EP81 · Fadell 访谈、Codex 零行人工代码、Agent 范式解析 · 06-08 早报-ginobefun

EP81 · Fadell 访谈、Codex 零行人工代码、Agent 范式解析 · 06-08 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

本字幕由TME AI技术生成

Ai 工具已经全面渗透软件工程的每一个环节

但真正的挑战从未只是让工具跑起来那么简单

今天我们聚焦三个维度

第一

Ipod 与iphone 之父tony fadell 以亲身造物经历追问创造力与判断力的根基

警告我们不要对工具产生认知投降

第二

Open ai 工程团队以codex 完成了一场零行人工代码的完整图验

那效率与角色转变变得可量化

第三

Thoughtworks 全球ai 辅助交付负责人从架构视角厘清context engineering subagents 与harness 工程总结过去一年coding agent 范式转移的完整图谱

三个视角合在一起指向同一个根本

追问

当速度成为行业默认值

我们真正可持续的控制力究竟在哪里

第一条金奖来自linuis podcast 对tony fedel 的深度访谈

Tony fidel 是ipod 与iphone 的缔造者

后来创办nest

把智能温控器做成了一个改变家居行业的产品品类

这次对话聚焦于一个根本性问题

在ai 时代

创造力与判断力究竟从哪里来

他从iphone 早期的一场内部争论讲起

但是市场被黑莓统治

苹果团队就实体键盘还是全触屏争论了几个月

早期触屏反应迟缓

多点触控还没有缩小到手持设备的规模

用户调研数据模糊不清

这正是数据驱动决策的典型盲区

做真正的创新产品时

没有历史先例可以参照

消费者研究只能反馈他们已经熟悉的东西

最终乔布斯拍板

Iphone 全面放弃实体按键

转向触屏

他对团队的表达很直接

不认同的人可以去做别的项目

Tony fadell 把这种决策能力称为知情直觉

区别于凭控的主观判断

知情直觉建立在大量原型迭代

持续向专家求教

以及对规格文档近乎苛刻的打磨之上

不是天赋

是积累

Nest 的智能节控器也体现了同样的逻辑

瞄准管理复杂用电账单的痛点

把预测性算法包裹在高质量设计外壳里

让他能在几年内通过节省电费收回成本

技术是手段

对用户处境的深刻理解才是真正打动人的东西

在公司成长节奏上

他提出了三代法则

第一代

把产品做出来

参照其用户手中

第二代

根据反馈修复问题

第三代

优化成本

扩展分销

打通规模化路径

Ipod 走的正是这条路

前两代只面向mac 用户

覆盖不足全体电脑买家的百分之一

直到第三代引入windows 兼容

并建立起itunes 音乐商店的生态

才真正实现全球规模

面对ai 时代

Tony fadell 提出了一个严肃警告

不要对工具产生认知投降

当系统可以快速生成代码

当些开发者开始放弃对架构和约束的深层思考

让生成的东西直接上线

它把这种倾向比做快时尚软件

低成本

一次性用一段时间之后不堪一击

他曾看到某个ai 系统的核心代码泄露

那些主循环脆弱的让传统架构师瞠目

工程师需要明确指定代码边界

设计长期架构

对此系统保持严格控制

Ai 可以提速

但人的判断力必须始终在场

这个判断力才是今天第二条精讲要进一步拆解的东西

当一只团队真正做到零行人工编码

工程师的角色究竟发生了什么

第二条精讲来自open ai 工程团队发布的实验报告

题目叫驾驭工程

他们做了一件听起来很极端的事

过去五个月

全程零形员工编写代码

完整交付了一个内部产品

所有应用逻辑测试

持续集成

配置文档和可观测性工具全部由codex 完成

最终积累了大约一百万行代码

合并了大约一千五百个pr

三名工程师平均每人每天完成三点五个pr

整体效率约为手工编码的十倍

更令人意外的是

团队扩展到七人后

吞吐量不降反升

这场实验揭示的是工程师角色的根本转变

从写代码变成了设计环境

指定意图

构建反馈循环

实验从一个空仓库起步

二零二五年八月底完成第一个提交

连agents dmd 文件本身也是由codex 生成的

早期进展比预期慢

不是因为codex 能力不足

而是环境定义的不够充分

而当任务失败

解法几乎从来不是再试一次

而是先问缺少什么能力

怎么把它定义清楚

让agenx 能够执行

在知识库管理上他们走过弯路

最初维护一个巨大的指令文件

结果暴露出三个问题

上下文是稀缺资源

庞大的指令文件挤掉任务本身

当所有内容都标注重要

等于什么都不重要

维护成本极高

文件迅速变成过时规则的坟场

最终解法是把agenstar md 当做目录而非百科全书

一个约一百行的短文件作为地图

指往各类有序组织的文档

为了让agents 在自主验证工作

他们做了大量基础设施投入

让应用可以在每个git 工作去独立启动

把浏览器开发者工具协议接入agent 运行时

让他能直接与页面截图和导航交互

把日志指标和追踪接入本地可观测信站

Agent 可以用查询语言直接分析运行状态

他们观察到

单次codex 运行可以在一个任务上持续工作超过六个小时

往往是工程师在睡觉的时候

架构约束是另一个核心发现

他们通过强制不变量而不是微管理实现方式来保持代码库健康

每个业务域分成固定层次结构依赖方向受严严格校验约束

通过自定义代码检查工具机械执行

这种架构严格度在人力主导团队里往往推迟到规模很大才引入

在agent 优先的工作流里却是早期前提

否则速度本身不可持续

他们还建立了一种自动垃圾回收机制

Agent 生成的代码库会随时间漂移

倾向于复制仓库里已有的模式

包括不够好的模式

早期他们每周五用二成的时间手动清理

这无法持续

于是他们把清理原则编码成黄金规则

让周期性的后台任务持续扫描循环发起专项重构

Pr 大部分可以在一分钟内自动合并

他们最终的结论很清晰

构建软件仍然需要纪律

只是这种纪律体现在脚手架上

而不是代码本身

设计

环境构建

反馈循环发起变成工程最核心的工作

第三条精讲来自info q 整理了一篇q 抗纽约战演讲

主讲人是thought works 全球ai 辅助软件交付负责人

而去年在同一个舞台讲的题目叫从自动补全到agent

这次带着过去十二个月的完整观察回来

系统梳理了整个行业真正发生了什么

他从context engineering 的演进讲起

这个概念大约去年六月才开始在社区流传

最简单的定义是精心筛选模型或agent 能看到的信息

以获得更好的结果

一年前

他基本等于在工作区放一个规则文件

今天已经扩展到命令

Skills

Sub agents

插件和speak 文档等一整套体系

其中他重点解释了skills

Skills 是anthropic 推出的新概念

核心做三件事

把规则模块化

不再塞进一个大文件

让这些模块由大模型按需计时加载

避免绘画一开始就称报上下文窗口

而且skills 不只是文档

还可以包含脚本

让agents 直接执行

这种思路让很多原本用mcp 实现的场景开始向更简单的本地脚本向向迁移

他指出

Tetext engineing 本质是一个双向放大器

其中它工程实践会被放大

坏的结构问题同样会被放大

这要求团队在决定agagent 为什之之前

认真想清清楚前想放大哪些规范

Subagent 是他认为另一个被低估的进展

所谓agent

可以派身子agent 去专门研究代码库解构

把把大量文件读取筛选工作隔离在单独的上下文里

只把结果汇报回来

你也可以创建专门的代码审查agent

用一个没有历史上下文污染的独立窗口来review

甚至用不同的模型扮演不同角具

在成本问题上

他给出了一组很有冲击力的数字

二零二四年初

有人在行业演讲里说

生成一百行代码只要大约十二美分

今天已经是另一个量级了

它展示了二零二五年夏天的数据

由用户平均每天在ai 工具上花费大约三百八十美元

折算下来年成本接近九万美界

在一些国家已经超过一个资深开发者的年薪

它最核心的落脚点在harness engineering 这个概念

所谓harness

是围绕agent 建立的整套确定性框架

包括上游的规则

代码规范

参考文档

也包括下游的静态分析

自定义代码检查工具和结构性测试

它有一个关键洞察

那些原本为人类设计的架构检查和依赖分析工具

在人力主导开发的时代往往是可选项

因为开发者自己能理解模块边界

在agent 优先的时代

这些工具突然变得至关重察

因为他们成了agent 的反馈系统

更进一步

这些工具的错误信息可以被赋予语义

不只是报告规则违反

而是附上解释说明这通常意味着什么样的设计问题

这等于一种正向上下文注入

让agent 理解规则背后的意图

而不是机械规避

它最后提出了一个更大的愿景

也许未来我们不再从传统服务模板起步

而是从一个harness 模板开始

实例化之后就能支撑整个代码库

那时候技术选型的决策维度可能不再是react 还是view

而是有没有现成的harness

让你不必从头搭建所有约束和反馈系统

今天的快读带大家快速过一遍七条值得关注的内容

第四条来自对田园洞的再次对话

以及背景中大家估值四十六点五亿美金的rsi 公司

田园洞是深度强化学习领域的重要研究者

这次访谈聚焦于ai 自净化的议题

当传统深度学习的训练数据逐渐触达天花板

下一阶段的突破会从哪里来

Rsi 专注于让ai 系统在部署后继续自我改进

这种自进化路径正在吸引越来越多的资本关注

第五条是一家叫起点凌志的公司在做少儿ai 硬件的下一代产品

这边对话揭示了一个方向

面向儿童的ai 硬件核心不是把聊天机器人装进玩具

而是打造能够在使用过程中持续进化

自我适应的实体智能体

就以今天金奖励tony father 的观点有一个有趣的呼应

真正有价值的硬件是解决真实痛点的系统工程

而不是功能堆砌

第六条是对ai 教父新顿的完整版最新对话

新顿多次公开表态

认为超级智能正在快速逼近

这次访谈提供了完整视频版本

包含他对ai 风险和人类能动性的最新思考

值得有时间的听众系统听一遍

第七条是一篇聚焦职场领导力的文章

主题是如何让反馈真正被听见

文章的核心是情商在职场沟通中的作用

尤其是反馈这个环节

在ai 工具越来越多的介入工作流程的今天

人与人之间的有效沟通反而变得更加关键

因为工作的核心判断仍然在人这里

第八条

关于thpt 即将迎来史上最大改版

外部报道形容

这次改版意味着ai 只用来聊天的时代结束了

从各方信息来看

Open ai 正在将切ir gpt 从对话工具向超级应用方向改造

集成更多主动执行能力

而不只是回答问题

第九条讨论了ai 智能体之间为什么难以协作

以及市场经济的思路能否提供答案

文章的核心洞见是

当多个agent 需要协调时

价格搭建这类市场机制可能比复杂的协议设计更有效

因为他不需要agent 的共享内部状态

只需要对外部激励做出响应

这是agent 编排领域一个比较新颖的思考角度

第十条是ansorpi 公开开了一批内部skills 的实践经验

今天经讲里提到ssls 概念念n sr py 自身的工程团队已经积累了大量落地经验

这篇文章整理了他们在构建和维护skills 时的关键发现

对正在搭建ai 辅助工作流的团队来现

是一份有参考价值的一手资料

补充阅读有六条共有兴趣的听众深入了解

微软ceo 纳德拉最新发表了对ai 革命的看法

他提出了从token 资本到人类能动性的视角

探讨在ai 大规模渗透之后

人类的主动性和判断力如何重新找到自己的位置

Chat gpt 的大改版报道有一篇更详细的版本

介绍了他从聊天工具向超级应用转变的具体方向与快读

第八条可以配合阅读

二零二六年世界杯草皮背后的科学是一篇跨界文章

讨论体育场地科学在高规格赛事中的精密程度

适合对技术应用于传统领域感兴趣的听众

Space x 与谷歌ai 基础设施交易的深度剖析

分析的这笔合作背后的战略逻辑设计

算力资源分配

云基础设施布局与商业航天的交叉点

Nso ropicc 公开报告的深度解读

聚焦ai 自我递归改进的三种可能路径

是理解超级智能讨论背景的一份技术层面参考

最后一篇是一个关于cloud code 的绘画的侦探式案例分析

作者以幽默的方式拆解了一次ai 编程助手绘画的完整轨迹

读来轻松

也有一些值得思考的细节

今天三条精讲从不同角度指向了同一个核心张力

Ai 工具正在以惊人的速度提升效率

但创造力

判断力与架构纪律不会因此可选

Tony 发day 说说不认知投投open en en i 团队说纪律体现在脚脚架而不是代码

Softwks 演讲者说harness 才是建立信任的方式

三者说的其实是同一件事

速度之外

控制力同样是核心竞争力

感谢收听best blocks 今日早报

如果你想每天收到一份适合自己口味的精选内测

可以试一下best blocks pro 早鸟内测

关注你感兴趣的来源

配置兴趣标测

每天收到一份属于自己的早报

关注best blocks 公众号

或在小宇宙搜索best blocks

不错过每一期内容

Best blocks 发现真正适合你的高质量内容

展开显示全部歌词