优雅永不过时

被问到 AI 辅助数据建模的困难点时,我想到了阿里后端教我的那件事

方泽强 / 2026-03-25


真正的困难从来不在技术,而在一种思维方式的转变。

前几天面试,对方问了我一个问题:

“你觉得用 AI 辅助数据建模,最大的困难点是什么?”

我愣了一下。

脑子里闪过的不是技术难点——不是提示词怎么写,不是模型选哪个,也不是数据隐私怎么处理。这些当然重要,但它们是"怎么做"的问题,不是"为什么难"的问题。

我仔细一想,其实没有困难点

至少,不是传统意义上的那种困难。


一、从一次性需求到复利思维

让我换个方式回答这个问题。

去年我在阿里时,团队里有个后端工程师,叫老王。老王有个习惯:每次接需求,他都会多问一句——“这个需求以后还会不会有类似的?”

如果答案是"会",他就会多做一些事情:

当时我觉得他有点"多此一举"。毕竟,需求就是需求,做完就完了,为什么要给自己加戏?

直到半年后。

另一个业务线突然需要一个类似的功能,原本估计要两周的开发量,老王说:“用我之前做的那个平台,半天就能搞定。“结果真的半天就上线了。

那一刻我才明白:老王不是在完成需求,他是在投资能力。


二、平台思维:阿里后端教我的那件事

后来我才知道,这种思维方式在阿里后端团队有个名字——平台思维

它的核心逻辑很简单:

不要只做需求,要从需求中抽象出能力,让这个能力服务未来的需求。

换句话说:

这个思维彻底改变了我的工作方式。

比如最近,我用 Cursor 和 Claude 辅助做数据建模。第一次做的时候,我花了整整两天——不是在建表,而是在梳理整个 DWD/DWS/ADS 的分层逻辑,整理那些容易踩的坑,写成一份完整的规范。

如果只是为了完成那个需求,我完全可以随便写几行 SQL 交差。但我选择了老王的路线:


三、Agent 时代的原子能力

说到这里,你可能已经猜到了——那个 Skill 就是我最近发布的 DWD/DWS/ADS Data Warehouse Patterns

它不是什么惊天动地的产品,只是一个数据工程师在日常工作中沉淀下来的原子能力

这些东西,在中国大厂的数据工程师每天都在用,但在全球的开源社区里,却几乎找不到系统性的文档。

这就是我想说的:Agent 时代的价值,不在于你服务了多少用户,而在于你创造了什么样的原子能力。

想象一下未来的场景:

用户可能根本不知道这些能力是谁写的,但这不重要。重要的是,你的能力在被使用,在产生价值


四、小而美的生存哲学

这让我想到一个更本质的问题:在 Agent 时代,一个人需要什么才能活得很好?

我的答案是:不需要很多用户,只需要有人在使用你的能力。

这不是乌托邦式的幻想。看看开源社区就知道了:

他们的共同点是什么?

他们不是在卖时间,而是在创造可复用的能力单元。


五、回到那个面试问题

所以,如果让我重新回答那个面试问题——

“用 AI 辅助数据建模,最大的困难点是什么?”

我会说:

困难不在于技术,而在于你能不能从"完成需求"的思维,切换到"创造能力"的思维。

AI 让写代码变得前所未有的简单。但这也意味着,单纯写代码的价值在快速贬值

真正稀缺的,是那种能从具体需求中抽象出通用能力、能让这些能力被更多人(或更多 Agent)使用、能持续产生复利效应的思维方式。

阿里后端教我的那件事,在今天有了一个新的名字——

原子能力创造者。


写在最后

如果你也是一个数据工程师,或者对数据仓库建模感兴趣,欢迎试试我发布的那个 Skill

它可能不完美,但它是我从阿里到 PayPal 再到携程,一路踩坑踩出来的真实经验。

更重要的是,它代表了一种我正在践行的理念:

不要做需求的奴隶,要做能力的投资者。

在这个 Agent 即将到来的时代,这可能是我们能做的最重要的事情。


作者:Franklin | 数据工程师,正在探索 Agent 时代的原子能力创造

Skill 链接:DWD/DWS/ADS Data Warehouse Patterns