Thinking

SLOP预警/DISCLAIMER 这篇文章主旨和论据均由人类古法提供，但论述细节大量由AI填充 前言 这两年大家都在聊 AI，聊 LLM，聊 Coding Agent，聊失业，聊焦虑，聊“以后是不是人人都能写软件”。 我自己的答案是：也许还没到“人人都能把软件写好”的程度，但至少已经到了“很多人都可以把自己要的东西做出来”的程度。 这件事在我看来，比什么“十倍程序员”更重要。 因为它指向的不是单纯的效率提升，而是一种更朴素、也更稀缺的东西：数字平权。 不是每个人都要去创业，不是每个人都要做 SaaS，不是每个人都要把自己活成 Product Hunt 上的独立开发者。我的意思更简单一点： 你终于有机会，不再只能吃厂商喂给你的屎了。 门槛确实在下降 先把话说在前面：我不是在吹什么“AI 已经替代程序员”这种鬼话。 软件工程当然不只是写几行代码。需求、架构、测试、性能、安全、维护、演进，这些东西一个都没消失。尤其是在那种纯许愿式的 Vibe Coding 里，AI 写出来的东西很多时候也就是“能跑”，离“靠谱”还很远。当然，如果你自己知道自己在做什么，把它当成助手而不是许愿池，情况就另说了。“软件质量”这笔账，暂时先按下不表。 但即便如此，一个事实还是很明显： 基础开发的门槛，真的在下降。 以前很多人脑子里有个想法，最后都死在第一步： 我不会写代码 我不会做前端 我不会打包 我不会调 API 我不会搞 Android / iOS 算了，麻烦死了 现在不一样了。你可以不会，但你可以一边问 LLM 一边做。报错了贴给它，UI 丑了让它改，数据结构不懂让它解释，哪怕最后代码一团乱麻，至少那个东西有机会先长出来。 这件事非常重要。 因为“能不能先做出来”本身，就是一道很高的门槛。现在这道门槛被削平了很多。一个普通人，一个没有系统学过计算机的人，一个只是“我就想做个自己能用的小玩意”的人，也终于有了入场券。 是的，做出来的东西可能不优雅，可能有 bug，可能丑，可能非常不工程化。 但它是你的。 而且它第一次让很多人意识到：原来软件不是天上掉下来的，不是只能被大公司、平台、应用商店、产品经理和广告系统垄断定义的东西。 我们真正需要的功能，可能没那么多 现在很多 App 根本不是“软件”，而是某种注意力收割器套了个工具壳。 最离谱的是，很多纯工具软件也开始这样。 前段时间我打开用了很久的欧路词典，结果发现默认界面里居然开始塞短视频了。那一刻我的第一反应不是愤怒，甚至都不是惊讶，而是失望。 因为这种事已经太常见了，甚至欧路已经做得非常克制，它还提供了比较直接的设置可以调整展示顺序以及是否展示。 但也正因为太常见了，一个本来该老老实实做工具的软件也开始往这个方向滑，才更让人难受。你明明只是想查个词，结果它想要的是你的停留时长、你的注意力、你的点击、你的路径数据、你的习惯，最好再顺手把你的大脑一起格式化成一个适合被推荐流驯化的形状。 这就是现在很多软件的基本逻辑： 功能当然要有，但不是第一位 第一位是留存 第二位是转化 第三位是广告位 你的需求？放后面再说 所以软件越来越臃肿，越来越吵，越来越像商场门口、路边推销的、Tony老师那些不厌其烦拦着你办卡的人。 618 期间这种感觉尤其明显。很多 App 只要你切出去几秒再切回来，哪怕根本没有退出，它也得重新给你弹一遍开屏广告。简直像在提醒你：别忘了，你不是用户，你是流量。 更搞笑的是，同样的 App，外区下载的版本居然往往干净得多。 ...

简介 从头到尾过了一遍OpenClaw作者的访谈(https://www.youtube.com/watch?v=8lF7HmQ_RgY)，其实有很多点感觉都还挺有意思的，用个AI工具能把大纲都总结出来，我就不重复工作了。实际上我觉得前面一段讲述个人经历，以及体现出的一些对人生和社会的理解，也蛮值得品味品味的，不过还是把重点放在「生产力」上，谈谈我对Peter如果使用AI实现爆炸性生产力提升（一天能提600个commits）的理解，篇幅应该不会太长，可能会有从「道」到 「术」的理解递进。当然这个访谈里也有很多Peter其他观点以及这个项目本身的愿景，这些我们持保留意见，暂时不做讨论。 人的主观能力性 其实我觉得这个才是最重要的 愿意思考 保持好奇心和热情 持续学习 不怕犯错 … 有这些属性的人才有可能对真正提升生产力有追求，不然我们再怎么追求「工具」、「方法论」、「最佳实践」都是没有用的。 因为世界在不断变化，我们面临的问题也在不断变化，这个世界唯一不变的就是变化，只追求表面上的东西很可能演化成巨大的流程或技术债务，让大量生产力浪费在没有意义的事情上。 聚集有共同理想的人，并创造利于培养/保持这些品格的人的环境，其实可能在组织/公司上，可能才是最重要的。 道：开发模式的转变 最重要的，Peter认为开发模式应该有一个转变，从传统手写，到Agentic Engineering，我理解为基于Agent的整套工作流，而不只是编码本身。 如果只说编码，实际上我们平时做的大量工作是「缝合代码」，用他的话来说，是「Plumbing Code」，这部分工作其实大量是纯粹的苦活，完全可以由AI来搞定。 但目前的LLM，最大的问题就是它们是概率模型，对输出的结果的「正确性」无法保证，那么我们怎么提升Agent的协作与生成效果，减少频繁的返工和堆屎山呢？他说他最大的技巧在Close the Loop，即「闭环原则」上。 代码场景之所以现在比较火，是因为这个场景更容易构建compile-lint-execute-verify这一整套闭环，让AI自己在实现一些功能后，自我验证、发现错误、迭代修改，不断循环，直到事情完成。 普通小白当然感受不到这个，但他们其实可以通过现在的AI工具了解这些东西，取决于人是否愿意思考、愿意学习，门槛真的没有那么高，可惜自媒体们忙于夸大事实和割韭菜，并不会说这个。 在这个基础上，他建议我们改变一些思维方式，从一个代码的编写者，转变成为架构和系统的思考者（但用他的话来说，他更愿意用Builder这个词而不是Architect）。 所谓的不review代码，并不是真的一点都不看，而是不一行行看代码的具体实现逻辑，把正确性的保障尽可能交给「闭环」。 而我们作为Builder，应该更认真去思考架构，如何设计测试，如何指导AI让他们生成合理的测试，如何对工具层下指令等等等等。 这些是真正的Skill Issue，在以前人主力编码的时代也是存在的，只是Manager和所谓的架构师们根本不care，出问题了就让干活的人背锅。 现在生成式AI的大发展给当前的生产关系带来了冲击，这些问题会被摆到明面上，以更深刻的代价来冲击组织架构、交付方式等等。我们需要让自己能够「放手」，让方向/架构本身不出现问题，而不是纠结于一些细枝末节。 而问「对的问题」的能力，是需要人的主观能动性的。 不断学习，实际上和LLM/Agent不断对话的过程，也是一个学习的过程。我们会在学习过程中不断修正自己对系统的理解，大模型也是一样的。 这也是他认为所谓的spec driven可能行不通的原因，它就像是人类软件工程以前的「瀑布模型」。用他的话来说： “How can you even know what you want to build before you built it? You learn so much in the proess of building it that will go back into your thinking of how the system actually will end up being. ...

许多水平很高的人，都对AI Coding抱有更客观的态度 像Geogre在他的这篇博客上提出了和tsoding在X上发的 一篇推文发表了类似的观点，即LLM只是更差的编译器而已，而自然语言（这里主要是English）是非常差的「编程语言」，所以他们不看好， 但这并不代表他们完全不看好AI的发展。反而是有些日常只做着平庸工作（不等于不挣钱）的人，只会重复纺织机与旧纺织工人的故事， 嘲笑别人不会使用「先进工具」 I’m not against AI at all, I’m pro recognizing its strengths and limitations as a tool, and once you do that, if it makes sense for your workflow by all means use it. I also think AI will continue to improve at a careful and steady pace. What I’m against is hype. 这篇文章本身不长，也没有用很多高科技词汇（刻意为之的），并不难理解，推荐去读一下，随便摘录几句我觉得值得思考的 In my old age I’ve mostly given up trying to convince anyone of anything. Most people do not care to find the truth, they care about what pumps their bags. Some people go as far as to believe that perception is reality and that truth is a construction. I hope there’s a special place in hell for those people. ...

A talk from TED. “Humans over ideology”, please. We are in “grey areas”, not black OR white.