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