Table of Contents
在AI快速普及的背景下，基础语法编写、标准API调用等重复性编程技能价值正在被逐渐稀释，AI在这些领域能够完成的更快更好。软件工程师的核心竞争力已从”代码实现”向”复杂系统设计、业务融合与社会化写作”的方向转移，从实现者变为设计者。
技能清单
-
所在行业的核心业务知识
原因：AI缺乏对特定行业非公开规则、商业模式及线下真实运作流程的感知。业务知识涉及大量人际交互与隐性经验，无法单纯通过公开语料库学习，是技术落地的核心壁垒。
反思与目标: 目前所在券商工具效能组，对于我个人能做的：
- “测试效能工具”对于我来说属于核心业务。充分掌握业界各类测试工具发展趋势、应用场景与技术架构，再结合公司实际情况做快速落地，成为一名质量架构师。
- 证券类业务系统太多啦，不可能全部了解，可以从重要程度高、合作密切业务中挑选一个，2026年学习网厅业务。
- 除证券业务外，支付业务的老本行不能丢，要重新捡起来，2026年学习完成《支付之门》
-
微服务架构设计方法论
原因：架构设计的本质是业务边界划分与组织架构的映射（康威定律）。我们如何进行服务拆分、构建一个健壮可扩展的微服务架构体系，掌握设计方法论非常重要。
实践：
- 方法论:《微服务架构设计模式》
- 实践层: spring cloud alibaba
-
云原生应用设计开发
原因：云原生的卓越架构（安全、可靠、性能、成本、卓越运营）需要结合企业实际预算与运维能力进行权衡。AI难以在多维度的物理限制与商业目标之间，制定出全局最优的定制化策略。
学习方向： 云原生现代化设计原则、k8s、可观测性、微服务架构、DevSecOps与CICD流水线
反思与目标：这里每一个方向范围都很大，不太可能全部精通，结合兴趣与应用场景来做学习。
- k8s: 2026年学会使用，并将精准测试服务+testinfra迁移到k8s
- 可观测性：这方面是我想深入学习了解的。一方面是现有软件应用的可观测性（trace、metric、log），另一方面也想了解AI可观测性工作（Langfuse等）。产出3-5篇总结文章，并完成一次分享。
-
熟练的英语交流 原因：尽管AI翻译技术成熟，但能够与人类直接交流具有不可替代的情感连接和及时反馈价值。业界也有头部券商，已经将英语交流纳入面试考核范围。
个人反思：学习英语这个事情每年都会尝试，但是每年又都终止于背单词上，很难坚持下去，很大一个原因是缺少及时正反馈（工作中用不到、生活中更用不到）。
目标：
- 今年找到一个能够让自己坚持的方法（课程、考试等等），提升自己的英语交流水平。我觉得每年考一次雅思或者PTE也许可以考虑，虽然比较费钱。
-
流畅的表达能力与文档能力 原因：提示词工程旨在清晰准确的让AI完成任务；并且在沟通/述职时，如何更加快速的让对方理解我的意思，也十分重要。
个人目标：
- 坚持博客的编写，每个月至少产出4-5篇文章，记录所思所想。
-
遗留系统重构与”考古能力” 原因：老旧系统通常缺乏文档，代码逻辑与历史业务深度绑定，AI无法理解背后逻辑，重构需要工程师通过局部测试域业务访谈来理清逻辑。
目标：
-
- 学习重构方法、设计模式、微服务设计模式
-
- 下半年通过软件架构师的考试
-