文章总结： 本文阐述AI时代软件向知识之软件转型的趋势，指出应以数据知识为基础，详述从数据定义到知识转化的流程及工程师转型要求。文章归纳了数据思维、知识思维及软件处理技能的三十项原则，强调具备新思维的全栈工程师才能构建高价值软件，为从业者提供指引。 综合评分： 89 文章分类： 数据安全,安全建设,安全开发

做知识之软件，应该有的思维和能力

原创

李志勇 李志勇

与智慧做朋友

2026年3月6日 22:44 福建

说明

目前，在AI的加持下，很多作业方式都发生的很大的变化，甚至是完全颠覆性的变化，以做软件为例，目前和以往完全是不同的，已经进化到知识之软件的层面。要想做知识之软件，做数据、做知识才是基础，做软件仅是最后一步而已

首先，做知识之软件的基本流程

1.把数据找出来，定义清楚

2.把数据之间的关系找出来，把关系逻辑想清楚、定义清楚，这是数据向知识的转化

3.分析基于这些定义和关系逻辑，能解决什么问题（形成各种知识），这是知识起点

4.反复思考这些定义、逻辑，持续深挖更深层级的知识，形成环环相扣，这是知识发展

5.基于这些知识，如何构建解决问题的体系完成知识价值转化（仅是技术问题）

其次，知识之软件对工程师的要求转变

另外知识生意与数据生意有本质的不同，知识之软件本质上做的是知识生意。知识生意的逻辑是以解决问题（需求、目标明确）为导向，这与传统的大数据生意有着本质的不同。既然要做知识生意，那么把数据理解清楚定义清楚、把数据逻辑关系定义清楚、把价值逻辑分析实现清楚，才是知识工作的核心内容，而堆砌数据价值是很小的。要成为合格的知识工作者，培养发现力、理解力、分析力、洞察力、创造力、转化力等能力就成为必须。基于目前的现状，传统软件行业中的每个人都需要从传统的软件技术工程师向数据工程师、知识工程师、知识之软件工程师的转变，在AI赋能下，竭力成为知识之全栈工程师

再者，简单分析知识之软件下的工程师类型

软件技术工程师，技术驱动型，掌握软件技术，职责是基于软件技术解决特定问题

数据工程师，数据驱动型，掌握数据思维能力和数据处理技能，职责是解决数据问题

知识工程师，知识驱动型，掌握知识思维能力和知识处理技能，职责是解决知识问题

知识之软件工程师，知识应用驱动型，掌握知识应用思维和技能，职责是应用知识解决问题

如何掌握数据思维？如何掌握知识思维？如何掌握知识之软件技能？

一、掌握数据思维能力，在整体上，至少要理解如下几点原则：

1.自然发展性原则，自驱、自清洗、自验证

2.源头清水性原则，数据质量从源头抓起，不允许起点污染，更不允许过程失真

3.收支分立性原则，数据生产和数据消费严格分立

4.处理到位性原则，准确性、完整性、全面性、关系性、事实性

5.事实性原则，任何维度的数据事实，不干预，依赖数据处理资源做清晰准确记录

a.事实与事件要分离，即，产生事实的事件，与事实结果实现解耦

b.事实即影响，维度不同影响亦不同，所以，事件之事实，要基于多维度记录

c.事实的来龙去脉要准确完整记录

d.一切记录数据保障只增不删不改

6.信用保障原则，仅因使用才产生信用，越使用越信用，信用之民本位

7.领域与数主原则，要明确和尊重数据的领域性和数主性，责权利清晰、秩序明确

8.向下生根向上发展原则，用锚点、锚定逻辑保障数据生根，用上树逻辑保障数据发展

9.解耦与独立性原则，数据消除各种依赖保持独立性，越独立越好发展

10.模型化原则，数据、数据关系，最终要以模型化的关系进行承载，好用

二、掌握知识思维能力，在整体上，至少要理解如下几点原则：

1.数据基础性原则，数据是知识载体，知识是数据价值升华，知识思维建构于数据思维之上

2.务实性验证性原则，知识是解决问题的，越务实的知识，越被使用验证过的知识越有价值

3.定义准确性原则，须把数据、关系、逻辑等相关定义，做到清清楚楚明明白白，理解体系

4.发展进化性原则，知识雷同与人的发展（知识、学识、见识、卓识），学以致用，持续进化

    a.因需做知识基础，从解决已知实际问题开始，实践、优化、再实践……

    b.尽力做知识进化，对知识发展和进化做牵引，深入挖掘知识价值

5.不灭性原则，知识因使命而产生，但不会因为使命的消失而消失，知识可不用，但不灭

6.独立性、连接性原则，越独立的知识，连接性越强的知识，可发展性亦越强，价值性越强

7.涌现性原则，越连接、越积累、越进化，价值跃迁的可能性越大，知识杠杆效力越强

8.社会依赖性原则，社会知识永远是知识源泉，连接、优化才是王道，创造知识价值性较小

9.独特性独占性原则，知识变现，需要建构“人无我有、人有我优”的价值能力逻辑

10.迭代性原则，知识发展性很强，保障知识迭代性才能跟上发展步伐，不唯新，但，要防旧

三、掌握知识之软件处理技能，在整体上，至少要理解如下几点原则：

1.确定性原则

    a.理解之确定性，数据、知识、逻辑、目的、需求要理解清楚确定，知其然知所以然

    b.执行之确定性，资源选择、能力匹配追求确定性，优选绝对正确的逻辑，如：单调

    c.对账保确定，知识之软件涉及范围广且深，善于对账才能保障确定性

2.知识依赖性原则，解决问题依赖知识、解决问题积累知识，始于知识/数据，终于知识/数据

3.解耦性原则，用户、数据、知识、逻辑、理解、资源、新旧等也保障独立发展

4.迭代性敏捷性原则，数据、知识、软件，都能基于新起点进行快速迭代，从头再来保发展

5.业务架构处理性原则，依此拉通上下、现在与未来，保障可应对发展性和战略一致性

6.去中心化原则，系统、流程、逻辑等轻便简约，不私设卡点，不做拦路虎

7.协同性赋能性原则，各个组件之间彼此协同彼此赋能，责权利自然，人之协同赋能亦如此

8.知识端重、软件端轻原则，把数据及数据逻辑后置，软件仅关注场景内数据及逻辑，做轻

9.软件之数据性原则，保障软件上线后，只增不删不改，可不用，但不可以改、不可以没有

最后要说：

做知识，才是这个时代最有价值的工作。知识之软件才是软件行业的未来

做好知识之软件必须做好数据、知识的基础工作和知识的应用变现工作

工程师的逻辑和以往完全不同，要清晰职责需求和能力需求

在新时代下只有拥有数据思维和知识思维，加之不断提升自己知识之软件的技能，才有可能成为一名知识之全栈工程师

也只有基于这样的工程师所形成的软件，才有可能是知识之软件，才更有可能有价值

【注：以上仅是作者肤浅认识，仅供参考！】

来源：与智慧做朋友

作者：李志勇 （ 微信号：qichelaba ）

声明：文章中部分图例来源于网络，版权并不属于作者

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：与智慧做朋友 李志勇 李志勇《做知识之软件，应该有的思维和能力》