最近一直在做： 挑战速刷力扣 top100 ，慢慢从一天提速到了 5 小时 回顾做过的项目 思考自己思考，写代码中的思考，做工程中的思考 得出结论 力扣题：难点/重点/核心是在约束条件下，对问题建模，选择合适的算法+数据结构。简单/中等题都是场景题，难题往往是常见场景的组合或者是需要基于常见场景提进行再进一步思考 做项目：难点/重点/核心是找到问题约束，并对矛盾的问题做权衡。
之后是设计上的权衡，性能/成本/扩展性/数据一致性之间的权衡，最后的方案设计/实现就变成了力扣题 技术问题无非约束二字，明确了问题的约束，基本整个问题的思路就理清楚了，后续的测试验证迭代是在不断调整约束 学习新技术一样，这个技术的约束在哪？边界是什么？
它是什么问题的杀手锏？但是它不能解决什么问题？
AI 时代最稀缺的是什么？我认为就是约束二字，AI 可以做什么？
不可以做什么？在约束范围之内，哪些问题 AI 做起来是杀手锏比如 AI 客服，AI 爬虫/搜索等等，哪些问题 AI 做起来就不行，比如高确定性/高风险的流程：做手术等等 总结一下： 计算机是约束，数据类型有范围，内存地址有限，指令集有限，内存有限，磁盘有限，cache 有限 网络是约束，请求有超时时间，不能无限等待，编解码是约束，协议是约束 语言是约束，名词表达事物，动词表达关系，形容词表达主观感觉等等 编程是约束，对问题的约束，想象一下如果力扣不给数据范围的约束条件，不告诉你数组是否有序，那这道题就几乎无法做了 工程是约束，设计方案要考虑 cap 的取舍，没有一个方案是银弹，都是在不断根据实际情况迭代 AI harness 是约束，将 AI 约束起来，给予其约束过的 skills ，同时权衡风险与收益 约束仅代表个人最近思考的一个重要角度，不代表事物的全面，欢迎补充，理性思考