如果你关注AI技术圈的话，应该会知道Simon Willison（下文简称西蒙）。
他的博客(simonwillison.net）的文章在 Hacker News、Reddit，GitHub 社区经常被引用或讨论，影响力经常排名第一，可以说是遥遥领先。
西蒙的博客有个非常显著的特征：非常高产！
仅在2025年，他就写了1000多篇博文！但其中只有118篇是完整的文章（仅此而已）。
西蒙经常在一些封闭的平台（例如 TikTok、Twitter）中发现灵感，然后将其带到开放的网络上（如Hacker News）。
他一些最受欢迎的帖子只是简单的引语或者链接，并附上评论，例如：
“我担心他们在Excel中加入Copilot功能”
“电脑永远无法被追责”。
西蒙曾表示，这类文章写起来容易，但价值很高。
分享有趣的链接并附上评论，是一种投入少、价值高的方式，可以为互联网生活做出贡献。——西蒙·威利森，“ 我运营链接博客的方法 ”
如果你也想学他这么玩儿，恐怕大概率要失败，西蒙能做得这么成功，本质原因还是因为他是个有着敏锐洞察力，非常优秀的程序员。
他是著名开源软件Django，Datasette，llm的创始人，更夸张的是，在GitHub上，他维护的开源项目竟然有962个！
今天咱们来聊聊西蒙的故事。
01
一次伟大的实习
西蒙是个英国人，2001年进入巴斯大学读计算机。
在读书期间，他开始运营自己的个人主页，在上面分享关于 Web 标准、CSS、PHP 和网页开发的知识。
在那个时代，优秀的技术网站不多，西蒙的网站很快被远在美国肯萨斯州的一个叫Adrian Holovaty程序员（也就是后来的 Django 联合创始人）注意到了，被他的技术实力所吸引。
巴斯大学非常重视实践，他们的本科学制有一种非常有特色的 4 年制的“三明治”课程：
前两年在学校上学，第三年让学生去企业全职实习一整年（称为 Placement Year），第四年再回到学校完成毕业设计和学业。
当Adrian得知西蒙正在找实习的时候，立刻向他抛来了橄榄枝，邀请他来美国堪萨斯州的劳伦斯小镇实习，开发新闻网站 《劳伦斯日报》。
2003 年秋天，Simon 来到堪萨斯州，与 Adrian Holovaty 以及后来加入的 Jacob Kaplan-Moss 组成了新闻网站的开发铁三角。
由于新闻行业的节奏极快，往往上午提需求、下午网页就要上线，现有的工具根本不够用。
三人迫于压力，不得不想办法提炼出一套能让“即使是新手也能快速搭建应用”的工具，这样就可以在紧迫的时间内把活儿干完。
西蒙和同事结对编程开发了一些核心功能：请求/响应对象，URL解析，模板语言，ORM等。
2004 年 ，Simon 结束实习回到巴斯大学，而这套被他们留在报社的框架，在 2005 年被正式开源。
这就是今天大名鼎鼎的 Django（因劳伦斯当地人喜欢爵士吉他手 Django Reinhardt 而得名）。
Django 在 Web 开发史上具有里程碑式的地位，它确立了“大而全”的框架标准：内置了从 ORM（对象关系映射）、身份验证、后台管理界面（Admin）到安全防护、缓存的一整套方案，这种高度集成的方式极大地提升企业级应用的生产力。
曾经采用Django开发系统的著名网站包括：Instagram，Pinterest，Reddit，Dropbox，Mozilla ，Disqus、华盛顿邮报，卫报等。
Django是如此流行，以至于Google 一搜 Django，全是Django的框架，抢了原本那个吉他手的 SEO 排名……
02
淋浴时顿悟
2005年西蒙大学毕业后，加入了当时如日中天的Yahoo!（雅虎） 核心技术开发团队，干了两年后，他他转型做了一段时间的独立技术顾问，致力于OpenID的推广，帮助各大传统媒体和网站构建去中心化的账户登录体系。
这让他引起了新闻界的注意，2008 年，他被英国老牌大报 《卫报》（The Guardian） 挖走，出任软件架构师（Software Architect）。
在《卫报》期间，他参与了一个数据可视化的项目，使用的是Google Sheets这样的工具，来发布《卫报》新闻发报道背后的数据。
Google Sheets号称云端版Excel，用起来很方便，但是西蒙看到了一些局限，例如无法进行复杂查询，性能瓶颈，尤其是缺乏 API 深度支持，虽然它有 API，但对于想要基于这些数据快速构建一个小工具的开发者来说，Google Sheets 的接口并不够“开发者友好”。
所以西蒙渴望找到一种更好的办法来发布和查询这些数据。
几年后，在一次淋浴的时候，西蒙迎来了自己的“顿悟”时刻：把SQLite 数据库变成一个可以浏览、查询、分享的只读网站。
这就是Datasette。
Datasette非常有意思，比如你有一个 SQLite 文件 data.db，里面有一张表 users
运行命令：
datasette data.db
浏览器里你会直接看到：
/data/users → 表格浏览
/data/users.json → API
/data?sql=select * from users → SQL 查询
相当于给SQLite的.db文件装上了一个网页外壳，没有后端开发，没有ORM，没有API设计，直接可用。
Datasette看起来非常简单，但是对于那些“任何有数据、想公开的人”非常有用。
例如一些新闻机构、科研机构，政府等，它们有数据，让想别人访问，Datasette就是最低成本的发布工具。
03
华丽转型
2023年，ChatGPT爆发，西蒙开始转型了。
当然，他并没有转型去做一个大模型训练者，更没有去卖课，而是不断地尝试GPT的能力，让它去生成代码、操作数据、调用外部系统。
他经常提到的一个案例：自然语言 → SQL → 数据分析流水线
例如你有一个 SQLite 数据库，里边记录了用户行为日志、网站访问记录、API 调用数据。
传统方式做分析的话，需要写SQL，用Python pandas之类的库来分析。
西蒙的工作方式是：
(1) 用户问题
“帮我分析最近一周哪个 API 错误最多，并给出原因”
(2) LLM 生成 SQL
SELECT api, count(*)
FROM logs
WHERE date > now()-7
GROUP BY api
ORDER BY count DESC;
(3) SQLite 执行，返回结果集
/api/login 1200
/api/pay 300
(4) LLM 总结结果。
login 接口错误最多，可能原因是认证服务不稳定…
现在看来，这种方式没啥，但放在2023年那个时间点，这是让人耳目一新的工作方式。
尤其是国内还在卖账号，卖课程的时候，西蒙已经远远地跑在前面了。
西蒙反复在博客中强调一件事情：LLM 最有价值的用途之一，是作为“工具的接口”（tool interface），这种理念最终发展成了一个叫做llm的开源项目。
llm把 GPT 这种大模型，变成了 Unix 风格的命令行工具，你可以像用 grep、awk 一样用 LLM。
例如：
cat test.py | llm "解释这段代码"cat log.txt | llm "总结错误"cat report.txt | llm -m gpt-4 --system "以法律语气总结"在llm工具出现之前，大众的认知是 AI可以聊天、可以写作。
在llm之后，一部分人开始意识到：AI = 可以接入系统的数据处理节点
这个影响是非常深远的，后续的Tool Calling ,Function Calling , RAG，都是这种思想，让大模型不只是回答问题，而是参与执行任务。
想想现在火热的Cluade Code，西蒙在2023年就开发出的llm工具，是不是洞察力超越常人？
西蒙不仅开发工具，写博客也是一把好手，他的博客没有花里胡哨的界面，非常朴实，接地气，极少空谈概念，每篇都有代码，每个例子都可以复制运行，开始在各个社区自发传播，最终爆火。
04
你很容易脱颖而出
西蒙在一篇文章中写道：
我曾经面试过数百人，但是我发现很多优秀的人才把所有的精力都花在了给公司写代码上，而不注意经营自己的个人品牌。
实际上，你只需付出相对较少的努力，就能直接跃升到招聘经理的首选名单前列(甚至可能他们都没注意到）。
这些努力包括：
（1）开个博客，每年发布一两篇有趣的科技文章，可以是你的新发现、修复的漏洞，或是解决的问题。
（2）创建一个小型个人项目，将代码上传到 GitHub，同时附上一个 README 文件，详细描述项目并附上运行截图，几乎没有人这样做，这只需要额外花费几个小时，却能极大地提升你的项目在招聘经理眼中的影响力。
这绝对是西蒙这个过来人的经验之谈，如果你还没有这两样，强烈建议你去做一下。
热门跟贴