本月读了《软件工程3.0》这本书。这本书从第1、2章引出和介绍软件工程3.0，第3章开始讲如何实施，第4章介绍核心能力建设，第5章则介绍具体如何对研发周期提效。
读的过程中，读到第4章时，没翻几页感觉自己看不大明白，也觉得不需要对核心的技术有太多了解，只要会用就行。一心想要知道是如何应用，就快速地往后翻到了第5章。看完第5章，又去周老师安利的阿里云大模型学习网站上都点了点。
这回有一个感觉：一方面，之前自己学习AI相关的内容，太着急、囫囵吞枣；另一方，也许是AI日常使用的门槛不断降低，让我忘记了这也是门技术应用。
所以来回再次翻了翻书籍和网站上的学习实操讲解，暂且梳理如下。
1、AI应用技术：
如果要应用AI能力，首先要了解有哪些可以应用的AI技术，每种应用技术又有哪些能力，可以实现哪些效果。相对分类如下。
上述这些技术能力，在本月的学习中让我得到进一步了解的是RAG技术。
其实看书上的介绍，我来回翻了几遍，总感觉没有很理解。但在阿里云的网站上更通俗的解释我让了解了一些皮毛。
网站上用了如下示例进行了阐述。把模型比作导游。
在第一种情况下，“志愿者手册”就是我们在开发系统的时候就配置好的知识库，因此导游助理可以从系统默认的知识库中获取烤鸭店的地址，然后生成导航路径给游客。
在第二种情况中，假设我们的系统支持用户上传个性化资料，来更好地满足个性化业务需要。换句话说，系统支持用户添加垂直领域知识，构建私域知识库。那么，当游客向志愿者提供一份个性化导航资料时，系统可以结合游客的垂直领域知识与系统预置的知识共同为游客提供服务。
也就是通过“开小灶”，RAG可以让大模型减少“幻觉”回答的情况，提高回答的准确率。
上面这是个简单的解释，同时还可以对RAG的应用做进一步的改造提升，如提升索引准确率、让问题更好理解、改造信息抽取逻辑、回答前反复思考、从多种数据源中获取资料等方式。
2、AI应用领域：
AI学习过程中，我最想收获的是，AI可以让我的哪些工作得到改进，如何结合自己的工作开展实践应用。
1）关于提升效果
AI应用提升效果调查：提升幅度10%~80%，中位数41%。
为了实现更高效的开发流程，我们需要借助过去的平台工程能力，打通各个环节，实现从需求分析到产品交付的全过程大模型应用。
整合各环节的AI应用成果，打通各环节的平台输入输出，可以最大化提升整体的应用效果。
2）关于应用实践域
在产品研发和项目管理领域大致有如下过程域。
《软件工程3.0》一书中有输出比较明确实践应用的主要是在研发实现过程。但这部分对我能真正推进和开展的入口还是比较难。
翻找资料时看到另个关于组织整体AI应用方案的分享材料，详见附件《知识挖矿技术在研发体系中的实践应用 - QECon 2025》。对AI 应用的深度和广度又有了一个视角。
3、AI发展趋势思考
当前，AI编程已经从实验室技术变为成熟技术，无法回避。同样的，整体就业市场也会持续分化。AI不会直接抢饭碗，但是会重构职业价值。
AI 应用技术于当前的就业，有点像导航系统对出租车司机这个行业的影响。出租车司机的门槛已经从驾照+认路，降低为驾照+用导航，连租车成本都下降了，那么出租车司机的核心竞争力也许就从认路、踩点，转为服务能力及获客评价。
对于软件研发行业，能指挥AI、又懂产品价值提升的人更吃香，指挥重复劳动的人更危险。所以学习AI技术、了解技术发展趋势很重要，能把AI技术应用在实际工作提效上也很重要。
