自我介绍
我是拥有10年+架构设计、通信软件、互联网软件、项目管理和需求分析的工程师，现居成都。
我参与过无线网络规划、大数据处理、算法调优方面的工作，后面在交通行业参与了数字化方面的工作，涉及到数据平台设计研发、异构数据处理与融合、数据可视化，以及交通行业相关的一些业务系统，包括基于GNSS高精定位设备的AI IoT平台。
我当前的一些技术兴趣包括：
- 基于Spark SQL的分布式计算
- JavaVM/GraalVM运行GC算法调优
- AI Agent/Harness/Context Engineering/Loop Engineering
以及其他一些技术。
工作经历
2019年至2026年就职于四川公路院
2008年到2019年就职于华为技术有限公司
我对AI的思考
总的来说，我认为AI是一个非常好的工具，在一些繁杂的、重复的、标准化的场景中，AI可以帮我们提升效率、解决问题。如Fred Brooks所说，和其他技术一样，AI也不是万能的，甚至都不是解决数字化过程、软件工程化领域中的“银弹”。
有如下几点：
AI在非标领域应用。在通用的、标准化的领域中，AI的训练数据来源非常多，比如W3C的RFC文档、JSON的标准等等，这使得LLM在处理这些任务时确实有很大的优势。但是在一些非标领域、工业领域、知识库、标准、产权都在行业、企业内部，甚至是工程师一代一代传承的行业中，AI的可靠性会大幅降低，即便是我们通过RAG或者其他手段将上下文补充的更齐全、使用更好的推理模型，都无法完全解决这个问题。因为这个问题的本质是对于特定场景的judgement，是判断与决策。
AI的幻觉问题。AI的本质是将文本、图像、以及其他形式的数据丢给LLM，然后输出Token。不同的模型对同一个提示词输出的结果是不一样的，甚至同一个模型对同一个提示词在不同时间的输出也是不一样的。即便给LLM套上更多的壳子，用来提升LLM输出的准确性，但是依然无法完全保证说可以解决这个问题。因为这个问题的问题在于每次输入的提示词激活的LLM参数可能是不一样的（能够将参数激活过程可视化？参数非常大，动则百亿，即便可视化，看起来如同一片云一样，没有太大的意义）。在需要高可靠的应用中，比如IT领域中数据库配置维护、网络配置与维护、服务发布等等，一旦出现删库，谁来负责呢？再比如医疗行业，医生的诊断过程和软件工程师非常类似，都是基于专家知识、特性去识别问题、猜测问题发生的原因、验证之前的预设是否正确。但是和软件行业不一样的是，软件工程师debug搞错了没关系，但是医生不行，搞粗了有可能会造成医疗事故。所以这个时候，如何提升模型的可靠性，降低幻觉？
AI的版权问题。我们都知道LLM是基于海量的互联网预料、维基百科、GitHub上的开源代码训练出来的。这些预料的版权都不一样，有的是公开的、有的是私有的，有的仓库是MIT、GPL\Apache License等等，但是对于LLM，这些版权问题如何解决？对于LLM输出的内容，如何界定其版权？是否存在侵权？我之前看到一个新闻，说是有个人通过Claude Code做了一个浏览器出来，但是把代码拆开看，里面使用大量的Chromium的代码，也使用了一些Web渲染引擎的代码，这些代码是否造成引擎？ 当我们在使用Coding Agent生成的代码在闭源商业产品中使用时，是否会造成版权风险？
AI对人的影响。AI对人的影响是多方面的。我们应该如何更合理的去使用AI？让我们逆向来思考，如果AI接管了我们的思考过程，会如何？对信息的深度理解能力、处理能力、分析综合能力、批判性思考能力会下降吗？ 关于这一点，我一直持有比较审慎的态度，我自己也一直保持深度阅读（不是靠AI给我总结）、深入思考的习惯。同时，在社交媒体、B站之类的内容网站上，大量的AI生成的内容，是否会影响我们的语言和表达习惯？最可怕的不是机器人像人，而是人像机器人。
技能
Java/Scala/Python/R
JavaScript/TypeScript
Hadoop/Spark/HBase/Hive/Delta Lake
Spring Boot/Spring Cloud
OAuth 2.0
Turf.js/Cesium3D/Three.js/WebGL/WebGPU
Leaflet/Mapbox/OpenLayers
如何联系我
你可以通过微信或者邮箱联系到我。
微信号：icchoe(请注明来意)
邮箱：semonwang@163.com（偶尔会看，不一定每天都打开）