程序员职业吸引力正逐渐下降，面临工作强度大、AI替代风险高、被视为"青春饭"及社会化能力难以积累等挑战。然而，计算机底层技术逻辑短期内不会被推翻，AI发展也将催生新岗位。对于从业者而言，选择能带来快乐和激情的工作更为重要，同时可考虑向大模型等新兴领域寻求转型机会。
为什么越来越多的人不想做程序员工作了
一、职业情况
程序员工作一直以来以高薪为标志，吸引着一批又一批年轻人。我毕业的时候，社会上有很多培训机构，培训三四个月后就让你能拥有一份月薪8K甚至更多的工作。这个培训就是弥补学校教育和企业需求的一种方式。
当然这个培训收费还是挺高的，如果家里拿不出这个钱，还是不要去培训，有的机构会给你办理贷款，让你工作后还，很多人一想我如果能找到高薪工作，这点贷款又算什么，其实这是一个伪命题，能不能找到工作毕竟是由很多因素决定的，不是那么确定，所以还是要慎重。
程序员工作还有一个特点就是几乎全是脑力劳动，为什么这样说，因为你需要在电脑前一坐一天，和人的沟通也都是技术层面的东西。时间久了，语言能力都退化了。所有的结果都由你掌握，行就行，不行就不行。是代码给你的权威。当然也有人说它是体力劳动，当你成为一个熟练工之后，写一些比较低级的任务，确实会有苦力工的感觉。
熬夜加班也不可避免，这个工作的高薪一部分来自于门槛，毕竟编码也是有门槛的事情。另一部分原因就是高强度的加班，有时候为了上线，会很赶时间进度，甚至出现通宵加班的情况。之前网上就报道了很多起程序员猝死的案例。
二、吸引力为何降低
很多弊病都会被一个高薪掩盖，因为这是为数不多的不靠任何资源，只靠自己本身就能获得高薪的工作。很多人靠大厂程序员的身份改变了命运，挣了别人也许一辈子都挣不到的钱。
最近两年，受经济环境的影响，很多公司都开始裁员，有时候一个业务线的人全部被裁，被裁之后再就业的难度非常之高。早些年公司不用你可能是因为你的能力原因，经验不够，现在的情况也许是干脆不招。因此稳定性可能成为程序员工作吸引力降低的原因之一。
AI的快速发展，确实给程序员工作带来了很大的影响，很多初级、重复性的编码可以被AI快速完成，技术门槛不再坚不可摧。
这一行几乎是公认的青春饭，都不用35，30岁可能就不是很好找工作了，技术不断地更新，让人不得不一直学习。很多年前的flash工程师，现在已经没有这个需求了。
所做的事情大概率都是别人的意志，始终在业务逻辑和技术框架里打转，不知道与社会的连接到底是什么样的。社会化能力几乎不会积累，也不善于表达和与人交流。
三、还有未来吗
几乎每个专业都在诉说自己的苦，有工作环境不好的，有工资水平低的，也有像程序员这种太消耗身体的。程序员的工作也许适合那些本身就不爱与人交流，可以自己坐那完成一些任务的人。但是如果你觉得再这么安静下去，就要奔溃了，还是要选择一些与人可以接触的工作。
这个行业还是可以发展很久的，ai的出现，也会催生一批岗位，也许编码方式会有变化，但是计算机这套地层的技术逻辑，一时半会儿是无法被推翻的，毕竟很多新的东西都是在旧的技术框架上发展出来的。
但是处于个人兴趣的考虑，还是要选择一些能让自己感受到快乐和激情的工作。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
