大家好，我是 Liz，新人报道！🥳

我是应用数学出身，这些年在大型国企、互联网大厂、顶级咨询公司都打过卡，算是把国内大厂生态体验了一轮。早年沉迷算法，从传统机器学习一路卷到 NLP 和图算法，最近几年又扎进了生成式 AI。虽然是 90 后，但从本科起就开始研究数据和算法，也算是完整见证了大数据和 AI 十多年的风云变幻（叉腰.jpg）。

一路走来，我做过算法工程师、全栈工程师、架构师，再到 AI 产品负责人。现在在一家外企担任 Data Science Manager，带团队从业务需求出发，用一年时间把 GenAI 数据产品从 0 到 1 落地上线。我关注模型性能，更关注产品价值和用户体验，需求定义、用户访谈、交互设计，这些我工作中的常态，致力于打造真正“好用”的 AI 产品🥰。

工作之外，我也热衷于探索更多可能性：参与开源项目、构建内部工具、写脚本提升效率。我喜欢健身与户外运动，十多年跑步爱好者，跑过几场马拉松😄，正在学咏春，运动带来的专注与节奏感也深刻影响了我的工作方式。

目前我和 @Xinran.Z 共同发起了非营利社区Research AI+ ，聚集了一群来自全球的 AI 4 Science / Engineering 青年研究者。我们专注于 AI for Research 的实践与讨论，也在推动产业与学术的深度交流。近期我们正在长三角组织线下沙龙与论文共读等活动，欢迎感兴趣的朋友一起参与交流！

微信公众号：Liz的AI冰美式（mp.weixin.qq.com）

这次 meetup 真的是“闪电局”，前一天才和South Park Commons的朋友们联系上，第二天晚上就热乎乎见面！感谢小伙伴们的热情和到场，让这场临时的相聚充满火花❤️

期待大家来玩儿呀😃

上一篇文章发出后，有读者在后台问我：怎么看待传统搜索广告和 AI 搜索广告？我想从算法和技术视角聊聊：短期内，SEO 依然是流量的基本盘，而 GEO 更像是锦上添花。文章最后我还抛了一个小脑洞，欢迎大家一起开脑洞、留言关注交流🤓

上周我写到 AI 如何重塑前端开发，当时一笔带过了Chrome 的 Privacy Sandbox。

这几天突然想起，去年和某广告巨头公司的朋友闲聊时，他说过一句：“Google 禁用第三方 Cookie，动摇了他们一大块广告收入。” 当时没太在意，但这次在 Google I/O 现场听到 Sandbox、Topics API、Attribution Reporting 的介绍，才恍然大悟——原来那句话背后，还有这么大的一盘大棋以及很多有意思的事情😜

于是写下这篇文章，想和你一起看看：第三方 Cookie 在我们没注意到的角落里，究竟扮演了什么角色？它们又将走向怎样的归宿？欢迎留言关注交流😃

👇🏻迟到的Google I/O China的见闻《从工具到搭档：AI如何重塑前端开发？我在 Google I/O 的第一视角观察》。上周和来自全球的谷歌开发者们面对面交流，真是特别过瘾的一次体验，也收获好大！😝

趁着这次 WAIC 2025，我在我们Research AI+发起的『研究者派对之夏』host了一场关于强化学习的圆桌讨论，也借机把 RL 的技术演进脉络从头到尾好好梳理了一遍，温故知新！文末我还附上了这次圆桌讨论RL圆桌我精心给大家准备的话题😝。走过路过不要错过，欢迎关注评论交流😜ོ

最近带一个实习生，给了他一个不算复杂的小项目，前后端加点部署。我本来很开心，觉得他能趁这个机会，把一个完整的项目从 0 跑通，对工程能力是很好的锻炼。

他是学计算机的，我知道学校里更多教的是理论，真正实战的经验还是要靠项目来补。也正是因为这样，我更希望他能通过这个任务，真正学点东西。

结果他一上来就直接让llm 写代码，demo 很快跑出来了，界面看着也“像那么回事”。但一看细节，全是 bug，还有很多edge cases 完全不考虑。我问他为什么逻辑这么设计，他也很直白：“我也不清楚，是 llm 写的。”

我当时有点沉默，说不出是失望还是担心。最后我只能帮他从头把代码一行行捋一遍，才勉强交付。还好项目够小，重写不算太难。

我不是反对用 AI 写代码，相反我自己也在用。但我一直相信：工具是辅助，不是替代；理解是根本，而不是跳过。

LLM 可以提高效率，但它不能替我们成长。如果一上来就把整个逻辑交给模型，最后连自己写了什么都搞不懂，那我们永远都不会是那个能独立完成项目的人。

我不是在批评这个实习生——他是个聪明的同学。我只是突然意识到，也许我们正身处一个危险的习惯转折点：

年轻工程师太早依赖模型，而不愿花时间理解代码背后的结构与逻辑。这，真的很危险。

总结一下思考吧，也算是共勉，毕竟现在技术更新很快，每个人在某些地方都会是新手：
· AI 的强大不应该成为“偷懒”的理由，而是应该成为我们加深思考的辅助；
· Vibe coding 也要看修改了什么代码，如果是不熟悉的语言，也要尝试去理解，让模型解释，久而久之就能理解了
· 成长一定是“痛感 +打磨”的结合，模型不能替代这两个部分。

欢迎大家参加我们的活动，期待更多交流碰撞😝

刚认真看完《AI代理的上下文工程：构建Manus的经验教训》，强烈推荐，文章不长，句句精华。第一点关于围绕KV缓存做设计，真的很有共鸣，以前的项目上也靠kv缓存设计省下了不少钱，也提了速度。

最近强化学习(Reinforcement Learning)频繁刷屏，趁有点时间，把它的直觉理解、身边类比、经典应用，以及在大模型时代的新角色系统梳理了一下。RL不只是对齐工具，更正在成为推理能力的塑造者。

欢迎大家看看，期待和更多朋友交流，也欢迎大家关注我的公众号😝