上在快速朝着什么方向出货。 → 一个没人要求的产品，更快 → 每天堆积的技术债务 → 一个没有推广计划的发布 → 一个第一次就没成功的第二个版本 速度就是

大家都说要快速出货。
没人谈论你实际上在快速朝哪个方向出货。
→ 一个没人要求的产品，更快
→ 每天堆积的技术债务
→ 一个没有推广计划的发布
→ 一个第一次没成功的事物的第二个版本
速度只有在方向正确时才有价值。

我的2026年技术栈基本上是“为什么自己做任何事情？”
旧方式：
→ 选择一个工具并精通它
→ 等待功能上线
→ 在6个不同的界面之间切换
→ 实际完成工作
新方式：
→ 链接相互驱动的工具
→ 以比工具更新更快的速度发布
→ 一个提示，多个输出
→ 将任务委托给技术栈而非人类
真正的关键不是拥有最好的AI，而是拥有在你跑步机上时还能让AI相互交流的AI。

上周参加了一场创业公司路演。
CTO用了15分钟解释他的“定制架构”，实际上就是react +他上份工作用的工具 +一个stack overflow的认证实现 +“我们以后会重构”。
演示文稿上写着已准备好A轮融资。
代码库里写着“拜托请雇个运维人员”。
投资者问到测试问题。
得到的回应是茫然的眼神和“说实话我们节奏快”。
但问题是：它确实奏效了。他们筹集了1000万美元。
所以要么我们的评估体系全是表演，要么我们只是在投资那些能讲出最好技术债务故事的人。

墓地不断被填满，但赢家从未改变。2018-2024：→ CSS 框架 (tailwind 主导)。→ JS 框架 (react 赢得)。→ 推特调度器 (buffer 保持)。→ 低代码工具 (zapier 持续获胜)。→ chatGPT 封装器 (在几个月内走向死亡)。→ openAI API

入门级曾意味着你可以在工作中学习。
现在它意味着：
→ 至少5年的经验。
→ 全栈数据能力 (SQL，python，ML，实验)。
→ DevOps知识 (AWS/GCP/azure，kafka，spark)。
→ 商业敏锐度和领域专业知识。
→ “所有权心态” (创业圈的说法：用一份薪水做三份工作)。
→ 你的沟通能力要能和你的技术能力相提并论。
门槛并没有提高。
它变成了一项完全不同的运动。