AI 编码代理的持久化记忆层
Beads 是一个基于 Dolt 的分布式图结构问题追踪器,为 AI 编码代理提供持久化、依赖感知的结构化记忆,替代易丢失上下文的 Markdown 计划文件。对正在构建长周期任务代理的团队来说,这是解决"做着做着就忘了"问题的关键基础设施。
前腾讯工程师入职谷歌十年,亲历工程师文化从天堂到平庸的衰落,分享技术选型、职场晋升与AI浪潮下的生存法则。对仍在纠结大厂vs创业公司、热门vs冷门技术方向的读者有直接参考价值。
这篇帖子的真正价值在于时间戳:作者入职谷歌十年意味着2014年左右加入,恰好错过2012-2017的移动互联网红利期,又完美避开2020-2021的独角兽期权暴富窗口。他提到的"懒得准备面试错过百倍公司"不是谦虚,而是大厂舒适区的典型陷阱——谷歌的薪酬结构(高base低波动)天然筛选出风险厌恶型人才,这批人恰恰是AI创业潮中最难下决心all in的群体。
值得注意的矛盾点:作者一边吐槽谷歌沦为平庸,一边承认"经济角度反而是不错的结果",这种自我安慰在大厂老员工中极为普遍。对于正在考虑是否从大厂跳出来做AI创业的读者,这个案例比任何鸡汤都有说服力——如果你已经习惯用"总包"计算机会成本,你可能已经不是创业的材料了。
他最后提到的"进GDM做AI天龙人"是谷歌内部梗,GDM(Google DeepMind)的AI研究员与谷歌其他部门存在明显的阶层割裂,这暗示即使是谷歌内部,AI时代的资源分配也在急剧分化。