ZDNet至顶网软件频道消息: 一张技术文凭就是一个铁饭碗的敲门砖的时代已经一去不复返了。如今,各大公司寻觅的是具有商业头脑的IT高手,而不是单纯的技术专家。如果你现在是一个编程高手,想要成为一名软件开发师,探索和学习就不能停止。就在不久之前,软件开发者的软件应用编程和测试工作是相对独立的。如今,DevOps(开发运营)革新浪潮来袭,强调的是IT开发部门和运营部门间的紧密合作。同时,业务执行能力也成为了对IT高手的一个新要求。
CA Technologies近期一项投票调查中,超过70%的组织预测企业会在培训员工(开发部门员工和运营部门员工)开发运营能力上投入更多预算。超过半数(53%)的组织预测,未来给企业招兵买马时会倾向选择具备开发运营能力的人才。业内人士要如何适应这样的行业转变?CA Technologies亚太及日本地区应用交付部副总裁Sumal Karunanayake表示,要想成为这个时代的开发运营高手,下面几点绝招必不可少:
BOSS思维(如果可以,能成为老板的老板更好)
IT领导者们达成这样的一致观点:开发运营要求程序员具备良好的业务策略能力和对现有业务的深入了解。过去,这些通常被认为是高级管理层才需要具备的能力,但如今,没有业务眼光就会被抛在后头。
那些组织中处于管理地位并采用开发运营方法的开发者,充分认识到过程优化和跨部门协作的重要性。不仅如此,他们还能将IT变革对业务和潜在收入的影响清楚的展示给公司高层。
新一代开发者若能承担业务联络的新角色,将具备重塑业务的能力,甚至能够重塑自己的职业生涯。了解公司整体业务发展重点、业务发展策略和业务指标,是如今许多企业最希望看见的三方面能力。
领导力
Sumal Karunanayake认为,开发运营的执行是由上而下的,但无论什么级别,领导力是贯穿始终的关键。阻碍开发运营执行的首要原因(35%)是组织复杂度,太多员工和部门牵扯其中。另一大障碍(28%)是员工缺乏角色一致性。
真正的IT领导者具备跨应用开发、性能测试、IT运营等IT领域的更大视野,可为各个部门设定基调,确保协作一致和高效率。
沟通技能
开发运营的一大优势就是各部门间的交流加强(譬如开发团队和运营团队)。对开发者而言,很吃香的一项能力就是社交能力,也就是能够高效的跟同事沟通、合作。远离人群的技术怪才时代已经过去了,而以团队为中心拥有足够协作能力的开发者更受欢迎。因此,开发运营的关键就是设定好明确的业务目标,从而让每个人都能理解同一套语言,无论级别高低。
有效沟通并不等同于有效地表达自我,还包括良好的聆听能力和接纳多元化观点的能力,这才能保证有效沟通和解决冲突。沟通不仅限于开发部门内部,它对于运营同样意义重大。优秀的开发者能够利用技术搜集并了解客户的想法,并向业务部门反馈。许多组织需要具备优秀人际沟通能力的开发人员,具备这项能力的员工更能有效的促进协作。
Sumal Karunanayake表示:“如今,最精明的开发者是兼具社交和技术能力的人才:他们大胆而自信,商业头脑发达,能黑电脑,能讲业务。他们能用自己的专长——技术,来解决业务问题。那些具备上述所有能力的程序员,才能释放出自己的真正潜力,让公司业务和个人职业发展更上一层楼。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。