知乎热议：程序员有必要​知道为什么做某个功能吗？

▼最近直播超级多，预约保你有收获

 —1—

前言 

近日，知乎上有一个提问：程序员有必要知道为什么做某个功能吗？

对于身为程序员的你来说，当产品经理给你提出一个新的需求时，你是倾向于立马就开始敲代码，还是会选择先停一停，花点时间仔细琢磨以下几个问题呢？这个需求是怎么产生的？它能带来哪些实际的好处？又解决了什么样的用户问题呢？

 —2—

我的回答

经过多年工作观察，多数程序员面对新需求时，往往直奔编码实现，较少深究需求缘由。若非遇到技术难题或大幅影响现有代码，一般不会多问。

那么，程序员该不该关心“为什么做”？答案是肯定的，因为这关乎他们是否有产品思维。

产品思维，简单讲，就是不仅动手做，更要动脑想，要关注需求背后的原因、用户需求和实际价值。程序员掌握产品思维为啥重要？因为它能让程序员：

    1、不仅成为技术专家，更是解决问题的高手；

    2、更好地理解用户，打造真正符合需求的产品；

    3、避免盲目开发，提升工作效率和产品的市场竞争力；

    4、在团队协作中，更好地与产品经理、设计师等角色沟通，共同推动产品的成功。

 —3—

产品思维对我们程序员好处

产品思维对程序员的价值在于：

在现实中，产品经理的能力各有高低，有的能清晰阐述需求背后的价值和目的，而有的却只是机械地传递他人意见，盲目跟风或抄袭大公司的功能。这样的做法忽略了自家产品特点和当前发展阶段的实际需求。

如果程序员拥有产品思维，就能：

    1、对接需求时主动发问：深入了解需求产生的原因、实际用途及解决的问题，避免盲目复制别人的做法。

    2、辨别真伪需求：通过追问和分析，筛选出真正有价值的、符合产品定位和用户需求的功能，剔除那些看似华丽实则无用的伪需求。

    3、提高工作效率：避免在无效或低价值需求上浪费时间和精力，让开发资源更多投入到能产生实际效果的地方。

    4、促进团队沟通：在团队合作中，以产品思维为基础进行有效交流，有助于提升产品的整体质量和市场竞争力。

总之，有了产品思维，程序员不仅能更好地理解产品全貌，还能更有针对性地进行技术实现，保障每一行代码都能切实服务于产品的长期价值和发展目标。

 —4—

AI 大模型时代，产品思维更重要

在 AI 大模型能力越来越强的时代，产品思维变得格外关键。这是因为 AI 技术再牛，最终都是为了服务用户。懂产品思维的开发者，能摸清用户在智能产品上的真正需求，关注体验，把 AI 技术实实在在用在刀刃上，做出有用、好用的产品。

同时，产品思维还能帮程序员们把高科技落地，不是盲目追新技术，而是看能不能结合实际情况，创造出真正有价值的产品。在竞争激烈的市场里，产品思维能让他们找准方向，发掘独特卖点，用 AI 技术打出差异化的牌，避免随大流。

AI 产品可不是造出来就完事了，得根据用户反馈、市场变化不断调整优化。有产品思维的程序员懂得长远规划，灵活运用 AI 技术提高产品质量和用户感受。

此外，产品思维还强调在开发 AI 产品时坚守道德底线，保证产品在追求创新的同时，尊重用户权益，符合社会规范。

总之，AI 大模型时代，产品思维对程序员太重要了，它决定了技术能否变成用户爱不释手的产品，也关系到产品的生存能力和市场地位。唯有技术和产品思维双剑合璧，才能在 AI 领域里走得既快又稳。

为了帮助同学们彻底掌握大模型 Agent 智能体、知识库、向量数据库、 RAG、知识图谱的应用开发、部署、生产化，今天我会开2场直播和同学们深度剖析，请同学们点击以下预约按钮免费预约。

 —5—

AI 大模型开发技能直播课程

大模型的技术体系非常复杂，即使有了知识图谱和学习路线后，快速掌握并不容易，我们打造了大模型应用技术的系列直播课程，包括：通用大模型技术架构原理、大模型 Agent 应用开发、企业私有大模型开发、向量数据库、大模型应用治理、大模型应用行业落地案例等6项核心技能，帮助同学们快速掌握 AI 大模型的技能。

 🔥即将开播 

立即扫码，即可免费预约

进入直播，大佬直播在线答疑！

本期名额有限

高度起始于速度（手慢无！！）

 —6—

领取一份《AI 大模型技术知识图谱》

最近很多同学在后台留言：“玄姐，AI 大模型技术的知识图谱有没？”、“AI 大模型技术有学习路线吗？”

我们倾心整理了 AI 大模型技术的知识图谱快来领取吧！

这份业界首创知识图谱和学习路线，今天免费送给大家一份!

只需要以下3步操作就可免费领取：

第一步：长按扫码以下我的视频号：玄姐谈AGI

第二步：扫码后，点击以下关注按钮，就可关注我。

第三步：点击"客服“按钮，回复“知识图谱”即可领取。

 —7—

精选短视频《大模型预训练之混合精度训练》

以下视频你将学到：

    1、大模型预训练的 Loss 函数收敛流程

    2、大模型预训练的混合精度训练原理

END