编辑：倾倾 【导读】 昨夜，编程界「最后一位武士」Antirez放下手中刀：手工写码，已不再明智。当Redis 之父都开始把代码外包给Claude，你还在固执「纯手写」？别做2026年的「清朝程序员」了—— 汽车都来了，你还挥马鞭呢？ 昨夜，全球程序员的「精神祠堂」塌了一角。 Salvatore Sanfilippo（网名 Antirez），他创造了Redis、把C语言玩成「指针艺术」，一直被视为古 典编程美学的最后一位守夜人。 在过去的职业生涯里，他拒绝任何黑盒，坚持用最原始的C语言逐行雕琢出Redis这座性能摩天大 楼。 但就在15小时前，这位「旧神」亲自发布了一封投降书——更准确地说，是一份给全人类程序员的 最后通牒。 在博文《Don't fall into the anti-AI hype》中，他用一种近乎残酷的冷静撕开了行业的遮羞布： 虽然我热爱手工写码，虽然我私心并不希望AI颠覆当下的经济体系，但事实就是事实。编程已 经被永远改变了。 原文链接：https://antirez.com/news/158 连这个星球上最硬核的C语言大师都承认「自己写代码已不再明智」，普通程序员的「代码洁癖」和 「工匠 ...

行业核心观点 - 两位行业先驱（Node.js之父Ryan Dahl与Redis之父Salvatore Sanfilippo）公开发声，认为人类亲手写代码的时代已经结束，编程已被AI永久改变 [1][4] - 行业共识认为，AI时代下，人类开发者的角色正从代码写作者转变为代码编辑者和需求提出者，编程的核心从语法转向目标意图 [7][20] 行业领袖观点与背景 - **Ryan Dahl**：于2009年创建Node.js，推动了异步I/O和事件驱动编程的普及，将JavaScript从浏览器扩展到服务器端，改变了后端生态；后创办Deno以修正Node.js的设计缺陷 [3] - **Salvatore Sanfilippo (antirez)**：作为Redis的联合创始人，开发了全球最流行的内存数据库之一，其发明的内存数据结构存储系统已成为全球高并发应用（如抖音、亚马逊）的核心基础设施 [4][5] - **Linus Torvalds**：最初对AI生成代码持批评态度，但态度已转变，在2025年末称Vibe编程是绝佳的入门方式，并公开承认在个人项目中使用AI编程且结果超出预期；同时强调程序员不会失业，因为需要有人长期维护AI生成的代码 [16][18] AI编程工具的发展与应用 - **工具普及与效能**：基于OpenAI Codex的GitHub Copilot已帮助开发者生成海量代码，使开发速度提升50%以上 [8] - **全栈开发能力**：如Cursor、Claude Code等工具已能完成全栈开发、调试优化、DevOps部署等整套流程 [8] - **企业级应用案例**：Claude Code在10天左右的时间内编写了Claude新智能体Cowork的全部代码；Cowork能理解自然语言指令，自主创建、编辑、读取文件，制定并并行执行计划 [8][9] - **国内进展**：字节跳动推出的原生编程工具TRAE，在2025年一年内编写了1000亿行代码，相当于300万名程序员全年的工作量；团队正使用TRAE来开发TRAE自身 [10] 行业采用率与影响数据 - **开发者使用率**：Stack Overflow年度报告显示，84%的开发者会在工作中使用AI工具 [10] - **生产力提升**：69%的开发者认为使用AI工具提高了生产力 [10] - **使用频率细分**：47.1%的开发者每日使用AI工具，17.7%每周使用，13.7%每月使用 [11] - **企业采用预测**：Gartner预测，到2030年，超过80%的企业将深度使用AI编写代码 [11] - **具体效益数据**（来自相关调查）： - 40.8%的开发者强烈同意AI智能体减少了特定开发任务的时间 [12] - 41%的开发者强烈同意AI智能体提高了他们的生产力 [12] - 32.4%的开发者强烈同意AI智能体提高了代码质量 [12] - 34.9%的开发者强烈同意AI智能体帮助他们自动化了重复性任务 [12] 开发者角色与就业市场演变 - **角色转变**：软件工程师的工作从编写代码转变为提出需求和编辑代码，人类保留了“脑活”（思想与设计），AI接管了“手活”（具体编码） [7][20] - **技能要求变化**：部分公司在招聘程序员时，已要求熟练使用AI编程工具 [14] - **职业前景**：行业领袖（如Linus Torvalds、黄仁勋）强调，程序员不会被AI取代，其核心职责在于发现并解决问题，以及长期维护和完善AI生成的代码 [16][18][20]

文章核心观点 - 两位后端技术领袖（Node.js之父与Redis之父）公开发声，认为人类亲手写代码的时代已经结束，AI已永久性地改变了编程行业[1][2][7] - AI编程工具已广泛渗透，大幅提升了开发效率与生产力，编程工作正从关注语法细节转向关注目标意图[12][13][24] - 尽管手写代码时代落幕，但程序员的工作不会消失，其角色将从代码编写者转变为需求提出者、问题解决者和代码维护者[30][35][40] 行业技术领袖观点 - **Node.js之父 Ryan Dahl** 认为人类写代码的时代已经结束，其观点在社交媒体上获得四百万围观[2][4] - **Redis之父 Salvatore Sanfilippo** 同样指出编程已被AI永久改变，并提醒人们不要陷入反AI的炒作[7][8] - **Linux之父 Linus Torvalds** 态度发生转变，从批评AI生成代码转为认可Vibe编程是绝佳入门方式，并已在个人项目中使用，同时强调程序员需长期维护AI生成的代码[32][34][35] - **英伟达CEO黄仁勋** 认为开发者的首要职责在于发现并解决问题，而不仅仅是编写代码[36][38] AI编程工具发展与应用现状 - **工具普及与效率提升**：基于OpenAI Codex的GitHub Copilot已帮助开发者开发提速50%以上[15] - **全栈开发能力**：Cursor、Claude Code等工具能完成全栈开发、调试优化、DevOps部署整套流程[16] - **企业级应用广泛**：国内外企业级开发已大部分用上AI，Stack Overflow报告显示84%的开发者会在工作中使用AI工具[17][24] - **生产力提升共识**：69%的开发者认为使用AI工具提高了生产力[24] AI编程的具体产出案例 - **Claude Code案例**：新智能体Cowork的全部代码由Claude Code编写，开发时间仅10天左右[18][19] - **字节跳动TRAE案例**：其原生编程工具TRAE在2025年一年内编写了1000亿行代码，相当于300万名程序员全年的工作量，团队正用TRAE开发TRAE自身[22][23] 行业趋势与影响 - **编程范式转变**：代码工程正在从关注语法转向关注目标意图[12] - **渗透率预测**：Gartner预测到2030年，超过80%的企业将深度使用AI编写代码[26] - **招聘要求变化**：不少公司在招聘程序员时，已要求熟练使用AI编程工具[28] - **开发者角色演变**：软件工程师的工作从写代码转变为提需求，AI接管“手活”，人类保留“脑活”[40][41]

文章核心观点 - AI正在永久性地改变编程行业，在绝大多数情况下，亲手编写所有代码已不再是理性选择，开发者的核心价值将转向理解“要做什么”以及“应该如何去做” [8][10][16] - 行业顶尖开发者通过亲身实践证实，AI编程工具能极大提升工程效率，在特定任务上可将耗时从数周缩短至几小时甚至几分钟 [1][12][14][16] - 关于AI编程的实际效用存在显著分歧，部分开发者认为其在复杂系统设计、长期维护和代码质量方面仍存在明显不足 [20][22][26] - 面对不可逆的技术变革，逃避无益，开发者应积极学习并深入测试AI工具以掌握其应用，从而专注于更高层次的创造活动 [29][30][31] 科技圈大佬的观点与态度 - Google首席工程师Jaana Dogan指出，Anthropic的Claude Code用1小时完成了谷歌团队耗时一整年的攻坚工作，方案方向高度一致 [1] - Linux之父Linus Torvalds最初对“用AI写代码”兴趣不大，更看重AI辅助代码维护，但其后亲自体验Vibe coding并创建了新开源项目，展现了实践探索 [1] - Redis之父Salvatore Sanfilippo (antirez) 持颠覆性论断，认为写代码本身在多数情况下已非必要工作，开发者应拥抱AI以更快抵达创造的终点 [2][5][10] AI编程能力的实证与效率提升 - **效率对比**：Claude Code在1小时内完成了谷歌团队一年的攻坚工作 [1] - **具体案例**： - 改进linenoise库以支持UTF-8并构建测试框架，仅需几小时，而过去因成本问题难以实施 [12] - 修复Redis测试中棘手的瞬态失败（由网络波动、高并发等问题引起），AI能持续运行测试直至复现并修复bug [13] - 构建纯C实现的BERT推理库（约700行代码）仅用5分钟，其输出与PyTorch一致，速度仅慢约15% [14] - 根据设计文档，在约20分钟内复现了Redis Streams的全部内部实现 [16] AI编程的优势与适用条件 - **任务类型**：任务越独立、越容易用完整文本描述，模型表现越好，系统编程是典型例子 [15] - **开发者能力**：关键在于开发者能否在脑中建立对问题的清晰抽象并准确传达给模型 [15] - **核心转变**：开发者的核心工作从“写代码”转变为理解“要做什么”以及“应该如何去做”，AI在后一点上也是出色的伙伴 [16] 对行业与社会的影响展望 - **行业民主化**：AI编程有望像90年代的开源运动一样，让小团队拥有与大公司竞争的机会，让代码和知识更加民主化 [17] - **技术集中化风险**：AI技术不能只掌握在少数公司手中，目前开放模型与封闭实验室的前沿模型仍在竞争，其民主化状态能否长期维持尚不确定 [17] - **就业与组织影响**：企业可能选择雇佣更多人构建产品，也可能削减成本仅保留少数擅长提示工程的程序员，其他行业的人类甚至可能被完全取代 [18] - **社会政策建议**：应通过政治投票支持那些理解变革并愿意为失业人群提供支持的政府，以应对可能增加的社会压力 [18] - **积极期待**：AI有望推动科学进步，减少人类生活中的痛苦，提升整体生存状态 [18] 开发者社区的质疑与现存局限 - **代码质量与架构问题**：有开发者指出，AI生成的代码在提交评审前通常需要重写约70%，存在细节处理不到位和根本性架构问题 [22] - **错误率与速度权衡**：响应速度快的模型错误率高得惊人，而更慢、更“深思”的模型等待时间过长，有时不如直接搜索高效 [26] - **适用场景限制**：AI工具可能更适合原型开发或中小项目，在复杂、有15年历史的遗留企业级系统（如多服务、多数据库、硬件通信的系统）中表现不佳 [25][27] - **削弱系统理解**：过度依赖AI可能削弱工程师对系统的整体理解 [27] 面对变革的应对建议 - **不可避免的趋势**：AI发展已出现明显跃迁，从“编码助手”升级为“工程团队替代方案”只是时间问题，可能直接服务于非技术产品团队 [31] - **技术栈影响**：AI可能促使单体架构回潮，因为将业务逻辑置于统一容器更便于AI整体分析，微服务并行开发的优势可能减弱 [31] - **积极投入学习**：跳过AI对职业生涯无益，建议花几周时间谨慎深入地测试新工具，若不适应可间隔数月再尝试 [31] - **保持创造乐趣**：使用AI是为了能够更多、更好地创造，当年熬夜编程所追求的那种创造乐趣依然存在且丝毫未减 [30]

AI对编程行业的影响与变革 - 行业核心观点：AI正在永久性地改变编程行业，从“手写代码”转向与模型协作，编程工作的核心从“编写”转变为“理解问题与设计解决方案” [4][6][12] 行业效率的颠覆性提升案例 - Google团队耗时一年的攻坚成果，Anthropic的Claude Code仅用1小时就提供了方向高度一致的方案 [1] - Redis之父antirez通过向模型提示，在几小时内完成了原本需数周的工作：改进linenoise库以支持UTF-8并构建测试框架 [10] - 使用Claude Code在5分钟内构建了一个纯C实现的BERT推理库，约700行代码，输出结果与PyTorch一致，速度仅慢约15% [12] - 将Redis Streams的设计文档交给Claude Code，约20分钟内复现了全部实现，主要耗时在于人工检查结果 [13] 行业领军人物对AI编程的态度 - Google首席工程师Jaana Dogan通过对比凸显AI对工程效率与组织协作的挑战 [1] - Linux之父Linus Torvalds最初对“用AI写代码”兴趣不大，但更看重“用AI帮助维护代码”，其本人已体验Vibe coding并创建新开源项目 [1] - Redis之父antirez持颠覆性观点，认为在绝大多数情况下，写代码本身已非必要工作，开发者应拥抱变革以免错过行业变革 [2][4][8] AI编程当前的能力与适用范围 - AI已能在几乎无需人工干预下，独立完成中等规模的子任务甚至完整的中等体量项目，前提是开发者能给出清晰的目标描述 [6] - 模型表现取决于两点：任务类型（越独立、越易用文本描述越好，如系统编程）和开发者清晰描述问题的能力 [7] - 该技术被认为将帮助小团队拥有与大公司竞争的机会，类似90年代开源软件的影响 [12] 行业对AI编程的质疑与现存局限 - 部分开发者指出，AI在复杂系统设计、长期维护和边界条件处理上存在明显不足 [17] - 有经验开发者反馈，AI生成的代码在提交评审前常需重写约70%，因存在细节处理不到位或根本性架构问题 [18] - 模型存在错误率与响应速度的权衡：快速模型错误率高且严重，更慢、更“深思”的模型等待时间过长 [21] - 担忧过度依赖AI可能削弱工程师对系统的整体理解，认为其更适合原型或中小项目，而非严肃生产环境 [21] 行业未来发展趋势预测 - 预计未来一至两年内，Anthropic和OpenAI等公司可能将产品从“编码助手”升级为“工程团队替代方案”，直接客户可能是无深度技术经验的产品团队 [23] - 随着AI显著加快开发周期，微服务的并行开发优势减弱，单体架构可能回潮，因更便于AI整体分析和理解业务逻辑 [23] - 技术集中化是担忧，但开放模型（尤其中国的一些模型）仍在与封闭实验室的前沿模型竞争，AI民主化状态能否长期维持不确定 [14] 行业从业者建议与适应策略 - 建议开发者花几周时间谨慎深入地测试AI编程工具，如一开始不适合，可隔数月再尝试，跳过AI对职业生涯无帮助 [24] - 鼓励开发者将核心热情从“写代码”转向“创造”，AI能帮助更快更好地实现创造 [23] - 行业创新无法收回，应通过政治途径支持理解变革并为失业人群提供保障的政府政策 [15]

事件概述 - Redis公司于2024年3月21日宣布将其许可证从宽松的BSD协议变更为带有商业限制的SSPLv1和RSALv2，此举旨在对云厂商进行商业化限制 [1] - 作为回应，全球主要云厂商在六天内联合发起并创建了新的开源项目Valkey，该项目由Linux基金会托管，旨在提供一个技术兼容且许可证宽松的替代方案 [2] - Valkey项目由包括AWS、谷歌、腾讯云等在内的竞争对手云厂商共同推动，形成了一个由中立组织管理、不属于任何单一公司的公共技术基础设施 [3] 技术方案与创新 - Valkey被设计为Redis的“即插即用”替代品，完全兼容现有的RESP协议和数据格式，使得企业用户的迁移成本极低 [3] - 中国技术团队在Valkey项目中贡献了核心解决方案，例如腾讯云提出的“Slot原子化迁移”方案，该方案彻底解决了Redis扩缩容时的卡顿问题，并被纳入Valkey 9.0版本 [4][5] - 中国厂商还将海量业务场景（如“双11”）中积累的运维经验贡献给社区，例如大规模集群在机房故障时的选举投票机制 [5] - Valkey的代码库融合了全球顶尖云厂商的技术优势，包括AWS的吞吐量优化、谷歌的工程严谨性以及中国工程师解决扩容问题的巧思 [9] 行业影响与角色转变 - 此次事件标志着中国云厂商在开源世界中的角色从“受益者”和“勤奋的打工人”转变为“引领者”，开始主导核心主干问题的解决 [4][5] - 在Valkey社区中，各厂商改变了以往将核心技术作为“私产”和“差异化屏障”的做法，转而乐于将内部沉淀的、经过复杂业务场景检验的技术贡献出来 [7] - 厂商认识到，将内部技术通用化并推向社区，虽然有一定成本，但能借助全球专家的评审和不同场景的磨练，反向推动自身技术的极致优化 [7] - 行业结论显示，中国厂商必须开放更多核心技术并深入上游社区，才能在全球竞争中占据引领地位 [8] 商业逻辑与决策考量 - Redis公司变更许可证的动机被解读为试图将开源项目变为自家的“商业围墙”，这直接威胁到托管Redis服务的云厂商的生存权 [2] - 对于是否加入Valkey，腾讯云内部经历了约一周的高强度评估，在“与Redis公司商业合作”和“联合维护新社区”两条路之间权衡 [5] - 最终促使腾讯云等厂商选择Valkey的关键因素是技术力量的流向，即Redis社区的核心技术决策者和贡献者大部分转向了Valkey项目，这保障了未来的技术路线 [6] - 将项目托管在Linux基金会下，为对合规性要求极高的金融或大型互联网企业提供了制度上的安全感，避免了单一商业公司单方面改变规则的风险 [3] 开源生态与未来趋势 - Redis公司在2024年5月宣布增加AGPLv3许可证的“重新开源”姿态，但被认为难以挽回已经破裂的社区信任 [7] - Valkey的崛起被视为一种必然，它展示了一个新时代的轮廓：由全球竞争对手共同供养、由中立组织集体守护的“公共技术基础设施”，将成为数字文明更稳固的基石 [8] - 这一事件提醒所有云厂商，在开源世界里没有永远的避风港，长期的技术投入和社区话语权的争夺将持续进行 [7] - 对于中国技术人而言，参与Valkey不仅是在PR数量上的胜利，更被视为一场关于在全球化透明规则下平衡商业利益与开放贡献的“技术主权成人礼” [8]

核心观点 - AI工具在开发者中的普及率已达84%，但开发者对其好感度从前两年的70%以上滑落至60%，显示出从盲目崇拜转向理性审视的趋势 [1] - 高达66%的开发者受困于AI生成代码“似是而非”的问题，45%的人认为调试AI代码比自己编写更耗时，揭示了AI辅助开发的隐性成本 [1][22] - 技术栈权力版图正在重构：Python使用率加速跃升至57.9%，Docker使用率大幅增长17个百分点至71.1%，成为行业基础设施标准 [1][12][14] 开发者群体画像 - 受访者中76.2%为专业开发者，主力军为25至44岁群体，占比超过60% [5] - 开发者群体呈现高学历化趋势，正在学习编程的人群中已拥有理学学士学位的比例达30%，较去年的24%明显提升 [7] - 高达69%的开发者过去一年投入时间学习新编码技术或语言，68%的受访者将技术文档作为首选学习资源，显示出持续高强度学习的特征 [9][11] - 超过36%的开发者为了职业发展专门学习使用AI赋能工具，52%的人通过AI驱动的工具和应用程序了解人工智能 [11] 技术与工具趋势 - **编程语言**：Python使用率增长7个百分点至57.9%，成为最受欢迎语言之一，主要受AI、数据科学与后端开发融合驱动 [12][13] - **云开发与基础设施**：Docker使用率从2024年到2025年惊人地增长17个百分点，达到71.1%，成为所有受访技术中单年增幅最大的工具，标志着其从流行工具转化为行业标准 [14][15] - **数据库与缓存**：Redis使用率增长8个百分点，在复杂应用架构中对高并发、低延迟的需求激增背景下，其作为内存缓存的重要性凸显 [16] - **Web框架**：FastAPI使用率增长5个百分点，利用Python构建高性能API成为强劲趋势 [16] - **开发环境**：Visual Studio和Visual Studio Code连续四年卫冕最受欢迎IDE，证明“通用IDE+插件扩展”模式仍是满足多样化需求的最佳解决方案 [16][17] AI工具采用与信任度 - **采用率**：84%的受访者正在使用或计划使用AI工具，其中51%的专业开发者已将其融入日常工作流 [19] - **好感度下降**：开发者对AI工具的正面情绪从前两年的70%以上回落至60% [21] - **核心痛点**：66%的开发者最大的挫折在于处理“几乎正确，但又不完全正确”的AI解决方案；45%的人认为调试AI生成的代码比自己编写更耗时 [22] - **信任危机**：明确表示“不信任”AI准确性的开发者远多于“信任”的开发者，表示“高度信任”的仅占3.1%；在经验丰富的开发者中，“高度不信任”的比例高达20% [22][23] - **应用场景抵触**：在涉及系统稳定性的关键环节，开发者表现出强烈抵触，76%的人不计划在部署监控环节使用AI，69%的人拒绝在项目规划中使用AI [24][25] AI智能体（AI Agents）现状 - **采用率低**：AI智能体尚未成为主流，52%的开发者表示完全不使用或仅使用简单AI工具，近38%的人明确表示没有采用计划 [26][28] - **主要应用领域**：在使用AI智能体的开发者中，约83.5%将其用于软件开发 [29] - **落地障碍**：阻碍智能体落地的最大障碍是准确性与安全性，87%的受访者对智能体准确性表示担忧，81%的人担心数据安全与隐私问题 [30] - **工具生态**：智能体编排领域由开源工具主导，Ollama（51.1%）和LangChain（32.9%）是使用率最高的框架；在数据存储层面，Redis（43%）被广泛用于智能体记忆管理 [31][32] 开发者行为与人机协作 - **学习方式**：尽管AI工具普及，开发者仍依赖权威资料，近68%的受访者在过去一年中使用技术文档进行学习 [9] - **拒绝“氛围编码”**：绝大多数开发者（72.2%）并未参与只求结果不求甚解的“氛围编码”模式，另有5%的人强调这不属于专业工作范畴，表明工程严谨性是专业底线 [37][38] - **AI工具偏好**：在“开箱即用”的AI辅助工具中，ChatGPT（81.7%）和GitHub Copilot（67.9%）凭借先发优势和强大模型能力，仍是大多数开发者的首选入口 [36] - **AI模型偏好**：在开发者最喜欢的AI编程大模型选择上，Anthropic的Claude Sonnet是最受推崇的大语言模型，同时在最想尝试使用的模型中排名第二（33%） [18]

文章核心观点 - 大语言模型的出现对软件开发的变革程度堪比从汇编语言到第一代高级编程语言的转变，是一次根本性变革 [5] - 大语言模型不仅提升了抽象层次，还迫使行业重新思考使用非确定性工具进行编程的意义 [7] - 与高级编程语言的改进不同，大语言模型引入了非确定性抽象，这是行业历史上前所未有的演变 [10][13] 编程范式演变 - 高级编程语言引入全新抽象层次，使编程从机器指令转向语句序列、条件语句和迭代语句 [8] - 语言和框架的进一步发展提升了抽象水平和生产效率，但未从根本上改变编程本质 [6] - 从Fortran到Ruby的演进属于同类改进，与机器对话的方式在本质上并无二致 [9] 非确定性编程特征 - 大语言模型引入非确定性抽象，不能简单把提示词存入git就指望每次得到相同结果 [10] - 使用提示词与机器对话和使用Ruby编程的差异，如同Fortran与汇编语言的差异一样巨大 [10] - 行业不仅在抽象层次上向上迈进，同时还横向踏入非确定性领域 [10]

数据库管理工具DBeaver概述 - DBeaver是一款开源免费的跨平台数据库管理工具，支持几乎所有主流数据库，包括MySQL、PostgreSQL、Oracle、SQL Server等[3] - 该工具在Github上获得44k+ Star，显示出较高的开发者认可度[5] - 提供Community和PRO两个版本，满足不同用户需求[8] 产品版本对比 - Community版免费，支持主流关系型数据库，提供数据编辑器、SQL编辑器等基础功能[9] - PRO版增强安全性，支持更多数据库类型（NoSQL、云数据库等），提供元数据管理、AI SQL助手等高级功能[12] - Community版适合一般需求，PRO版更适合企业和高级用户[10] 技术特性 - 跨平台支持Windows、Linux和Mac操作系统[11] - 支持超过80种数据库，包括关系型、NoSQL、云数据库等[15] - 提供SQL编辑器、数据编辑器、ER图生成、数据导入导出等核心功能[21] - 高级功能包括可视化查询构建器、任务调度器、空间数据查看器等[19][21] 安装与使用 - 提供Windows、macOS和Linux多种安装方式[22][23][24] - 支持主流操作系统版本，包括Windows 10/11、macOS Big Sur及以上等[26] - 界面支持数据库连接管理、SQL编写执行、结果展示等操作[28][29] - 支持ER图自动生成和数据可视化[31]

AList被收购事件 - 开源神器AList被新东家收购后引发社区强烈反弹[1] - GitHub Issues板块出现大规模抗议帖 累计达350条(14页×25条/页)[1] 相关技术行业动态 - Redis创始人公开发声 认为人类程序员仍优于大型语言模型[2] - Java创始人James Gosling批评AI技术夸大宣传 否认其能替代程序员[2] - 阿里云遭遇严重安全事件 核心域名系统遭到非法劫持[2]