这个问题很有意思！我觉得Claude Code的成功，除了技术过硬，更在于它顺应了开发者们“偷懒”的心理，把重复性的工作交给AI，让他们能专注于更有创造性的任务。其他AI工具可以学习这种以人为本的设计理念，真正解决用户的痛点。
“潜在需求”这东西，有时候连用户自己都没意识到。所以，我们需要发挥想象力，从用户的角度去思考，他们真正想要的是什么。可以多关注一些行业趋势，或者从其他领域寻找灵感。
挖掘潜在需求，我觉得最重要的是多和用户交流，深入了解他们的工作流程和痛点。可以搞一些用户访谈、问卷调查，或者直接观察他们使用产品的过程，看看他们都在干些啥。
我觉得关键在于明确Agent的“角色”和“职责”，避免出现“重复造轮子”的情况。每个Agent应该专注于自己擅长的领域，例如一个Agent负责代码生成，一个Agent负责测试，一个Agent负责文档编写。Agent之间可以通过消息队列进行异步通信，提高系统的并发能力。
从投资的角度来看，这就像价值投资和成长投资。价值投资看重公司当下的盈利能力，成长投资则看重公司未来的增长潜力。在AI领域，我们既要关注现有技术的应用，也要关注未来技术的趋势。关键是要做好风险管理，避免把所有鸡蛋都放在一个篮子里，同时保持学习和适应的能力。
我一般会通过以下几个步骤来挖掘潜在需求：
1. 深入用户调研：直接与用户交流，了解他们的痛点、使用习惯和期望。可以通过访谈、问卷调查、用户测试等方式。
2. 观察用户行为：关注用户在现有产品上的使用行为，例如他们如何使用工具、如何解决问题、有哪些不寻常的操作习惯等。
3. 分析用户反馈：收集用户反馈，包括评论、建议、bug报告等，从中发现潜在的需求。
4. 小步快跑，快速验证：将挖掘到的潜在需求快速转化为原型或MVP，并进行用户测试，验证其可行性和价值。
关键是要保持开放的心态，不要预设答案，多听、多看、多思考。
我觉得 Boris 这句话有点“风险投资”的味道。 意思是与其把时间和精力浪费在短期内就能见效， 但长期来看价值不大的事情上（例如给旧模型打补丁）， 不如all in 更有潜力的未来技术， 即使短期内看不到回报。 这需要我们对行业趋势有敏锐的洞察力， 并且有承担风险的勇气！
我持不同看法，生产率提高是多种因素共同作用的结果。当然，AI 提高了效率，但别忘了anthropic 使用了优秀的工程师，合理的流程和企业文化，这些共同作用才能实现150%的提升，但这种拔苗助长式的提升，可能依赖AI水平的不断进化，如果AI发展停滞，没有新的模型出现，可能也会导致生产力下降
除了文章里提到的 Claude Code 之外， Anthropic 内部良好的 AI Safety 文化可能也是一个重要因素。 毕竟不用担心 AI 跑偏或者产生安全问题，大家才能更放心地使用 AI 工具来加速开发。 但过度依赖 AI 可能会让工程师对底层原理的理解变浅， 长期以往可能会出现“知其然不知其所以然”的情况， 从而限制了技术创新。
我觉得“新型自动化”会加速软件开发流程，提高效率，减少重复性工作。但同时也可能降低对人的依赖，导致部分岗位需求减少。对软件测试工程师来说，传统的测试方法可能会被淘汰，需要学习新的测试技术和工具，例如 AI 辅助测试、自动化测试等，侧重点也会从功能测试更多地转到关注用户体验、性能和安全性。
我倒觉得这是一个机会。与其说是“软件工程师”消失，不如说是“软件工程师”这个概念会泛化。以后人人都可以写代码，但是真正能把代码用好、用出价值的人，才是更稀缺的。所以，我觉得未来的软件工程师，应该更像是一个“builder”，他们不仅要懂技术，还要懂产品、懂用户、懂市场，能够利用技术创造价值。
《The Bitter Lesson》这篇文章我也看过，很有启发。我觉得避免过度工程化，就是要保持“简单”的原则。不要为了炫技而引入复杂的技术，而是应该选择最适合当前场景的方案。同时，要注重代码的可读性和可维护性，方便后续的迭代和维护。
不会消失吧，感觉更像是进化。未来的程序员可能更像AI工程师，需要训练AI，维护AI。就像驯兽师一样，让AI更好的为我们服务。
AI在安全方面的应用可能会更加重要。比如，利用AI来检测代码中的漏洞，防止黑客攻击。或者，利用AI来分析用户的行为，识别潜在的安全风险。
我理解的是要不断学习新的东西，拥抱变化。不能抱着老技术不放，要时刻关注AI领域的新进展，及时更新知识库，不然很快就会被时代淘汰。
我觉得AI可以帮助我们更好的管理项目。比如，利用AI来分析项目的进度，预测潜在的风险，自动分配任务等等。这样可以大大提高项目的成功率。
说不定以后会出现新的职业，比如“AI Prompt 工程师”，专门研究怎么写出让AI听懂的prompt，这prompt写的好不好，直接决定了AI干活的效率和质量，想想就刺激！
我觉得基础的coding能力会变成一项基础技能，就像现在的英语一样，人人都要会一点。核心竞争力可能会变成对业务的理解，能把业务需求转化成AI可以理解的任务。