2021 年，我第一次参加 InfoQ 举办的 QCon 全球软件开发大会。
那时候的我还主要做前端开发，关注的内容也比较具体：前端工程化、性能优化、框架实践，以及大厂的技术方案。大会结束后，我还写了一篇顾《2021 QCon 前端专场精彩回》，记录了当时听到的分享和自己的感受。
现在回头看，那次大会对我的影响，并不只是记住了多少技术知识。更重要的是，它让我第一次近距离看到，一些成熟团队是如何面对复杂业务、设计系统和解决工程问题的。
过去在网上看文章，更多是零散地学习某个知识点。到了现场才发现，一个真正能落地的技术方案，背后往往还有业务背景、团队协作、历史包袱、成本约束和大量取舍。技术不只是会不会写代码，也包括为什么这样设计，以及出了问题之后如何调整。
五年里，我关注的问题也变了
从 2021 年到现在，我陆续参加过 InfoQ 的 QCon、FCon、AICon 技术大会。
这几年，我自己的方向也在变化。从前端开发，到全栈开发，再到现在投入更多时间做 AI 应用、Agent 和企业业务结合。以前参加大会，我会努力记下每一个没听过的名词，担心错过某项新技术；现在，我更关心一个方案解决了什么问题，为什么采用这样的架构，它的边界在哪里，以及能不能迁移到自己的项目中。
这种变化，也是我这几年做开发最明显的成长。
刚开始工作时，很容易把技术成长理解成“学会更多框架”。后来做的项目越来越多，才慢慢意识到，真正有价值的能力不是记住多少 API，而是面对一个模糊问题时，能不能把它拆开，找到合适的方案，并最终做成一个稳定可用的系统。
技术大会对我来说，也逐渐从一次集中学习，变成了一次对自己认知和方向的校准。
大会之外，还有人与人之间的连接
参加线下大会还有一个很难被线上内容替代的价值，就是能够认识真实的人。
在会场里，大家可能来自不同公司，做着完全不同的业务，但聊到某个技术问题时，很快就能找到共同语言。有时是一场演讲结束后的简单交流，有时是在休息区聊各自正在做的项目，也有一些朋友在大会结束后仍然保持着联系。
对开发者来说，我们平时的大部分时间都在电脑前，很容易把自己困在当前公司的业务和熟悉的技术圈里。走到现场，听听其他团队正在解决什么问题，看看同行关注的方向，也会重新意识到，技术世界比自己每天接触到的范围大得多。
很多收获未必能立刻转化为代码，但它会影响之后看问题的角度。有些当时只是听过的概念，可能过了一两年，真的会出现在自己的项目里。
AI 更新越快，越需要回到真实实践
进入 AI 时代之后，这种感受更加明显。
模型、框架和产品的更新速度越来越快。AI Coding、Agent、多模态、推理优化、数据工程……几乎每隔一段时间，就会出现新的工具和新的说法。每天刷到的信息很多，但真正落到企业项目里，问题往往没有演示视频里那么简单。
一个 Agent 能运行起来只是第一步，后面还要面对记忆管理、权限、安全、成本、稳定性、评估和异常恢复。AI 能生成代码，也不等于它能够直接交付一个长期维护的系统。
所以现在的我参加大会，不只是想知道又出现了什么新东西，更想听到那些真实做过项目的人，讲一讲他们如何落地、踩过哪些坑，以及最后做了什么取舍。
今年 AICon 上海站的内容覆盖得很全面，从 Agent 系统架构与工程化、企业级 AI 研发、AI Coding，到数据工程、大模型推理、多模态、金融实践、端侧 AI、物理智能和安全治理，基本覆盖了当前 AI 从模型能力走向生产环境的主要环节。
其中我比较期待 Agent 工程化、企业 AI 研发体系和 AI 开发工作流相关的分享。这些方向和我目前正在做的事情比较接近，也希望能从一线团队的实践中，找到一些可以真正应用到项目里的思路。
最后
今年 6 月 26 日到 27 日，AICon 全球人工智能开发与应用大会将在上海举行。
这也是我参加 InfoQ 技术大会的第五年。
五年前，我带着一个前端开发者的视角走进 QCon；五年后，我正在从全栈开发走向 AI 应用，希望让 AI 真正进入业务、产品和研发流程。
技术大会不会直接给出职业发展的答案，也不可能听完两天分享就掌握所有新技术。但它能让我们暂时离开日常工作，看看行业正在发生什么，看看别人已经走到了哪里，也重新判断自己接下来该往哪个方向投入。
AI 还在快速变化，很多问题也没有标准答案。
