热门话题将复杂的话题变成一句自信的句子。这使得它们非常适合参与，但不一定适合理解。

从表面上看，它们并不重要。你同意、不同意、转发、争论几分钟，然后继续。有时，采取的方向是正确的。有时这完全是无稽之谈。

热门观点的价值在于当你停止反应并开始将它们分开时会发生什么。在什么条件下这是真的？缺少什么上下文？它做出了什么假设？当你把它应用到实际工作中时会发生什么变化？

这就是深度所在。一个好的热门观点会给你一些尖锐到足以质疑的东西。问题是你找到有用想法的地方。

我们将在最新一集的 GitHub 播客中探讨这一切以及更多内容！

还没准备好潜入吗？以下是我们讨论过的一些常见的人工智能热门话题以及我们可以从中得到什么。

是的，你知道。您仍然对代码负责。

但这并不意味着每条生成的线都需要同等程度的关注。

生产验证重构应该采用与 CSS 实验不同的审查流程。您维护了 10 年的代码库对您直觉的引导与您今天早上打开的代码库不同。假装每次改变都带来同样的风险并不严谨。这只是时间的浪费。

一个简单的规则：回顾直到你能解释并拥有结果。

有时，这项工作在代理写任何东西之前就开始了。您阅读当前的实现、映射依赖关系、识别边缘情况并制定计划。当第一个实现出现时，您已经了解它应该做什么以及哪里可能出错。

其他时候，生成的代码本身需要您的大部分注意力。您检查错误处理、权限、数据访问、性能、可访问性和测试。

人工智能会转移工作。它不会使工作消失。

真正的技能是知道风险在哪里。

现实情况有些微妙。越来越多的团队询问候选人如何使用人工智能。这是有道理的。这些工具正在成为软件开发的一部分。

但没有人认为每个开发人员都需要相同的工作流程、相同的工具或相同程度的热情。

更强的信号是判断。

您能解释一下何时使用人工智能以及何时手动工作吗？您能描述一下您如何审查生成的代码吗？你能诚实地谈论速度、质量、安全性和可维护性吗？您可以随着工具的变化而改变您的流程吗？

如果一家公司正在构建人工智能产品或在其工程工作流程中大量使用人工智能，那么拒绝接触人工智能可能会让你不适合。这没有争议。但完全依赖和完全拒绝很少是好的答案。

更好的答案是清楚地解释您的工作方式、您信任工具可以做什么以及您在哪里了解情况。

这种流畅性正在成为工艺的一部分。

不，他们解决不同的问题。

模型上下文协议为代理提供了连接工具和数据的标准方法。当您希望系统可靠地协同工作时，该标准很重要。代理需要结构化的方式来调用工具、获取上下文并采取行动。