严格意义上来说并不是新技术，算是一种语言组织的艺术

我觉得不是很高，硬件成本有点高，而且除非你24小时开机，否则用起来也不方便

信息化和数字化是地基，谈不上淘汰。你AI再牛，连业务流程都没线上化、数据都散在十几个Excel里，模型也没法训练，拖后腿的有一种情况：系统建了一堆，但数据脏乱差、各跑各的、想拉出来用还得人工清洗半个月。这种才是真包袱。

所以实际判断标准很简单：你现在手头的数据，能不能直接丢给AI用？能，那你之前花的钱都是资产；不能，那不是数字化不行，是你当年做得烂：字段不规范、系统不互通、录入靠人肉填表，现在全得再来一遍。

信息化和数字化是地基，谈不上淘汰。你AI再牛，连业务流程都没线上化、数据都散在十几个Excel里，模型也没法训练，拖后腿的有一种情况：系统建了一堆，但数据脏乱差、各跑各的、想拉出来用还得人工清洗半个月。这种才是真包袱。

所以实际判断标准很简单：你现在手头的数据，能不能直接丢给AI用？能，那你之前花的钱都是资产；不能，那不是数字化不行，是你当年做得烂：字段不规范、系统不互通、录入靠人肉填表，现在全得再来一遍。

我觉得不是很高，硬件成本有点高，而且除非你24小时开机，否则用起来也不方便

严格意义上来说并不是新技术，算是一种语言组织的艺术

CodeBuddy 提效的核心是把"上下文喂足"（打开的相关文件、报错日志、单测先贴进去）再配"任务切片"（一次只让它干一件明确的事，比如"按现有 Controller 风格补这个接口 + 单测"），比泛泛喊"帮我优化这段代码"快一倍；再加两个隐藏杠杆—CR 模式下让它先扫一遍再你自己过，能省 60% 低级问题，CLI 里 /explain 和 /test 两个快捷指令养成肌肉记忆，比重新打字描述省很多。

具身智能的 AgentOS 应该统一到硬件抽象层 + 类型化技能接口​ 这一层级—向下把驱动适配标准化，让上层应用不用再为每台机器人重写代码；向上把技能的入参、状态流、失败语义定义成统一契约，充当"插头标准"。

这个应该没有，没看到相关活动

已经改变了，各行各业现在都在经历变革，从软件开发这一行业来说，已经不再怎么需求入门级别了，更多从代码编写者变成任务监督者了

其实吧，作为一名写了10多年的码农来说，补全功能总体来说还是比较依赖的，尤其是现在这么多的IDE工具，甚至AI普及后，代码写得越来越少了