FIELD NOTES 首页 / Latent Space
Latent Space播出 2026.11.082:00:4542 章约 59 分钟读完整理于 2026.11.09

【百万 AI Engineer 特别节目】斯坦福如何教授 AI 原生工程——Mihail Eric、Monaco

斯坦福《现代软件开发者》课程正尝试回答一个现实问题:当学生用一句提示就能完成去年的作业,工程教育该教什么?Mihail Eric 介绍课程如何让学生进入陌生的开源代码库、提出改动并接受维护者评审;随后从 Claude Code 的循环、工具和 harness,谈到大代码库的上下文工程、技能与代码审查。他也分享 Monaco 如何决定自建智能体工作空间、采购代码审查工具,并让值班智能体连接 Datadog 和 GitHub。对话最终落到开发者能力的变化:理解问题、做出判断、构建评测,并把个人使用 AI 推进到团队自主协作。

FN
0:0015:0030:0045:001:00:001:15:001:30:001:45:002:00:45
0:00 / 2:00:45 柱高 = 每分钟字数
01 0:01 329 字

百万 AI Engineer 订阅者特别节目

Swyx

今天这期很特别,我们的 AI Engineer YouTube 频道订阅者突破了一百万。还没关注的话,欢迎去订阅。今天的嘉宾是 Mihail Eric,他在斯坦福教《现代软件开发者》,这门课最近因为涵盖了几乎所有 AI 原生开发实践而火了;他同时也是 Monaco 的 AI 负责人。所以他既教书,也亲自做实践。下周来参加 AI CODE Summit 的朋友们,我们会一起庆祝过去一年编程领域取得的巨大进展。我很期待聊聊如何对抗“AI 垃圾代码”(slop)、System 1 模型,以及怎样把目标定得更高,对代码里的各种东西做大规模重写。现在做 AI 工程师从来没有这么令人兴奋过。一百万 AI 工程师只是个开始。我们进入访谈吧。好,我们现在在演播室里。

02 0:52 1,154 字信息密度高

Mihail Eric 与斯坦福 CS146S

Swyx

我们现在和 Mihail Eric 在演播室。他是斯坦福的兼职教授,也是 Monaco 的 AI 负责人,欢迎你。

Mihail Eric

谢谢,很高兴来这里。

Swyx

你的课引起了我们的注意,你们正在第三次更新……哦,是第二次开课吧?斯坦福的 CS146S《现代软件开发者》。现在进入职场的这代初级开发者、初级工程师,应该会是第一批真正经历这场转变的人。我看了课程大纲,发现里面讲的几乎就是我们一直在聊的内容。所以我时不时会请像你这样涉猎很广的人来,一项一项聊,把每个领域的最新进展讲给大家听。你也会对所有嘉宾这么做吧?

Mihail Eric

当然。

Swyx

说说这门课的来历吧。你当初为什么想开设 CS146S?

Mihail Eric

这是第二次开课,我去年秋天第一次教。那是 2025 年秋天,还在 Opus 4.5 之前。其实早在那之前,这门课就酝酿了一年左右。大概 2024 年 11 月,我看到编程智能体领域发生了很多事。那时的智能体还比较早期,但开发者的工作方式、完成工作的速度,已经有了很大的变化。网上关于具体方法的内容还只是零散的博客文章和资料。如果想认真学会怎么做,信息并不成体系。我就想,能不能围绕这些内容设计一套更正式的课程?

我本科毕业于斯坦福,一直梦想着有一天能回来教点东西,把自己受过的教育传递下去。我也一直很关注教育。我找朋友 Chip 聊了聊,她也教过一门课,应该是《机器学习系统设计》。我问她课程设计过程是什么样的,从她的课程构思里得到很多启发。之后我把想法整理成课程方案,花了大约九到十个月,从 2024 年秋天一直到 2025 年年中后期,提交委员会审批、论证这门课为什么应该开设。最后在 2025 年秋天第一次开课,反响很好,学生很感兴趣,甚至有一篇《商业内幕》的文章专门写了这门课。

今年变化很大,尤其是自主编程智能体的发展,达到了以前没有见过的程度。所以我觉得该重新开一次课、更新内容了,于是就有了现在这门课。

Swyx

同时你还是 Monaco 的 AI 负责人,这家公司最近也很受关注。

Mihail Eric

是的,我们最近确实挺受关注的,做得也很开心。

Swyx

我很喜欢你不仅教课,也是一线实践者;你们在 Monaco 显然也在落地这些东西。和去年相比,今年的课程有哪些原则或观察发生了变化?

Mihail Eric

变化非常多。回想去年的课程,当时编程智能体已经出现,但行业还处在一个阶段:有公司分别针对软件开发生命周期(SDLC)的各个环节做智能体,有的做代码审查,有的做规格设计,还有的做其他环节。当然,有些公司现在还在,但去年更像是一次广泛的巡礼,介绍编程智能体能用在哪些地方。课程更多是让大家先接触这些工具,像是带大家走一遍“AI 正在改变你对 SDLC 的所有认识”。

今年则有些原则逐渐成形了:要非常仔细地做上下文工程;面对复杂任务,要认真考虑设计和架构。我的课不是给编程初学者上的,也不能替代传统计算机科学教育。

03 4:54 171 字

Mihail Eric 与斯坦福 CS146S(续)

Mihail Eric

这里讲的不是算法课;事实上,很多基础课程是学我这门课的先修要求。不过,如果你已经打好了基础,接下来就要学会把这些原则用到真实的生产环境里。我觉得现在已经到了这个阶段。在 Monaco,我们面对的是规模很大的代码库;我也会帮很多公司思考大型代码库的设计等问题。所以这更像是一门面向实践者的课程:学生毕业、进入职场之后,怎样成为最高效的团队成员。

04 5:26 1,081 字信息密度高

初级工程师现在需要学什么

Swyx

你说自己很重视教育。我觉得大学阶段的学生正处在一个挺有意思的位置。你有什么建议?现在还应该学计算机科学吗?只用 Cloud Code 和 Codex 就够了吗?我很想听听你的看法。

Mihail Eric

学生们的焦虑很大,这大概不难想象。我这次想传达的是,焦虑依然存在,去年也有。但我想说明,训练有素的 AI 原生工程师——我知道“AI 原生”这个词现在很热门,我们可以之后具体聊聊它指哪些能力——可能会成为任何公司最有用的人才之一。这也是我在开学第一周第一堂课上说的:我真的相信每家公司都需要你,但门槛已经高得多了。你刚毕业进入第一份工作,光达到谷歌 L3 这样的初级职级标准还不够;你通常得做到接近资深工程师的水平。问题是,我们怎样才能更快达到那里?

我想说的是,软件工程的基础仍然重要。你得理解软件系统如何构建,以及其中的权衡。除此之外,人类应该把价值放在更重要的判断上,其他实现细节则可以更多交给工具处理。

Swyx

嗯,这是我以前说过的话,听起来可能有点挑衅,像是故意说狠话,但我其实确实有点相信:大多数学生可能要吃苦头了,其中一些人会特别有价值。这在斯坦福学生里当然不太受欢迎。斯坦福的孩子大概没问题,但美国其他地方的学生会怎样?

Mihail Eric

对,这确实是个悬而未决的问题。

Swyx

情况挺奇怪的,我觉得很多教育体系变化得很慢。我也很好奇……

Mihail Eric

你怎么决定一门课的课程内容要更新到哪个时间点?你教的是斯坦福的《现代软件开发者》,而这一切都在变化。

Swyx

说白了,你就把做编程智能体的人请来讲课。

Mihail Eric

对啊,就让他们当嘉宾,挺有意思的。

Swyx

这确实是个有趣的嘉宾。

Mihail Eric

哈哈,是啊。说到请嘉宾,去年也是有意这么设计的。我作为一线实践者参与其中,平时就在做这些事,在 Monaco 设计、构建系统,也经历过很多类似场景。但我不想声称自己现在就有所有答案,那样太自大了。所以课程一直是这样安排的:先分享一个实践者从工作中、从和业内很多人交流中汇总出的经验;再请真正站在前沿的人来,讲讲他们看到的、甚至超出这些经验的东西,以及他们对未来的判断。这就是为什么课程会请嘉宾。

Swyx

我觉得让学生直接听业内大人物、真正做这些事的人讲,影响很大。学生可以当面提问,也可能想去实习或找工作,所以嘉宾讲座确实有价值。

Mihail Eric

我想他说的是……我换个说法。我们也采访过一位教 Coachella 课程的人,对吧?那种课是把一堆业内名人请来。可你这里不只是请名人,你还会真的做出东西,比如用两百行代码写出 Cloud Code。没有人会特地来告诉你应该这么做,也不会有人专门来给你讲这个;但如果你想在一个框架里教基础知识、让学生真正理解它并能动手实践,那这类做法就很重要。

Swyx

没错,没错。

05 9:26 195 字

初级工程师现在需要学什么(续)

Mihail Eric

对。我觉得这类内容需要把握平衡。正如你说的,很多东西还没有完全定型;这既是课程刻意保留的特点,也可能算个缺点。课程里很大一部分确实和去年不同,所以整个课程一直在动态演进。但我至少想讲清楚,有些东西我相信会持续有效。即使编程智能体越来越聪明、提示方法也变了,我们仍然得弄清楚该怎么和它们合作。不过,Boris 肯定也知道一些我不知道的东西,所以也应该请他来分享经验。

Swyx

我注意到一个挺有意思的……

06 10:03 1,025 字信息密度高

开源维护者评审学生代码

Swyx

我注意到这次有很大一部分内容是做开源贡献。

Mihail Eric

对。

Swyx

你们为什么这么安排?

Mihail Eric

这其实是我最自豪、也最兴奋的部分之一。现在课程第二周快开始了。我花了今年夏天的大部分时间和这些非常友善的开源合作伙伴沟通,让他们对这件事感兴趣。去年我教这门课时有九个作业,最后还有一个开放式的综合项目。九个作业基本都是我设计的教学练习,比如给学生一个代码库,让他们用 AI 代码审查工具提交审查,再分析审查做得好不好。这种练习确实有教学价值,但我觉得对很多人来说太容易了,直接一次性让智能体做完就行。我觉得现在再这么教帮助不大。

我周二问了学生们,发现他们几乎没人再手写代码了,大家都在用编程智能体。这些学生是斯坦福的大二、大三学生。

Swyx

你会调查他们吗?比如用哪些工具、各自的使用占比?

Mihail Eric

你是说具体工具吗?我还没调查,这个建议不错,我会去问。

Swyx

那我说得尖锐一点,斯坦福是不是偏爱某些工具?

Mihail Eric

不是,我是说学校这边……大多数供应商都有教育计划。

Swyx

对,他们给学生的方案确实很慷慨。

Mihail Eric

所以学生在上课前可能就有 Claude、Cursor,或 Cognition 的许可。我还争取到额外资源,不想让大家被每月 20 美元的订阅费卡住。如果你想把 token 用到极限、看看工具能做到什么,就应该放手试。除了和合作方沟通,我还给学生争取到了额外额度;Factory 和 Cognition 也参与进来,OpenAI 的人也参与其中。

我最担心的是,大家都说下一代学生“完了”,他们可能真的会被落下。导师指导是让所有人一起进步、避免鸿沟扩大的重要环节。已经在行业里工作、经历过智能体出现前后变化的资深工程师,一旦采用智能体就会变得特别厉害;而新人却可能不知道接下来该怎么办。

所以我想让学生去处理复杂、庞大的代码库,和一些我认为最优秀的 AI 原生项目合作。这些项目要么专注于 AI,要么本身就是编程智能体,或者是在为智能体构建工具。我希望学生真正参与这些项目,把贡献代码纳入作业。他们会和维护者交流,接受代码评审,也会得到帮助,逐渐建立对优质软件的心智模型。这样就能把真正的软件设计经验传给学生,而大多数学生没有机会经历这些。当然,表现好的学生也可能因此被项目团队看中、招募过去。

Swyx

说句公道话,我要是不说肯定会被骂。我觉得你说学生“完了”或者“起飞了”,是为了戏剧效果故意摆出两个极端。不过,偶尔把话说到极端也挺有意思。

Mihail Eric

是啊。那我们要不要具体聊课程内容?还是你还想从宏观上问点什么?

Swyx

没有,这些都很有帮助,基本都聊到了。

07 14:04 154 字

开源维护者评审学生代码(续)

Swyx

好。我还有些关于学生使用工具和最佳实践的宏观问题。你支持他们把这些工具当作个人导师吗?我猜学生们也会听这期节目。深入课程之前,你对学生使用工具有什么建议?你刚才说自己重视教育。老师和教授该怎么用这些工具,学生又该怎样用,才能真正学到东西,而不是把作业丢进去,让它一次性全部做完?

Mihail Eric

对。我觉得我还是会保留一些……

08 15:04 906 字

十周课程大纲导览

Swyx

好,那我们从头到尾快速过一遍十周课程,再深入展开。

Mihail Eric

好。

Swyx

我们从编程智能体的内部机制开始。你会教学生自己写一个 Claude Code 的克隆版,而且现在相关内容已经开源了,这很有帮助。

Mihail Eric

第一周讲 harness 的内部机制,比如从零构建一个编码智能体。第二周开始讨论如何在规模化场景下做上下文工程,而不只是普通提示。我们也会讲工具设计和 MCP。MCP 曾经受到不少批评,但我仍然支持它。我在实际工作中经常看到它。它已经成为一个存在了一段时间的标准,我认为还会继续存在,所以第二周会讨论如何有效设计工具。

第三周讲技能(skills):如何从单一用途的工具扩展到流程和程序;这也会引出智能体自动化。第四周讲定制智能体的基础,包括智能体配置文件,例如 `AGENTS.md`、`CLAUDE.md`、hooks 和子智能体。现代 harness 里有很多机制,可以服务于不同目的,我想让学生都接触到。

第五周是让代码库为智能体做好准备。这是我最喜欢的主题之一,也特别适合未来要在工业界处理大型代码库的人。什么样的仓库能被智能体有效读取和使用?我们会讨论服务边界的设计权衡、文档、可验证性等。

第六周讲智能体时代的代码审查。这和第五周的智能体就绪代码库相衔接。代码审查正变成一个瓶颈,很多学生可能还没经历过;虽然有些硕士生已经在业界工作,但大多数人还没见过。如今使用代码智能体的人都在面对这个新瓶颈。我们要讨论怎么缓解它,有哪些机制,以及如何把可验证性等能力纳入代码审查流程。

第七周讲安全。自主系统会采取大量行动,过去一年里我们看到很多东西遭到攻击,包括 Vercel 这样的核心软件,以及整个 LLM 网关领域。我想花时间讲新的攻击面,以及怎样降低风险。

第八周讲后台智能体:怎样让智能体在产品和服务的不同环节运行,而不仅仅是在传统 IDE 里。它们可以由代码库或仓库里的事件触发,可以在 CI/CD 期间启动,也可以响应事件,比如类似 SRE 的机器人。过去一年里,很多公司开始发布相关实践文章,例如 Ramp Inspect、Spotify 的方案和 Stripe Minions。我希望学生了解这些公司如何构建这类系统。

09 19:04 1,146 字信息密度高

十周课程大纲导览(续)

Mihail Eric

第九周讨论团队层面的基础设施,从 LLM 网关到 MCP 门户,也就是规模化的 MCP,以及不断变化的团队角色。这部分比较偏软性。大家常说“人人都是构建者”,我想再深入一点:哪些工作正在被吸收?哪些角色正在变化或新出现?以前不存在的角色有哪些?学生应该培养什么样的可持续技能?这里会讨论很多团队协作层面的事。

课程最后逐渐走向“软件工厂”这个主题,现在很多人都在关注它。假如我们开始建软件工厂,人类还会在哪里?新的瓶颈是什么?哪些环节会有意保留人工参与,比如确定意图、建立可验证系统?如果最终 80% 或 90% 的代码都由智能体驱动,人类会融入其中的哪个环节?这就是第十周要讨论的问题。

Swyx

十周安排得挺扎实。有些模式比其他模式成熟得多,我觉得大家需要知道,这些内容并不是都已经成为定论。

Mihail Eric

没错。这些主题都值得关注、值得了解。我们知道问题在哪里,但不一定知道答案。

Swyx

对。我也很好奇,你觉得哪些东西还没定型?比如“软件工厂”到底是指完全黑灯的工厂,还是只关一部分灯、仍有人工参与的工厂?我觉得这里有不同程度。最前沿的人,比如 Warp 和 Factory,既在建软件工厂,也把它们作为服务出售。但他们自己也只说,其中大概三成多的贡献是真正由智能体全自动完成的。最终会变成什么样,很难说。

Mihail Eric

也有人曾经把“黑灯工厂”推得很远,后来又出来说自己错了。大家要记得,人们当时大概是真心相信自己的判断,但他们有权改变主意,而且确实会改变。

Swyx

Boris 最近也发过推文,说自己经常判断错。大家把他当成创造了 Claude Code 的人,就把他说的话奉为圣旨,但他有时候也会改变看法。

Mihail Eric

对,这完全没问题。这不是政治,我们还是科学家、工程师。我不想教条地看待这些事,只希望大家去试验。我认为实验本身也是一条原则。你得愿意动手试。有时候大家会问:“事情这么多,我怎么跟得上?”其实很简单,每天花十分钟尝试点新东西。以前你用老方法解决问题,现在有了新工具或新框架,就拿同一个问题试试看。光是这样,就能弥补很大一部分差距。

Swyx

对。我想提一下,你的课程里有一周讲 Cognition 的代码审查。

Mihail Eric

我确实和 Silas 一起做过 Devin Review。

Swyx

我觉得挺不错的。这些东西很难做基准评测,虽然有 ReviewBench,但没人用;从定性体验来看,Devin Review 确实不错。

Mihail Eric

我们自己也用你们的产品,所以 Monaco 确实用 Devin。Sus 去年也来讲过课,他特别聪明。我们试过很多代码审查工具,最后在很多使用场景里都选了 Devin。

Swyx

现在除了模型本身,你们也许会想要 Walden。

Mihail Eric

对,我也和 Walden 聊过。我还想提一下 Factory。他们一直在做智能体就绪度,也构建了相关的信号工具。你们用过吗?有什么看法?

10 23:05 320 字

十周课程大纲导览(续)

Swyx

我们也在做自己的智能体就绪度工具。Eno 也很棒,他们很早就开始做这件事了。他在 AI Engineer 的演讲里把方法总结出来,我忘了具体是哪一年,但那场演讲非常精彩,也算是走在时代前面。我觉得要找人来讲这个主题,他是最合适的人选,我很想给他这个机会。

Mihail Eric

有意思的是,我在 COG 的时候也在聊这个,我们说得形成一些看法。结果那周 Factory 就把完整产品发布出来了,我心想:好吧,你们赢了。

Swyx

大家对这些东西的看法其实差不多,问题只是要不要把它做成仪表盘。

Mihail Eric

对,就是做成仪表盘。

Swyx

不过,从营销角度看,他们抓住 Radius 报告这个机会做得很好。我经常会向别人推荐,让他们自己也跑一跑这类报告。当然,现在已经有开源版本了,但这些原则确实很重要。

11 24:04 1,082 字信息密度高

编程智能体的循环、工具与 harness

Swyx

好,要不要按主题一项一项聊?

Mihail Eric

可以。

Swyx

好。第一项,你重点讲 Claude Code,但也有开源项目 Pi 作为赞助方,这是怎么回事?

Mihail Eric

这个可能听起来有点像宣传,但我想强调:我并不是在给任何工具背书。我觉得用“推荐某个工具”的方式来教这类内容不对,因为工具会来来去去。坦白说,去年开课的时候,Claude Code 还没这么火,也没被广泛接受。Boris 当时在 Twitter 上只有四千个粉丝,现在已经多得多了。Claude Code 后来才真正崭露头角。

Swyx

我们请 Boris 和 Cat 上节目时也低估了 Claude Code。当时它才上线两个月,我只用过一次,一次查询就花了五十美分,我当时想:谁会用这个?

Mihail Eric

它有一段时间还在 beta 阶段。不过他们在模型还没准备好时就开始构建,这一点做得很好。大家总说要为模型未来的能力构建产品。

Swyx

他们的想法很有野心。那时候模型还没那么强,你还感受不到未来会是什么样。

Mihail Eric

是的。Boris 去年做演讲时,我记得有一页幻灯片写着“为六个月后的模型构建”。那时是去年十月。如果他知道半年后 Opus 会进步到什么程度,这个判断就很有道理了。Opus 的进步是个重要的突破,也可能是今年课程改动这么大的原因之一。智能体自主能力一直在竞赛,大家都在做可以长时间运行的智能体编程任务。

但回到重点,我不是在推荐 Claude Code。我当然会用它,也会用其他工具。我更想讨论:现代编程 harness 应该是什么样。我今年早些时候写过一篇文章,讲了类似的原则。简单说,掌握入门算法的知识,就足以定义一个能完成编码智能体大部分工作的循环。当然还有很多额外功能,比如子智能体、MCP 等,但如果你想做一个能对话、能直接编辑文件、能完成相当复杂任务的智能体,不需要超过两百行代码。

我做教育时,常常想把所谓的“秘诀”剥开,让大家看到核心原理。学生需要学的是概念,不是某个产品的神秘诀窍。斯坦福有门 106B 课程,教入门算法;掌握那门课的内容,就能做出这样的东西。就是这么回事。

Swyx

既然你已经教过这门课,学生对从头构建智能体这件事有什么反应?他们会质疑什么、问什么?

Mihail Eric

你是问这个概念本身,还是一般情况?

Swyx

就是从头构建,再做成你为 Pi 做的那种东西。

Mihail Eric

对。学生并没有反对这个想法。我觉得大多数人其实是工具的消费者,他们只是使用现有产品。课程作业里,他们很少有机会把工具一层层拆开。本周我们讲 harness,周二第一堂课先讲课程安排,然后进入第一段真正的课程内容:两百行左右的 harness。昨天我们继续往下看,拿 Claude Code 配合代理工具拦截请求。

12 28:04 1,055 字信息密度高

编程智能体的循环、工具与 harness(续)

Mihail Eric

代理工具可以拦截请求和响应,让我们看到里面发生什么。我拿两天前才发布的 Opus 4.5,拦截了它的请求,把具体过程给学生看:这里是提示词、系统提示词、规划提示词、压缩提示词。我们逐一过了一遍,现在学生能理解一个真正先进的 harness 是怎么工作的。

Swyx

这样就有三个层次:很多学生只是使用产品;然后看一个在循环里运行的基础智能体;最后看真正的产品。我喜欢你还给博客文章录了视频演示。学生的水平差距大吗?有些人已经是重度用户;对熟悉智能体的人来说,有些内容可能很简单。课堂上怎么平衡?是面向平均水平吗?

Mihail Eric

课程本身会筛选出感兴趣的人。课程内容已经公开好几周了,我几周前宣布了,但可能一两个月前就有人能找到。学生如果不感兴趣,就不会来上课。我发现来听课的当然有学生,也有很多斯坦福其他院系的博士后,跨学科的兴趣很浓。有些人来自病理学、医学等领域,也有非计算机科学的工程专业学生,想接触这些内容。还有不少商学院的研究生和 MBA,他们可能想学会怎么做事,不必依赖技术联合创始人,或者有别的动机。

Swyx

顺便说,如果有人还没做过 MITM 代理实验,应该试试。

Mihail Eric

会让你很惊讶。Claude Code 的系统提示词是所有编程智能体里最长的,大约两万个 token。

Swyx

是的,不过他们后来把长度缩短了 80%。

Mihail Eric

对,但之后又会增加、再删减、再增加。

Swyx

就像跷跷板。

Mihail Eric

对。有意思的是,里面有些内容其实用不上。

Swyx

有时候,它也会透露工具内部是怎么工作的。你在里面发现过什么特别有意思的东西吗?

Mihail Eric

我昨天讲这件事时提到,Claude Code 早期有个特别有意思、也可能让它迅速流行起来的原因:它追求简单。他们很早就主张少数工具做更多事,更多使用 SQL、Bash 这类强大、用途广的“瑞士军刀”工具,让它们成为能力的重要来源。我觉得他们做得很好,这也是它后来受欢迎的原因之一。

我展示系统提示词时,得提醒学生:两个月前的提示词可能已经不一样了。如今它变得简单了。以前写在系统提示词里的内容,比如怎么用 Git、怎么设任务,现在不一定还放在那里;模型可能已经在权重里学会了这些能力。很多经验已经被融进模型本身。这就带来模型和 harness 之间如何权衡的问题:公司应该投资什么?想提升自己的能力边界,又该投资什么?整个社区一直在这两者之间来回摆动。

Swyx

不必责怪他们先把系统提示词写得很长,后来又删掉。模型能力也在变化。早期的弱模型需要示例,告诉它什么是好、什么是坏;后来当然就可以把这些内容删掉。这也是学习过程。如果你在本地用较弱的编程模型,可能还是得加上这些示例。

13 32:05 67 字

编程智能体的循环、工具与 harness(续)

Mihail Eric

没错。随着模型变强,还有一个有意思的问题:加入这些例子会不会限制模型?什么时候该把过度约束拿掉?怎样逐步移除它们?这也是学习的一部分。

14 32:18 870 字

大型代码库的上下文工程

Swyx

如果要向更广泛的听众介绍这部分,你觉得哪些内容最值得他们知道?

Mihail Eric

这就像把整门课压缩成一小时。

Swyx

对,基本就是把所有内容压缩成这一小时。

Mihail Eric

也可以把它当作课程预告。想听更多的话,明年秋天来报名。

Swyx

这差不多是这门课的 Quibi 版:比预告片长,却又短得不够上一整门课。等你下次开课,内容又会变了。

Mihail Eric

确实。好,我想强调的是,即使在行业里,我面试时也发现很少有人超越普通提示。大家就是对模型说“帮我把这事做了”。随着模型变强,这当然能带你走一段路。但如果你进过 Google 这类有大型代码库的公司,就会发现,如何把上下文交给模型需要更仔细地思考。

我们得掌握一些原则和方法。我说的 RAPID 框架,和 Dex 的 RPI 大体类似:先研究,再提出方案或规格,然后实施,最后通过测试等方式把它们串起来。尤其是进入陌生代码库、要把智能体理解庞大代码库所需的信息注入上下文时,研究阶段很有价值。研究之后,智能体可以提出几个不同的解决方案,再让人类参与,决定采用哪一种。然后再进入计划阶段,也就是规格。

简单说,处理数百万行代码的大型代码库时,有一套可扩展的方法,不能只靠普通提示。我想强调的是,如果你要去这些大型代码库工作,就应该使用更完善的流程。

Swyx

关于上下文工程,你还想补充什么?我现在觉得最奇怪的问题之一,是拆分子智能体时,应该让它继承主线程的全部上下文,还是不继承。对此大家意见不一。有时候你又希望它把研究结果压缩后放回主线程,这种做法现在还挺笨拙的,我也不喜欢自己正在用的任何方案,所以我没有答案。

Mihail Eric

当你要把任务分发给多个智能体时,不只是准备一个大规格、走一遍 RPI 流程就行了。现在不再是一个智能体干活,而是要分散任务,并确保每个智能体都有合适的上下文和指导。比如让一个审查智能体检查其他智能体的工作,你就得保证它拿到足够的信息。

然后你总会不断扩充这些智能体之间的约定:觉得它们上下文不够,于是不断塞更多内容。结果它们又可能对你很久以前随口说的一句评论过度拟合,把那句话当成铁律,做出很蠢的错误,因为你当时根本不是那个意思。这大概就是上下文的多智能体管理吧。

15 36:20 536 字

大型代码库的上下文工程(续)

Swyx

对,完全是这样。这部分可能更像艺术,而不完全是科学。正如你说的,我们要把探索、子任务分发,以及最后的汇总和压缩结合起来。也要注意什么时候该刷新上下文、什么时候上下文已经太臃肿了。Dex 提出过“愚蠢区”(dumb zone)的概念,提醒大家留意这个问题。

Mihail Eric

他很会给这些东西起名字,也会画些小图。

Swyx

对,那些小图很有用。你为什么请他来?

Mihail Eric

他确实对课程影响很大。他是个非常出色的思想者。我觉得那些图也特别有帮助。

Swyx

我再给想深入了解的人补充些线索。看看关于上下文工程的最佳实践,比如子智能体上下文是否继承。Claude Managed Agents 有一种会话隔离、不继承上下文的做法。推理模型出现之前、智能体还不能长时间运行时,这曾是很热门的话题。那时上下文窗口比较短,大家会非常珍惜有限的上下文。LangChain 写过不少关于上下文工程的文章,这些内容都值得了解。

这也是很适合做研究的领域。AI Engineer 上有研究展示过 Claude Code 系统提示词的变化,研究者对比了改动,并把改动与性能变化联系起来,尝试逆向分析。还有研究探讨上下文窗口管理会怎样影响后续表现。这些论文可能不算最出色,但很容易读,也能写成不错的博客文章。想研究这个方向的人可以很容易入门,值得试试。

16 38:15 1,109 字信息密度高

让你真正理解 diff 的技能

Swyx

这是个很好的补充。Agent Skills、CLAUDE.md 之类的东西……

Mihail Eric

对,这些都可以看成是从单一的函数式工具调用、比如 MCP,向外扩展:先是和第三方服务交互,再进一步把一组重复执行的动作整理成流程,最后写成 `SKILL.md` 这样的技能文件。我想让学生练习把这些流程正式记录下来。我还会介绍一些挺好用的技能,比如 Matt Pocock 的 Grilling;从教学角度,我也喜欢 Geoffrey Litt 的“解释 diff”技能。讲代码审查时,这尤其有意思,因为关键在于理解代码。

Swyx

理解代码。

Mihail Eric

没错,你必须理解代码。我不知道你们用过没有:把你提交的代码 diff 交给技能,它会生成改动的可视化表示,让你快速浏览、弄清核心变化。更棒的是,最后还有一组小测验,检查你是否真的理解这些改动。我觉得这种互动很有帮助。我喜欢这个领域里几篇博客文章,其中一篇的意思是:关掉大脑、停止思考从来不是好主意。这些技能会迫使你动脑子。很多人用编程智能体时却想让自己什么也不管,只要说“给我做个应用”,就希望它读懂心思、不用说明也能全做对。

Swyx

对,而且很多这类技能其实会说:“不,请多问我几个问题。”

Mihail Eric

我觉得大家不太习惯它输出这么多东西。你可能只输入一句提示,就得到几万行代码和完整结构。

Swyx

还像是在炫耀自己的生产力。

Mihail Eric

但更重要的是,你得知道自己在做什么。你很容易和实际工作脱节、失去掌控。你应该多花时间想清楚自己到底在做什么。现在写代码、把事情做出来比以前容易多了。

Swyx

对,理解这件事已经没有借口了。

Mihail Eric

抱歉,你说的 Web 技能是什么?

Swyx

就是和网页交互的技能,也就是 computer use。

Mihail Eric

对,类似这种。还有别的类型吗?

Swyx

主要是从网上抓取信息。我不确定有没有专门的最佳实践。

Mihail Eric

这部分更像是我挑选的一些案例和演示。我记得有个案例可能来自 Vercel,或者是浏览器相关的。我得回去看完整阅读材料,才能确认是哪一个网站。它可能是基于浏览器的。

Swyx

你还记得这个吗?

Mihail Eric

记得。我刚才还在想是不是漏掉什么了。这似乎是 Skills 社区很重要的一部分,挺有启发的。

Swyx

我觉得他们做了某种东西,因为他们显然是基于浏览器……

Mihail Eric

他们喜欢浏览器,对。我记得他们有个不错的网站,展示了一些很有意思的能力。

Swyx

CLI 也挺有意思。你的很多学生第一次用终端或 CLI 吗?还是现在这很普遍?

Mihail Eric

我觉得不是第一次。去年有些学生大概还记得自己亲手敲代码的日子,但现在大多数学生都接触过 Claude Code 了。

Swyx

我很好奇,现在有多少人只用桌面应用。Claude Code 有桌面版,Codex 也是;Codex 现在主要就是个应用。很多普通用户不太愿意进 CLI、用终端。

Mihail Eric

我只是随口一提。

17 42:17 956 字

让你真正理解 diff 的技能(续)

Mihail Eric

我觉得技能还有另一种形态:一组互相引用的技能,组合成一个技能包。

Swyx

就像插件,对吧?

Mihail Eric

对,类似插件。我在 AI Engineer 上也专门讲过怎么编写技能,这本身就是一门手艺。

Swyx

现在很多人只是在消费技能。像 Matt Pocock 这样的网红会说:“这个技能能解决你所有问题。”但其实你应该自己写技能。

Mihail Eric

是的,自己随便写的技能往往很糟。把技能写好也需要技巧。

Swyx

没错。Swyx 写技能有什么诀窍?

Mihail Eric

我有个公开的技能仓库。之前有一阵子我什么都想做成技能,简直有点走火入魔。

Swyx

别给我们看技能本身,讲讲怎么写好技能。

Mihail Eric

对。我甚至有一个“精简技能”的技能。Claude Code 和 Codex 都有创建技能的技能,我就用自己的精简工具把它们生成的内容压短,因为默认生成的技能会把所有不足都写下来。

Swyx

所以你每次生成技能之后都会用它来删减?

Mihail Eric

对,差不多就是这样。

Swyx

这挺麻烦的,有时生成的内容虽然有不少废话,但里面也有有用的部分,还得一点点筛出来。

Mihail Eric

对。即使是废话,也是智能体使用的语言,所以这些内容有时也有意义。

Swyx

明白了。每个人都有自己的办法。我最开始会先试用技能几次,凭感觉检查效果,再把自己的偏好提炼成技能:哪些做法我喜欢、哪些不喜欢。之后慢慢调整,再把流程自动化。

Mihail Eric

但问题是,技能会在你没预料的时候触发。你可能只为了修一个问题写了技能,后来换了完全不同的项目,它却又触发了。那是因为触发条件写得不好,像是“只要发生某事就调用我”。你以为写得挺好,换个项目就莫名其妙被触发。有人会不断加技能,但像 Eugene Yen 这样的人就很讲究数量,会定期清理,没用的技能每隔几周就删掉。

Swyx

对。

Mihail Eric

这在技能生态里是个大问题。我猜 Anthropic 里有些非常聪明的人其实希望技能最终消失。

Swyx

这说法不太受欢迎,他们不会公开这么讲。但现在有点杂乱,我也能看出自己写的技能有些很乱。它不像大家原本想象中的 AGI,结果变成每个人都堆着一大堆 Markdown 文件。

Mihail Eric

我觉得有一部分是维护的问题。

Swyx

很多人根本不看自己的 Markdown 文件。他们只想通过对话说出需求、创建技能、使用它、看结果。有些东西即使不看 Markdown 文件也能发挥作用,别把事情弄得太复杂。你可以直接说:“看看我们最近五次是怎么做的,帮我做成一个技能。”然后在聊天里不断迭代,也能获得很多价值。

18 46:17 151 字

让你真正理解 diff 的技能(续)

Mihail Eric

还有另一种看法:技能可以是智能体随时运行的流程,比如代码审查。但在 Devin 这种系统里,技能也可以编码团队的最佳实践,再交给代码审查智能体,让它按团队定义的 API 和服务边界来评审。这是在表达组织层面的知识,不只是某个随手写的指令,也不必每次都重新写提示。我觉得这种用途可能比那些零散流程更持久。

19 46:42 998 字信息密度高

Monaco.com 争议与飞机横幅

Swyx

我刚才搜了“Monaco AI skills”,结果出来的全是那个国家。

Mihail Eric

那是我们迟早要打败的对手。我们会在 AEO(答案引擎优化)上赢过他们。

Swyx

你们能不能直接把那个国家买下来?

Mihail Eric

我们差点要买国家了……没有啦。不过我们买下 monaco.com 这个域名时,确实惹了点麻烦,还被他们起诉了。这件事是公开的,他们不喜欢,但现在是我们赢了。

Swyx

那我们就把这段播出去。原本我还想说这事挺敏感,但你们赢了。

Mihail Eric

是的。

Swyx

所以你们才会让飞机在天上拉着旗子飞吗?

Mihail Eric

对,那就像庆祝胜利,是我们的胜利。

Swyx

在旧金山的朋友抬头看看。音频听众看不到,我们在 YouTube 上展示了画面:你们会让飞机绕城飞。我觉得你们现在还是少数会定期这么做的公司之一。Sam Blond 想出这招的,一天六千美元。我不确定这会直接让我去搜 Monaco 是什么公司,不过你们的广告就是“Monaco,$X”这样的数字。

Mihail Eric

对。

Swyx

这个数字会引起对话。广告的目的就是让人问“Monaco 到底是什么?”当然,这也可以讨论。营销的目的不就是吸引注意力吗?有时候活动上会有人认出我:“你们就是那些放飞机的公司,广告牌上写着很大的数字,比如 1.93 亿之类的。”然后他们会问:“你们到底做什么?”也许这就是目的:让人有个破冰的话题。

Mihail Eric

我记得你刚才进门时也说“啊,是那些飞机”。

Swyx

对,这就自然引出“你们做什么”。我曾参与决定 Devin 广告牌上写什么,我们在文案上花了太多时间。也许直接写个“Devin”就够了,虽然听上去很傻。

Mihail Eric

Sam 上周还发了篇文章。他算是我们公司的营销高手。飞机广告其实还有些背景,总之 Sam 的态度是:他没有所有答案,大家得去尝试。我们做了很多实验,效果好就继续。我们当时也不知道会不会火成这样,但既然效果出来了,说明这是个好点子。

Swyx

对。保持简洁,从小处开始,再做大,比一开始铺很大、后来缩小容易。

Mihail Eric

对,从小做到大容易多了。

Swyx

而且一天六千美元,关键是试试看。

Mihail Eric

比广告牌便宜多了。

Swyx

对,还挺好玩,也没什么坏处。

Mihail Eric

不过我们也在想,怎么才能比飞机更厉害?一架不够,那就两架。

Swyx

两架、三架!

Mihail Eric

或者直接上火箭。我也想过,希望某天能实现。下一次 SpaceX 发射时,也许让火箭上写着 Monaco。

Swyx

要让火箭开始跑起来。我们得和 SpaceX 的朋友们打好关系。

Mihail Eric

好,我很乐意。

Swyx

既然我们在聊 Monaco,要不要讲讲公司?还是留到最后?

Mihail Eric

可以聊一聊,正好作为不同话题之间的过渡。

20 50:23 1,052 字信息密度高

Monaco 为销售团队做什么

Swyx

你来决定。我们刚才提到 Monaco,既然说了“Monaco 到底是什么”,却不解释就有点吊人胃口。你介绍一下吧。

Mihail Eric

我尽量讲清楚。首先,这是那个国家——那是一个很小的国家。

Swyx

对,这就是我喜欢的 Monaco。继续。

Mihail Eric

我们是一家总部在旧金山的 B 轮公司,正在打造一个一体化销售平台。平台里原生集成了智能体,让它们处理各种事情,尤其是人不喜欢做、但智能体很适合做的事,而且出错更少。这样销售人员和团队就能专注于人类擅长的事,比如成交。

Swyx

所以 Marc Benioff 大概不喜欢你们。

Mihail Eric

可能吧。

Swyx

不过,他本人也很 AI 原生,非常积极地推动智能体。

Mihail Eric

那你们做了什么,是他没做或做不了的?

我们创业时一开始并没有瞄准企业客户。我们想做一体化平台,就必须和一批客户一起迭代、陪着他们成长。把客户从 Salesforce 挖过来很难;但如果在他们还用 Google 表格追踪销售管线时就接触他们,给他们一个更 AI 原生的解决方案,就有机会和客户一起成长。这有点像 YC 公司先卖给同一批创业公司,再逐渐往更大客户市场走的模式。

我认为我们是最好的、至少也是最好的创业公司销售平台之一。现在客户主要是早期创业公司,从种子轮到 A 轮为主。如今我们开始往更大规模的市场拓展。过去一年半做一体化平台的过程中,我们学到了很多。

Swyx

而你是 AI 负责人。

Mihail Eric

没错。

Swyx

你们做了哪些很酷的 AI 产品?

Mihail Eric

我们为销售场景自建了一套智能体 harness。我们借鉴 Codex、Claude 等编程 harness,再构建面向销售的定制工具和工作流,服务于 GTM(市场进入)场景。这套系统几乎支撑 Monaco 平台上的所有功能:评估 TAM(总体潜在市场)、评分和定义 ICP(理想客户画像)、跟踪销售管线变化,以及替销售人员处理一些琐事,比如更新会议前的备注、更新摘要等。我们用智能体支持这些工作流,很多功能开箱即用。既有长时间运行的智能体,也有一些短周期智能体,按不同的 GTM 场景来用。

Swyx

这是基于基础模型做的垂直领域产品。你们会自己训练模型吗?

Mihail Eric

这是个好问题。很多垂直 AI 公司一开始都会把前沿模型当作第三方服务来用,看看能做到什么,因为它们处于最前沿。过去一周 Harvey 关于毛利率从正 50% 到负 50% 的讨论也是一个例子。不管具体数字怎样,有意思的是,做到一定规模后,成本就值得认真考虑了:能不能用开放权重模型做得更快?我觉得 AI 团队的一部分目标会是后训练这些模型、搭建环境,用强化学习等方式继续优化。我们现在大概处于这个阶段。

21 54:25 936 字

Monaco 为销售团队做什么(续)

Swyx

很有意思。我把这套做法叫作“智能体实验室打法”:先从用户需求出发,模型怎么选都行,先把产品做出来;有了用户基础之后,再逐步补上自有模型能力。模型实验室的路线刚好相反:先大规模预训练,再去找用户。

Mihail Eric

对,这种分工应该是有用的。Monaco 就在收入和 GTM 这一侧。

Swyx

没错。你们既要为客户服务,又要和模型实验室竞争,这挺有意思的。

Mihail Eric

对。

Swyx

我稍微涉猎过这些领域。我觉得一个难题是数据丰富化(enrichment)。我花了很多时间做 SEO、研究等方面的数据丰富化,对你们来说这应该是核心能力吧?模型在这方面做得好吗?你们有喜欢合作的供应商吗?

Mihail Eric

是的。我们很早就开始用 Parallel,我觉得他们做得很强。

Swyx

所以是通用搜索?不是 ZoomInfo 那类公司?

Mihail Eric

对,不是。我们用 Parallel,也用 Exa,都值得一提。

Swyx

能比较一下它们吗?

Mihail Eric

它们都是朋友、我们都喜欢。今天我保持中立,当个“瑞士”。除此之外,我们也会自己做数据丰富化。对我们来说,最有价值的软件系统之一就是自己的“世界数据库”:里面有经过丰富化的公司、账户和联系人数据。这样我们在为客户建立 ICP 时,就能掌握最新信息,知道此刻该联系哪家公司的哪些人。

我认为我们非常擅长创造需求,能帮助客户增加预约会议的数量,而且能找到合适时机联系买家。比如你要联系销售副总裁,如果对方五年来都在同一家公司,现在不是最佳时机。但如果他刚从一家公司跳到另一家公司,刚进入新岗位,就更可能愿意采购新的销售平台。换工作就是个信号。你可以检测对方的 LinkedIn 信息变化,判断是否该在这个时间点联系他。

Swyx

你们把多少专业知识放进模型和 harness 里?哪些是模型通用最佳实践就能做到的,哪些来自你们的领域经验?两者显然都有价值。是不是主要靠集成,让事情可靠地在一个平台里完成?还是你们还嵌入了外界不知道的专业知识?

Mihail Eric

没有领域经验的话,产品很容易变成可替代品。当然,一体化本身也有很大价值。销售领域大多数公司过去都是做单点工具,像 YC 的“先切一个细分市场、再逐步拓展”打法。但我们从一开始就想做一体化平台,所以我们在隐身模式待了一年多,专心构建产品。一体化本身很有价值,但真正厉害的是,我们现在有一支世界级的 GTM 团队在卖 Monaco。

22 58:26 268 字

Monaco 为销售团队做什么(续)

Mihail Eric

同一支 GTM 团队里还有负责部署客户的客户经理——我说的是人类销售人员,他们像顾问一样帮助客户上手、构建智能体工作流,并指导他们走过整个销售和 GTM 生命周期。所以答案不仅是我们有一体化平台,也包括我们有这些人。我们招来了不少以前在 Brex 等公司做 GTM 的优秀人才,把他们的经验编码进平台里。

Swyx

你和一般的 AI 负责人说起这些事很不一样,因为你以前也是创始人,对吧?你习惯从这种角度思考,这对你的职责很重要。

Mihail Eric

很好。我觉得关于 Monaco 我们已经讲得差不多了。随着公司发展,我们还可以再聊。

Swyx

当然。接下来我们可以把话题转回……

23 59:22 548 字

Monaco 的工程团队内部

Swyx

我们可以接着聊 Monaco 内部的编程方式、智能体原生开发和现代软件开发。你教课时可能会尽量介绍整个领域的情况,但在 Monaco 内部,你们会不会对不同选择更有倾向?

Mihail Eric

我们从第一天起就在投入编程智能体,已经积累了很多经验,也踩过一些坑。最近我们开始更多分享这些经验,可以看看我们的博客。比如我们花了很多时间评估供应商,最后决定自己构建不少东西。

以后台智能体平台为例,我们有个自己的 Ramp Inspect 类似产品,叫 Monicoder,构建在 Coder.com 平台上,用来扩展工程团队的生产力。

Swyx

Coder.com?

Mihail Eric

对。我们根据自己的需求做了调整,很多智能体开发都在上面进行。它在隔离开发环境、扩展到多智能体、运行长周期智能体编程任务方面设计得很好。感谢 John Tracy 和团队构建了它。

此外,我们还自己做了一个 Slack 机器人,叫 HAL。它兼具 AI 助手、客户成功和 QA 工程师的角色。它住在 Slack 里,既能帮我们调试问题、提交修复的 PR,也能让销售人员询问产品怎么用、追查问题原因。我们还得让 HAL 根据交流对象调整“性格”,面对销售人员和开发者时方式不同。过去一年左右,我们陆续构建了这类系统。感谢 Yuna 开发 HAL,也感谢 John Tracy。

24 1:01:40 906 字

买来学习,建好留下

Swyx

所以你们自己做了很多东西。

Mihail Eric

是的。

Swyx

但你们也会用其他工具。

Mihail Eric

会。那怎么判断该买还是该自己做?

Swyx

我觉得有个通用原则:先说反了,是“买来学习,建好留下”。通常是先买来用,搞清楚需求,再决定自己构建。早期我们还在摸索,代码审查就是一个例子。我们认真考察了各种代码审查平台,现在仍在用 Devin,因为它的系统确实有价值。感谢 Cognition 团队。

我们也试过一些 SRE 工具和现成的后台智能体平台。但结合我们自己的基础设施和云平台,自己在内部构建更合理。当然我们不教条,如果有新产品出来,我们也会重新评估。通常是觉得市场上还没有成熟产品,我们才会自己做。

代码审查挺有代表性。一年多前我们调研过一大批工具。

Mihail Eric

比如 CodeRabbit?

Swyx

对,还有 CodeRabbit、Graphite(后来被收购之前),以及 Ellipsis,YC 的公司。我们试过不少,产品还行,但那时还没有好到能马上派上用场,所以暂时搁置了。后来我们又重新试了 Devin,感谢 Silas 去年在课上的演讲;有人告诉我产品进步很大。我们试完后感觉确实不错,大家也自发地开始用。

Mihail Eric

纯粹凭感觉?

Swyx

有一部分是,不过第一次评估时不只是凭感觉。那时我们没有选任何供应商,因为没有特别满意的。我分析了 PR,按类型做了图表,看看工具解决了什么问题,以及它的冗长程度、评论频率和实际价值之间的权衡。这次评估是有统计依据的。第二次我本来没打算强推 AI 代码工具,但同事们自发地说 Devin 不错,想加入使用。于是大家陆续开始用了。

这是我们仍然依赖供应商的一个例子。以后会怎样还不知道;其他产品当时都没成熟到我们愿意采用。

Mihail Eric

所以 Devin 还没差到需要你们把它换掉、自建一个。

Swyx

对,没错。

Mihail Eric

很有意思。那 Devin 这次表现不错。我其实已经不怎么参与了,只是顾问,不过从外面听到这些反馈很有意思。公司内部有时会有信息泡沫,在 Slack 上大家只分享好消息。但你没有利益牵涉,就可以选最好的工具。

Swyx

如果你想要 Slack 的免费额度,也可以提;没人会拒绝。

Mihail Eric

我觉得 Silas 会帮你安排。

Swyx

好。你的实际经验也影响了教学工作,我们之后可以继续聊这些。我觉得这种亲身经历很有价值。

25 1:05:24 857 字

让代码库适配智能体,打通值班闭环

Swyx

我们刚才说到第四、第五周的内容相互衔接。

Mihail Eric

对,两周确实有些重叠。

Swyx

你们在 Monaco 已经形成了哪些强烈看法?哪些事情建议大家先做?

Mihail Eric

第四周偏概念基础,介绍定制智能体的不同方式;第五周则把这些概念放到真实代码库里实践。我想特别提一下 Factory 团队和智能体就绪度报告的价值。

在我看来,智能体就绪的代码库是后续很多工作的先决条件和基础。大家一直对多智能体、让几十个智能体并行做各种事很兴奋,但要做好这些事,先得打好基础:代码库是否可验证、结构是否清晰、智能体是否能理解?智能体就绪度几乎是接下来四五周内容的第一块基石。之后到第八、九周,我会讨论 AI 软件团队、整体架构,以及如何为后台智能体和软件工厂搭基础。

Swyx

你们在 Monaco 也提到 SRE 这一侧。要打通闭环,智能体不仅要读构建日志,最好还能读生产环境的分析数据。

Mihail Eric

没错。课程里没有明确写,但这是个很好的补充。我会把它加到后台智能体和软件工厂的两周内容里。通过触发器和事件来闭环,是软件工厂启动任务的两三种主要入口之一。

Swyx

有意思的是,大家把它叫作“触发器”或“事件驱动”,虽然这只是技术实现方式。听起来好像太底层了。

Mihail Eric

不过触发器通常就是 cron 作业,说白了就是定时任务。

Swyx

事件驱动很多时候也只是 cron 找到一个事件,然后叫作事件驱动。其实都是 cron。

Mihail Eric

对,也可能是 webhook 之类的。你说得没错。我是学计算机科学出身,所以很自然就用了这个技术术语。有没有哪些 AI SRE 公司给你留下印象?

Swyx

Resolve 做得不错,Night Shift 在后台智能体方面也做得很好。他们有 Greylock 投资,我很看好他们。SRE 也是个很有意思的场景,这又牵涉到买还是自建。它最有价值的地方通常是服务依赖特别多、系统特别庞大,Kubernetes 和 Helm 配置散落各处。Resolve 在企业市场做得好,可能就是因为他们能面向 Ford、Walmart 这样的公司,梳理疯狂复杂的服务依赖。规模较小时通常还能自己搭,但企业客户那种复杂度就不一样了。

26 1:09:25 602 字

让代码库适配智能体,打通值班闭环(续)

Mihail Eric

没在这种规模工作过的人可能很难理解。我花了一段时间才意识到,有些企业拥有几万个代码仓库,仓库数量甚至比开发人员还多。公司里到底有哪些代码在运行,你可能都不知道;写代码的人早已不在公司了。这太荒唐了,而且可能还是个低风险系统。

Swyx

太吓人了。你值班时遇到系统故障,原作者不在了,runbook 又过时了,你只能问“这到底怎么回事?”到了企业规模,这完全是另一种复杂程度。一个大学生可能一个仓库对应一个人,根本想象不到这种情况。可以让学生做个模拟:“这是你上班第一天,出了这个问题,你怎么办?”

Mihail Eric

对。Resolve 去年为课程设计过一个作业。他们建了一个沙盒,里面散布着很多各自运行的服务,还有一些服务故障。学生要用 Resolve 的智能体探查系统,扮演值班人员,找出到底发生了什么。

Swyx

他们的网站挺有意思。

Mihail Eric

我好久没看了。

Swyx

这个体验很互动。

Mihail Eric

对,他们现在很像 PagerDuty 了。

Swyx

你刚才说 AI SRE 可能既太宽泛、也可能太狭窄。还有哪些细分方向?或者实际上更大的问题根本不是这个?这听众也很关心。

Mihail Eric

我觉得这取决于公司的规模。对大型企业来说,有不少问题的答案并不总是“再加更多智能体”。我和一定规模的公司交流时,发现真正卡住他们的常常是底层 DevOps、CI/CD 之类的问题。合并队列积压了,启动一个应用要等很久。原因是更基础的系统问题。再扔进去一个 SRE 机器人并不能解决这些问题,他们得先处理系统层面的瓶颈。

27 1:12:37 769 字

当代码审查成为瓶颈

Swyx

这就引出合并队列,以及代码合并之后的事情。

Mihail Eric

对。这一段可以说是写给现代智能体代码审查的一封情书。去年到今年最大的变化之一,是代码审查突然明显变成了瓶颈。人们越来越深地使用 AI,代码生成速度也大幅提升,理论上每天能提交三十多个 PR。那接下来怎么办?是由人把关、按传统方式审查每一项吗?那样人就成了速度瓶颈;如果人必须逐项审查,规模化生成代码又有什么意义?还是说能找到中间路线:保留足够的人类参与,确保合并的代码可信,同时也能大规模合并,而不是放任一切?

我想讲的就是这个中间地带。如果你精心设计了智能体就绪度和可验证性,有一类问题就可以在一定比例的情况下自动批准。要做到这一点,设计和架构上必须满足什么条件?哪些改动仍然需要人仔细检查?即使要检查,也一定要逐行看代码吗?

Swyx

这是我们今年最热门的话题之一。Latent Space 有客座作者计划,Aviator 的 Ankit 写了一篇关于如何消除代码审查的文章。他把审查看作最后的大关,并设计了几道关卡。

Mihail Eric

我看过这篇文章,整体上我觉得说得对。不过可能有两个瓶颈:代码审查,以及最上游的意图或需求本身。合并数量显然变多了,但审查数量并没有按同样的幅度增加。

Swyx

对。Amplitude、Cloudflare 和 Augment 都写过很好的文章,介绍他们的 AI 代码审查系统如何设计。Cloudflare 规模不小,却在 AI 软件开发生命周期方面分享了很多有用内容。我们仍在寻找合适的界线:哪些改动可以自动批准,哪些不行?如果仍需要人来审查,究竟要看什么,是逐行看,还是结合规格来判断?另一个难题是规格能不能一直保持最新。

Mihail Eric

规格可能分散在多个地方,比如 Linear issue 和 PR 描述里。PR 描述可以用更精炼的方式说明整个实现;只要它是当前最能代表代码库状态的最新资料,我认为这就足够了。

28 1:16:37 1,004 字

当代码审查成为瓶颈(续)

Mihail Eric

我们会尽量把 PR 描述写得更充分。它不只是一个段落,而是对 PR 做了什么的完整规格,还会指出哪些文件、哪些行发生了变化。这样不只有高层摘要,也能看到代码结构和涉及的服务边界。我们在这上面投入不少。我刚才说“规格”时,是指功能或代码库的规格,而不是单个 PR 的规格。代码库的规格是所有 PR 的总和。如果 PR 的规格写错或漏掉了,就会出现代码库预期行为和这次 PR 实际行为之间的差异。

Swyx

嗯。我自己也经常为这个问题烦恼。我试着让模型处理,但它们做得不太好。所以人类就成了“规格之神”:五周前我做过另一件事,现在你把它反过来了。

Mihail Eric

你看过 Basis 的文章吗?他们用 Git 跟踪不同文件工件,有些描述预期和意图,另一些是他们所说的代码“规范状态”(canonical state)。后者可能更接近你说的东西:必须在某个地方记录下隐含的知识和意图。这些内容都有版本控制,Basis 发现这对他们有用。

Swyx

我正在找那篇文章。Basis 是那家会计公司,对吧?我们纽约的会议马上会请 Mitchell 来,可以和他聊聊。我喜欢他们在做这件事。我自己的方案可能还没准备好公开,甚至也不一定会发布:做一个东西来替代 Git,记录所有这些内容。

Mihail Eric

我叫它“程序数据库”。它能记录所有轨迹,把规格固化成我们能够忽略并保留下来的内容,也管理附属的技能。Git 只关注代码;我们还需要一个真实信息源,记录代码以外的一切,包括隐含假设、约束和意图等。

Swyx

另外还得支持高度并发。Git 的设计会到处引入互斥锁,这很糟。

Mihail Eric

对,需要非常强的并发能力。你看过 Butler……以前的 CTO 是不是叫 Ian?

Swyx

忘了名字了。

Mihail Eric

Scott,对,Scott。很多人都在探索这类东西。关键问题是:任务的理想表达形式究竟是什么?

Swyx

获胜的可能不是我,大概是 Linear,毕竟任务都在那里。

Mihail Eric

他们显然决定变成一家编程智能体公司了。

Swyx

对,只要你采用 Linear,它那里就有完整的信息源。

Mihail Eric

这倒是真的。我一直有个想法:很多公司都会变成某种编程智能体公司。只要是和企业软件互动、收集用户信息或产品洞察的公司,就能形成闭环。编程智能体的作用,是针对用户或客户遇到的问题采取行动,理想情况下修复产品的一部分。Linear 可以这么做,Amplitude 也能,因为它们都掌握用户数据和问题。再大胆一点,Decagon 或 Sierra 也可以做类似的事:发现问题,然后闭环解决。

29 1:20:37 970 字

安全、依赖与权限

Swyx

好,我们先把代码库改造成智能体就绪,再做好代码审查。安全放在第七周,而不是第一周。

Mihail Eric

学生们肯定会问:“你的意思是安全不重要吗?”

Swyx

我开玩笑的,因为我总说亚马逊的 Job Zero 就是安全,大家也总这么讲。

Mihail Eric

是的。

Swyx

不过,安全评审是在最后做吗?

Mihail Eric

我在亚马逊时不记得有这说法,不过相信你。

Swyx

这是 Andy Jassy 说的。

Mihail Eric

好,我明白了。我在杰夫·贝索斯时期待过一段时间,也经历了交接给 Andy 的阶段。安全去年就在课上讲,今年也一样。Isaac 去年也来讲过,我觉得他是很有思想的领导者。Semgrep 也挺有意思,他们在智能体出现前就已经存在,早期的开源仓库安全防护也比传统 SaaS 公司更早出现。他们很好地把产品拓展到这个新领域。

现在是个有意思的时期,越来越多攻击面浮出水面,AI 生成代码也更多了。我想强调的一点是依赖跟踪和供应链管理。你必须谨慎管理依赖、固定版本,不能随便跑一句 `npm install` 就以为供应链不会出问题。

Swyx

所以最安全的代码库可能就是没有依赖的代码库。

Mihail Eric

对。你看了某个依赖,觉得实现不错,但还是想:“我自己写一个吧。”

Swyx

这是把想法推到极端了。既然代码越来越便宜、容易写,为什么不所有东西都自己构建?这样最安全,因为你了解并控制每一部分,而不是依赖 Axios 之类的库。实际上有多少人会这么做还不好说,但这确实看起来最安全。

不过,这种说法也有危险:你只是自己犯错,而不是让其他人帮你发现错误。开源的意义之一,是“阳光是最好的消毒剂”。Linus 也讲过类似的道理。你自己维护的软件依赖,可能要很久才发现问题,因为只有自己的用户能报告;但开源项目全球有十万用户,总有人能发现问题,你就更敢依赖它。

Mihail Eric

对。我不想走极端,也不想把你绕进“什么都交给供应商”的说法里。

Swyx

对,这个方向也有问题。

Mihail Eric

我确实认同其中一部分。不过这和我另一个想法有关:未来大多数、甚至所有开源仓库都会变成由智能体运行的软件工厂。那时候会发生什么?

Swyx

看看 Warp 就是个例子。他们既做 Monaco 编码智能体,也销售软件工厂产品,但他们自己也把开源的 Warp 终端当作软件工厂来运行。这说明人可能仍会参与,但参与程度会越来越低。也许不会像过去那样,每个人都逐个审查所有变更。这样会让代码库更安全还是更脆弱?很难说。我认识的一些开源项目从业者也还在找那个稳定点。

30 1:24:39 883 字

安全、依赖与权限(续)

Swyx

还有几个相关观点。安全的攻击面一直都很大。Vercel 的 Malta 提出过一个建议:把所有特别依赖 C、C++ 的软件改写成 Rust,速度更快、更安全,花费可能也不用六百万美元。

还有一个与“放缓前沿”有关的观点,来自模型实验室和开源社区:先慢下来,做 Daybreak、Glasswing 这类工作,确保大家都打好补丁,再让发展速度加快。这里似乎有个隐含信念:模型会解决所有安全问题。

Mihail Eric

但这还没有被证明。模型可能引入新的漏洞,只是换了一种漏洞。

Swyx

对。我其实很希望有人能反驳我:“你说错了,模型明显更擅长安全。”

Mihail Eric

如果把问题推到极限:我们是否相信模型会产出完美的软件?如果能产出完美软件,那一切就结束了,我们可以回家去海滩上休息一辈子。

Swyx

另一个问题是:模型发现漏洞是否足以让大家先打补丁,再推迟发布?还是说即使你给模型三个月测试,别人也可能再花六个月试图利用漏洞,问题仍然没解决?

Mihail Eric

对,完全可能。

Swyx

我的担忧是,如果你选出一百家重点机构,让它们使用一个新造的网络安全模型,就相当于给我提供一百个攻击目标。它们可能很容易被攻破。

Mihail Eric

对,这超出我们能判断的范围。

Swyx

现在聊安全特别有意思,也很热门。安全从业者也许很喜欢这波关注,因为他们通常没得到这么多关注。

Mihail Eric

这是真的吗?从创投角度看,我觉得大家一直很喜欢投资安全公司。

Swyx

Wiz 之类的公司发展得很好。

Mihail Eric

说 Wiz 和 Socket 吧。我两天前还和一位 VC 聊过,他觉得过去五年里成功的安全公司就这两家。

Swyx

那 Abnormal 呢?

Mihail Eric

我不确定从 VC 的角度算不算成功。

Swyx

我是从商业表现来说。

Mihail Eric

有意思。这不是我该下的结论。这个行业有很多优秀公司,但确实很难做。对任何安全公司来说,最好的销售时机往往是刚发生重大安全事件之后;大家自然会想买安全产品。

Swyx

是的。

Mihail Eric

我觉得大家应该了解基本的安全缓解措施。我认为代码扫描很重要,但我也想让大家记住,模型可能会引入人类不会写出的漏洞。如果你不检查这些漏洞,就会有问题。

Swyx

更大的问题甚至不只是它会不会出错,而是你对写出来的代码了解得更少。

Mihail Eric

没错。先不说漏洞,模型平均而言可能更少犯错;问题是你甚至不知道自己正在发布什么。

31 1:28:40 409 字

安全、依赖与权限(续)

Swyx

所以我们得想清楚怎么缓解风险,把安全评审纳入代码审查流程。我还想确认一个直觉:代码库各部分的重要性不一样。安全特别关键的部分,是数据存储、计费,还有认证和授权。把这些设为不可触碰的区域,其他部分就放手让智能体去做。

Mihail Eric

对,我完全同意。

Swyx

而且有趣的是,如果你分不清 authentication 和 authorization,就应该去学。如果你从没看过 AWS IAM,也该去了解。这些都是基本概念。掌握了术语,你才能准确地给智能体下指令;没有这些概念,你就不知道该怎么表达。

Mihail Eric

完全同意。我会把它扩展到云平台的一些基础知识。曾经有家公司因为一个 DNS 问题发生了很严重的事故,你还记得是哪家吗?

Swyx

DNS 事故太多了,得说具体点。

Mihail Eric

我知道,有一次特别出名……

Swyx

出名的 DNS 事故很多。

Mihail Eric

好吧,你把它们列出来。

Swyx

DNS 更多是可靠性、在线率问题。

Mihail Eric

对,安全事件更让人在意的是有没有损失资金、有没有泄露客户数据。DNS 的问题是服务在线率。

32 1:30:14 1,106 字信息密度高

后台智能体与 Stripe Minions

Swyx

SLA 之类的内容,还有后台智能体。你这一周的嘉宾不一定和主题完全对应,对吧?

Mihail Eric

对,第九周有些嘉宾是因为时间安排才放在那儿的。本来想让 Elad 在最后一周来,但时间没对上。第九周我可能不讲课,不过第十周会回到这些主题,所以安排有点错开。

第八周的嘉宾是 Rajesh,他在 Cloudflare 负责很多基础设施、开发者体验等工作。我之前就说过,他们在这方面做得很好。对于一家这么大、而且已经上市的公司来说,他们的采用速度很出色,相关内容也做得很好。

这一周讲的是异步后台智能体的各种用法。我会花不少时间讲 Stripe Minions、Spotify 的系统,以及 Ramp Inspect 等案例,看看后台智能体如何扩展到大规模。

Swyx

他们的名字是 Tag Instinct……Muse?

Mihail Eric

对。与面向消费者的产品相比,我更关注软件团队如何大规模使用这些东西。

Swyx

归根结底,它们底层都是编程智能体。

Mihail Eric

对,所有东西最后都是编程智能体。

Swyx

Grokbot 就很有意思,表面上像消费级产品,底层其实是 Cursor。

Mihail Eric

对,他们就是 Cursor 团队。

Swyx

我见过 Cursor 在后台运行,但以为它没有代码库集成。

Mihail Eric

有的。

Swyx

我没用过那部分。我主要用它订 OpenTable 的位子。

Mihail Eric

对,这就是他们想做的事:面向消费者时可以做普通任务,但如果你会用,也能调用底层更强大的能力,因为它实际是 Cursor。

Swyx

所有编程智能体大概都是这样。Claude Code、Claude Design、Codex 都是。你可能突然看到一个代码解释器窗口,只是随口问了个问题,但底层其实是编程智能体。

我自己在 Codex 里做 SEO 和 AEO。传统营销人员可能只是查查地址,但我会写各种脚本做复杂的事,还要存数据、可视化数据。只要有一项工作需要长期重复、有很多步骤或大量数据,很快就会发现需要代码库。

Mihail Eric

这个观点挺有意思。模型本身也喜欢构建代码库。

Swyx

不过那也可能只是暂时的。

Mihail Eric

我想说的可能更多是界面:Grokbot 会不会给高级用户一个入口,让他们能看到底层代码?还是直接跳到 Cursor?你是这个意思吗?

Swyx

正是如此。否则这就会蚕食 Cursor 的业务。如果 Grokbot 到头来就是 Cursor,那用户就不需要 Cursor 了。

Mihail Eric

但它们是同一个团队,所以目前他们不介意。底层就是 Grokbot。

Swyx

我接受这个解释。表面上看起来不太技术化的用例,底层也可能是用代码设计和实现的。问题只是,对开发者来说,代码是否仍然是唯一入口?

Mihail Eric

我觉得这不只是开发者。普通营销人员使用 Claude Code,或者直接用 Claude 应用时,也可能已经在一个自己完全不知道的代码库里工作。

33 1:34:15 2 字

后台智能体与 Stripe Minions(续)

Swyx

对。

34 1:34:18 882 字

MCP 门户与基础设施为何会融合

Swyx

很好。说到 AI 原生团队,我们刚聊了模型网关、今天刚发布的路由专题,也聊到 MCP 门户。MCP 门户是我最不看好的部分。

Mihail Eric

你是说你不看好 MCP?

Swyx

我看好 MCP。不是看好或看衰的问题,它现在已经是行业的一部分了。

Mihail Eric

大家前阵子还争论“MCP 回来了”还是“MCP 已死”,总喜欢走极端。

Swyx

MCP 门户这门生意还没被证明。我曾考虑过创业做一个,也提议过要研究这个方向,后来就失去兴趣了。我对很多事都容易失去兴趣。你们课程里讲什么?

Mihail Eric

这一周主要讨论如何把这些原则扩展到团队规模,是我和很多 AI 原生团队负责人交流后设计的。我认为,MCP 门户只有在公司达到一定规模后才有意思:你需要一个统一入口来做治理、安全审计和成本优化。我很好奇你觉得它未来会怎么样,或者会不会消失。如果你相信有一个开放路由器,或某种统一入口来连接各种系统并治理它们,那 MCP 门户也可能继续存在。

Swyx

我唯一想调整的是,这些功能最后会并入 LLM 网关。

Mihail Eric

所以它们会是同一个平台?

Swyx

这点我可以接受。再往下看,它还会和授权、计费等事情合并。极端情况下,所有基础设施都会收敛到同一类问题:中间有个“万能盒子”,两边连接各种系统。这个万能盒子似乎什么都能解决,但前提是你真正理解它的职责。

把 MCP 门户和模型网关分开,就说明你还没有完全接受它们属于同一层问题。数据库查询也是如此。有些人把过滤、排序、推荐拆开,但它们也许本来就是同一个问题。把这些能力放在一层里,可以让它们相互依赖、相互协作;分成不同层,就做不到。

Mihail Eric

我不反对。我觉得把这些概念拆开讲更像教学安排;底层架构确实可以是那个“万能盒子”:一个入口,另一侧连接第三方、内部和自有系统。

我有一条比较大胆的推文,叫 M×M 到 M+ 的架构。做基础设施的人得明白,自己的工作就是造“万能盒子”,然后再把它拆开。你的问题要么是没有一个好盒子,要么是不喜欢别人的盒子,所以要把它拆开、自己造一个。

Swyx

这说法很有意思,直到宇宙热寂都能这么讲。也可以说,做软件无非就是打包或拆包。关键是把真正应该放在一起的东西打包;随着时间推移,人们对哪些东西应该放在一起的看法也会变化。

35 1:38:18 740 字

MCP 门户与基础设施为何会融合(续)

Swyx

所以这也引出另一个问题:Monaco 是不是该做得更聚焦,还是应该什么都做?对你们服务的创业公司来说,你们是在把东西打包到一起;从 Salesforce 那里抢市场份额时,又是在把 Salesforce 拆开。

Mihail Eric

对,挺有意思。这也能推广到整个垂直 AI 领域,还有打包与拆分的变化。Craigslist 上原本放在一起的服务,后来有了 Airbnb、Tinder 等独立产品。

Swyx

今天我们刚发布了 OpenRouter 的专题。OpenRouter 很成功。很多人试图做网关,但没能像他们一样成功,因为 OpenRouter 只专注做网关。这就是一个反例:他们不认同路由层也应该负责运维。

Mihail Eric

因为 Arize 做运维、可观测性等,而 MCP 网关又是另一回事。

Swyx

对,他们只做模型路由。我很乐意被证明错,因为他们说自己就是一个单点产品,只把这件事做好;这既是工程上的专注,也是营销上的清晰定位。

Mihail Eric

我觉得“一站式解决所有问题”在理念上很合理,但企业实践里,虽然大家都把这些归为基础设施或平台,实际却由不同团队负责技术栈的不同部分。要把 MCP 门户和模型网关合并,得有人推动建立一个统一端点,让两边接到一起。这很难让所有人达成一致。

所以很多时候,问题不在软件设计,而在组织政治和人的协作上。

Swyx

这也符合康威定律:软件架构会反映组织架构。你最终会买到组织结构的映射。创业或做工具时,应该明确公司里谁最需要它;如果说“所有人都需要”,那就等于没有明确用户。

Mihail Eric

这个角度有意思。Latent Space 和 AI Engineer 也有意服务一类明确的软件工程师:真正关心 AI、愿意把它变成日常工作的人。我们就是为他们做内容。

Swyx

没错。我们会讲数据库、安全,也讲它们各自的 AI 角度。

Mihail Eric

嗯。确实有道理,后面再看看。

36 1:41:22 897 字

构建软件工厂

Mihail Eric

对。我还想提一个未来越来越重要的岗位:平台工程师。

Swyx

说说你的“业内往事”:如果你当年没有创业,你会想当平台工程师吗?

Mihail Eric

会。我想负责平台,因为平台工程师决定这些关键任务怎么做;应用层的人可以在平台上自由发挥。真正厉害的人会做平台。

Swyx

现在平台团队负责云、开发者体验、安全运维等所有关键部分。凡是可能让公司成败的东西,都在平台这边;产品团队则去调 CSS……我不是说我不尊重做产品的人。

Mihail Eric

现在挺有意思的,好像大家什么都能做。

Swyx

未来会怎样?

Mihail Eric

第九周和第十周会从大团队、编程智能体继续讲到软件工厂。我希望大家开始思考这样一种机器:一台机器负责制造另一台机器。人还会不会参与?今天看来,人的作用可能是确定意图、进行审查,或者检查系统本身。完全自动化的系统目前主要还卡在这两个环节——意图和审查。不过我猜,审查这个瓶颈会先被削弱。

我还希望学生亲自体验软件工厂。我们的开源合作伙伴 Warp 会提供一个运行中的工厂版本,学生可以直接为它做开发、贡献代码,让它持续运转。

Swyx

就是在我们的工厂里工作。

Mihail Eric

对,正是这样。学生在里面会发现一些有意思的东西,再把经验带回来。

Swyx

我不确定 Factory 本身是不是特别希望这么做,但感觉每个人都想建自己的工厂。

Mihail Eric

这是个好问题。他们当然有权销售自己的产品,但完整的软件工厂很难由一家厂商包办,系统复杂得很。

Swyx

请替我把所有决定都做了。

Mihail Eric

这确实很复杂。我还没深入研究他们怎么做 GTM,但我猜只能一点点卖进去,再扩展。就像我们说过的打包与拆包,不可能一上来就把整座工厂摆到 Ford 这样的客户桌上。他们可能会先提供编码智能体,再帮客户部署一些后台智能体、接手部分 SRE 工作;之后如果配置都用代码管理,就可以再把它们整合起来。

OpenAI 有篇很有意思的博客,讲了 Ryan 团队花五个月做出一套内部工具,完全没有手写代码,称为“harness engineering”。他们经历了初期进展缓慢、随后卸载任务并做同行评审的过程。这是软件工厂的一种设想:让智能体尽可能负责编写代码,并思考怎样做好。

Mihail Eric

我认为这种模式肯定会出现。至于怎样销售这种东西,是另一个有意思的问题;但从理念上说,这会是未来的一种形态。

37 1:45:22 13 字

构建软件工厂(续)

Mihail Eric

对,这会是未来的一种形态。

38 1:45:24 931 字

开发者还要做什么?

Mihail Eric

除了软件工厂,我们还会谈开发者这个角色未来会变成什么样。大家会说品味、对系统和架构的理解,还有软件品味。我想更深入一点,试着回答这个问题。

Swyx

这是你对 AI 软件工程下一步发展的看法吗?

Mihail Eric

软件工厂是战术层面的做法,但还有一个更大的问题:如果工厂全速运转、传送带不断产出代码,开发者的角色会如何演变?几周前,我和你、Dex、Jerry 在晚餐时谈过工厂。有个观点我很认同:抽象层级会不断提高,但仍需要有人——哪怕是公司的 CEO——理解系统的组成部分,从而判断方向、纠正偏差、设定指标。这个道理也适用于负责技术的人。有人称之为“智能体经理”,名字可能很时髦,但本质是理解产品需求和技术约束、贯通整个流程并做判断的人。

Swyx

刚才坐在你这把椅子上的,是 Anthropic 的产品负责人和平台工程负责人。我问他们,什么时候两个岗位会合并。他们说“还没到时候”。既然 Anthropic 都还没到那一步,你也不必觉得马上就会发生。

Mihail Eric

好,好。那他们说还要多久吗?还是只说“还没到时候”?

Swyx

只说还没到,但谁知道呢?我感觉他们已经有不少工作交叉:我在做她的事,她也在做我的事。

对学生来说,这也很重要。你说很多学生还是大二本科生,他们还有两三年可以规划未来。

Mihail Eric

我想得比较多的是工作循环的变化。以前你写提示词;后来你不再直接写提示词,而是写能生成提示词的提示词。

Swyx

然后继续往更高一层递归。

Mihail Eric

对。这种递归、同心圆式的过程,既向外扩展,也向内深入,最终会构成软件工厂。你会逐步建设工厂,而不是一开始就从最顶层的目标往下拆。但将来大家也许会反过来,从“我的目标是什么”出发,再推导整个系统。现在这样做会产生很多 slop,不应该这么做;但总有一天可能会成为常态。

Swyx

那我想问的是,人最终存在是为了什么?今天工程师的衡量指标可能是 PR 合并率、贡献率。两年后再看这个指标就很荒谬了。那人主要负责什么?

Mihail Eric

我不知道。

Swyx

很多人马上就会说“赚钱”。

Mihail Eric

大家太快想到钱了。应该是在 PR 和钱之间的某种东西。

Swyx

比如客户满意度、功能的 CSAT 分数?

Mihail Eric

那更像是产品决策,不完全是代码决策。

Swyx

但如果工程师逐渐变成产品工程师、PM 工程师那样的混合角色,这也是一种答案。今天我会建议学生多花时间理解完整系统,而不只是工程拼图中的某一个部分。

39 1:49:26 725 字信息密度高

开发者还要做什么?(续)

Mihail Eric

理解整个系统怎样串起来。这在实际中也会体现在学生的毕业项目上。我给他们的项目灵感有时会来自 YC 的创业公司需求清单。我会说:“去创办一家公司,做点有意思的东西。”

Swyx

去年学生都做了什么?

Mihail Eric

做的东西很多。有一位学生来自工程学院,做了一个转换工具:解析包含 C 语言内存地址的手册,再把内容转成可以解释和可视化的代码,完全是针对他自己的领域需求。

还有一位设计师现在去了 Vercel。她做的东西是:拍一张设计笔记本的照片,就根据草图生成一个应用。她现场演示时,随便拍了几笔涂鸦,最后生成了一个完整的 Vercel 应用。我觉得她可能也因此去 Vercel 做相关工作。

Swyx

很不错。Vercel 对设计工程师的要求很高。

Mihail Eric

是的,我记得她现在可能在做 Eve。

Swyx

Eve 是你们的开源合作伙伴之一;他们让学生用 Eve 来构建项目。

Mihail Eric

对。这就是“元 harness”:harness 的 harness。你总能再往下一层。模型路由器会包装模型 API;如果你要在不同 harness 之间切换,也需要把 harness 包装起来。

Swyx

同意。但学生也应该脚踏实地。前沿变化很快,可很多公司还只是用一次模型调用跑生产,或者刚开始给员工发 Cursor 许可。这样的公司比硅谷里的人想象的多得多。

品味很重要,多尝试。无论是每家公司自己做软件工厂,还是做帮助别人建工厂的工具,只要持续关注、亲自用这些工具、不断尝试,就会慢慢找到答案。

Mihail Eric

我完全同意。确实有很多公司还停留在 ChatGPT 提示聊天的阶段,或者刚拿到 Cursor 许可、开始给员工部署。这样的公司比硅谷里想象的多得多。学生能接触前沿工具,知道它们怎么用,等他们加入还没跟上前沿的公司时,就能成为更有意思、更有价值的贡献者。

40 1:52:16 711 字

从个人采用到团队自主

Swyx

Steve Yegge 把这个过程称作“精神错乱”的几个阶段。他写了 Gas Town,后来还有 Gas City。Gas Town 最重要的成果大概就是造出了 Gas Town。你可以把它看成是在交付产品和承担责任,还是在玩 LLM。这个系统确实很复杂,也可能超前于时代;但他的营销和宣言也推动了大家采用它。他列出的阶段大方向是对的:先成为 ID 用户,再成为重度用户,然后使用多智能体,最后构建编排器。不过现在也许已经过时了,软件工厂还要更进一步。

我现在的雇主不想雇没有“经历过精神错乱并走出来”的人。我们付钱让员工经历这段过程,给他们薪水和 token;如果他们最后没有交付产品,反馈也传不到他们那里。所以我觉得学生应该经历这一过程,再带着自我认知回来。Steve 把自己的两年历程公开写了出来。

Mihail Eric

学生可能会用 Notion 图表、个人系统和各种优化,让自己觉得很高效,但最后什么都没交付。

Boris 提出的团队采用模型分成五个阶段:受控、辅助、并行、受监督的自主,以及 AI 原生。每个阶段从零开始编号,所以是五级。

Swyx

我得再仔细读读。动态工作流也是如此:它们是一种子代理模式,你可以按需写一个 harness。

Mihail Eric

与其复制父代理,不如多写一些代码,把它作为子代理运行。Anthropic 把这种方式叫作“动态工作流”。我们在 Monaco 也做了一个版本,可以按需创建 harness,用于 GTM 等场景。

Swyx

Boris 的模型讲的是团队采用,Anthropic 在尝试到达第四阶段,而他们现在的工作是团队 AI 采用。它和 Steve Yegge 讲的个人采用阶梯不是一回事。这个内容应该教给大家,它把整个问题总结得很好。

41 1:56:16 570 字

学生、开源项目与工程写作

Mihail Eric

这次聊得很开心。课程筹备了九个月,现在才到第一周结束,还有很多东西要做、要学。我很期待看到接下来会发生什么,尤其是和开源合作伙伴一起,让学生深入复杂代码库、真正动手构建东西。我会继续向大家更新进展。

Swyx

明年你们还会再办一届。你需要给学生提供额度;开源社区的人想参与,也可以联系你。

Mihail Eric

当然。

Swyx

额度真的重要。学生会想要吗?还是说他们不想花钱?

Mihail Eric

我们可以给他们一定数量的额度,也可以再提供资助或额外额度。

Swyx

如果他们想放手做实验呢?你可以安排一次性的实验,让他们把规模扩展到一千多个代理。

Mihail Eric

对,这来自 Factory。

Swyx

这种人很有价值。比如 Cursor 的 Wilson,他说自己要写一个浏览器。这种有雄心、又能执行的人非常值得招聘。

Mihail Eric

是的,学生应该学会有雄心。恕我直言,在今天,把照片变成应用已经不算有多大雄心;写一个浏览器才算,而且这样的项目其实还有很多。

Swyx

这也是把整体门槛抬高。去年还要感谢上一届学生,但今年我们显然会期待更多,这正是能力水平在不断提升。去年课程还在教什么是提示、怎么做少样本提示;我不觉得现在大家还会特别关注这些。

我给学生一个第 11 周的额外建议:做基准,做评估。这能让你敲开每一家前沿实验室和顶尖智能体实验室的大门。写一篇有严谨性、讨论有意思问题的工程博客文章,也会有很大帮助。

Mihail Eric

好的工程博客文章要有严谨性。这里有不少基准和容易着手的题目。

42 2:00:18 89 字

深入一个问题,也能创造生意

Swyx

工程文章写得好,往往是因为你深入研究了一件事。

Mihail Eric

这不只是打开职业机会,也能赚钱、创办公司。

Swyx

SWE-bench 最初也是一个本科生项目。

Mihail Eric

对,是在普林斯顿做的。

Swyx

太棒了。今天就聊到这里。