主题 先锋 趋势 方法 作者
返回

[百万 AI 工程师特别篇] 斯坦福如何教授 AI 原生工程——Mihail Eric,Monaco

·Latent Space

正在生成长图…

本篇主题 AI对就业替代与劳动力冲击 代码智能体与软件工程演进 AI垂直领域应用创业策略 专有小模型与通用大模型 AI推理网关与智能路由
本篇先锋 Mihail Eric

摘要

  • AI 原生招聘正在把入门门槛抬向资深工程师的判断力。 Mihail Eric 告诉斯坦福学生:“每家公司都需要你,但门槛高得多了。”实现工作正越来越多地交给智能体,架构设计、系统权衡和理解力则仍然值钱。他的应对办法是让学生通过真实的开源贡献接受学徒式训练:维护者教会他们判断力,而智能体光靠生成代码给不了这些。
  • 代码生成提速后,验证能力和意图的持续维护成了瓶颈。 当每天有“30多条 PR”时,传统审查会让人类成为吞吐量上限,但不加甄别地合并又背离了工程的意义。Eric 支持以可验证性为基础,有选择地自动批准;主持人则追问一个尚无答案的问题:如何让一项功能积累下来的要求,贯穿许多单看都合理的改动。
  • 简单的智能体循环很容易复现;让它在大型代码库里可靠工作则难得多。 Eric 用200行代码讲清一套实用的编码 harness,再通过拦截请求展示生产环境中的提示词。真正难的是实现前先做研究、在多个智能体间分配上下文,以及随着能力沉淀进模型权重而删减指令——同时不能让自动化取代理解。
  • Monaco 的差异化不只在智能体 harness,也在分销、数据增值和销售专长。 这家 B 轮公司瞄准尚未深度绑定 Salesforce 的种子轮至 A 轮客户,希望伴随客户一同成长。Eric 介绍了其经过增值处理、涵盖公司、客户账户和联系人的“世界数据库”。主持人用销售副总裁跳槽说明买家时机;Eric 谈的是如何找到合适的买家与时机,并未表示 Monaco 依赖这一具体信号。
  • 垂直智能体公司可以先赢得用户,再补齐模型经济性。 Monaco 初期用前沿模型探索能力边界,如今正研究开放权重模型、后训练和 RL 环境,以降低成本、提升速度。其工程原则是“买来学习,自己建来留用”;不过,Devin 在公司内部自然获得采用,也说明好用的外部产品可以持续占据一席之地。
  • 安全自动化在发现漏洞与理解实际发布内容之间留下了缺口。 依赖项之争有两面:重建组件能减少外部暴露,却会把尚未发现的错误集中到私有代码里。主持人质疑“模型变强就能解决安全问题”的假设,强调敏感数据、计费、认证、授权,以及代码生成速度超过审查后带来的认知缺失。
  • 网关整合在架构上说得通,但买家仍可能保留单点解决方案。 Eric 认同 MCP 门户和 LLM 网关处理的是相互重叠的治理问题;Swyx 用 OpenRouter 的成功反驳了自己偏好的捆绑思路:专注模型路由也能做成生意。“你买的是你的组织架构”——企业内部的归属和采购边界,可能比统一平台的吸引力更有决定性。
  • 软件工厂必须靠产品证明价值,而不是靠编排本身制造动静。 对话将人类仍需掌握的控制权概括为“意图”和“审查”,主持人则批评那些主要产出更多自用基础设施的系统。他们建议学生提高目标,尝试构建浏览器这样的项目,或扎实做好基准测试和评测;复杂的智能体活动本身并不是进步的可靠衡量标准。

精读

1. 初级工程师的门槛正在向资深判断力靠拢

  • Eric 在2024年11月左右构思了斯坦福 CS 146S《现代软件开发者》课程,之后花了大约9到10个月设计课程方案和教学内容。课程于2025年秋季首次开设,当时还在“Opus 4.5、4.6 days”之前。第二版课程反映出自主编码智能体自首轮开课以来对工作方式带来的巨大变化。

  • 第一版课程覆盖软件开发生命周期中的智能体应用:规格制定、实现、审查和 SRE。新一版更强调 Eric 认为更具长期价值的原则,尤其是上下文工程、架构,以及在生产代码库中工作。他把教学和实践结合起来:既在斯坦福授课,也担任 Monaco 的 AI 负责人;客座讲师则带来超出他自身经验的前沿实践。

  • 这门课明确不是编程入门课,也不是计算机科学的替代品。算法等基础课程是先修要求。Eric 希望学生先理解系统如何运作、其中有哪些权衡,再把更多实现细节交给智能体。他对就业前景的判断乐观,但要求也更高:“每家公司都需要你,但门槛高得多了。”

  • Eric 认为,初级工程师不能再默认达到 Google L3 水平就够了;学生应当向接近资深工程师的能力靠拢。Swyx 故意用挑衅性的说法概括这一分化:大多数学生“没戏了”,但少数人会变得极其抢手。主持人也承认,斯坦福学生的就业前景并不能说明更广泛劳动力市场会发生什么。

2. 开源维护者成为缺失的学徒制

  • 去年的课程由9个作业和一个开放式毕业项目组成。Eric 举的例子是给学生一个代码库,让他们使用 AI 审查工具,再评估工具的输出。这类练习很快变得太容易,学生可能“一次提示就做完”。Eric 在课堂上非正式调查发现,所有人都在用编码智能体;他说,现在基本没人手写代码了。

  • 新课程把学生直接带进大型开源项目,包括编码智能体及服务智能体的工具。贡献代码成了课程作业,而非可选的课外活动。关键变化是让学生面对已有系统和真实约束:他们必须读懂陌生代码、做出有用改动,并满足那些对接受或拒绝实现方案有充分理由的维护者。

  • Eric 认为,导师制可以弥合资深工程师借助智能体获得巨大杠杆、而初级工程师缺乏底层心智模型之间的差距。维护者审查贡献,并解释什么是“好软件”,通过真实工作传授设计判断力。表现出色的贡献者还有机会被聘用。教育和招聘在这里相互衔接:学生直接向评估其代码的人证明能力。

  • 算力不应成为限制条件。Eric 已与 Factory、Cognition 和 OpenAI 等参与方协调,为学生争取额外额度,超出常规教育优惠。他不希望“每月20美元的订阅费”阻止学生探索能力边界。目标是让学生在有助于实验时,能够“把 token 用到极限”。

3. 200行 harness 让智能体循环一目了然

  • Eric 把编码智能体拆解为模型在工具间循环调用的机制。一个能编辑文件的实用版本大约200行代码就能实现,所需知识不超过斯坦福入门算法课 CS 106B。它没有子智能体、MCP 等功能,但足以消除一种印象:核心机制依赖外人无法获得的“秘方”。

  • 接下来,学生会从这个迷你实现转向检查生产系统。Eric 使用 mitmproxy 拦截请求和响应,展示系统提示词、规划提示词和压缩提示词。他说自己用的是“Opus 5.5”,当时上线才两天。这个学习路径很重要:学生先作为工具使用者,再搭建基础机制,最后检查真实 harness 在其上增加了什么。

  • 主持人承认,自己早期低估了 Claude Code:一次查询大约要50美分,他们当时问:“谁会用这玩意儿?”Eric 记得 Boris 曾提醒他,要为模型半年后的能力做开发。此后模型持续进步,解锁了长时间自主运行,也大幅改变了课程应该教什么。

  • Harness 的复杂度会不断变化。主持人谈到约20,000 tokens 的系统提示词、一次缩减80%,以及之后又扩张再收缩的过程。Eric 强调,Git 和任务处理等指令正从提示词迁移为模型自身能力。较弱的模型可能需要示例,较强的模型则可能被示例过度限制。他早期偏好的设计原则是“少量工具承担更多任务”,使用 Bash、SQL 这类强力工具。

4. 上下文工程需要研究,也需要有选择地记忆

  • Eric 发现,能超越基础提示词、“帮我把这事做了”的从业者出奇地少。遇上陌生的百万行代码库时,这种办法就会失灵。他的工作流程会先做研究、提出备选方案,由人决定方向,然后再制定计划或规格,最后实现和测试。研究阶段的目的,是在智能体开始改代码之前,先确认它需要了解什么。

  • Swyx 提出的未解问题是如何在多个智能体间分配上下文。子智能体应继承整段对话,还是从头开始?返回结果前要压缩多少发现?审查智能体可能需要广泛了解所有人的工作。“我不喜欢我现在做的任何一种办法,”他说;单靠一份大规格说明解决不了协作问题。

  • 上下文越多,也会带来新的错误。主持人描述了反复扩充、收缩智能体上下文的过程:一开始知道得太少,之后又可能过度依赖对话早先的一句随口评论。“它们把那句话当成了铁律。”Eric 认为,这仍是艺术多于科学的领域,需要有意识地整合、刷新信息,并留意上下文膨胀。

  • 主持人建议读一些易读的研究,了解系统提示词变化及上下文管理的下游影响,但并不假装每篇论文都能给出定论。Eric 的实用建议更简单:每天花10分钟做实验。用新工具重新解决一个熟悉问题,往往就足以缩小很大一部分认知差距。

5. Skills 应保留理解,同时自动化流程

  • Eric 区分了工具调用和流程。MCP 可以接入外部函数或服务;skill 则把可重复的一系列操作写成类似 SKILL.md 的文件。他希望学生亲自把流程形式化,而不只是找到另一批现成提示词来消费。

  • 他偏好的教学示例包括 Matt Peacock 的“Grill Me”和 Jeffrey Blitz 的“Explain Diff”。后者会对改动做可视化解释,再就改动内容考问开发者。最后这一步才是重点:扫一眼漂亮的总结,不等于证明自己理解了发生什么。skill 让用户参与学习,而不是只接收生成结果。

  • 主持人不认同产出量等于生产力。如今一句话的要求就可能生成数万行代码,让作者与系统脱节。他们反复强调一个原则:任何情况下都不该“关掉大脑”。好用的 skills 往往会提出更多问题、迫使用户思考,正因为实现代码已经变得更容易。

6. Skills 本身也带来维护问题

  • Swyx 认为,自己写 skills 比收集网红推荐更重要。简单版本往往质量不佳,包括默认 skill 创建工具生成的内容。他维护着一个“skill cutter”,用来删掉反复出现的问题和冗余内容。难点在于,有用的指令可能夹在冗长输出中:编辑时要保留真正能改变行为的部分,而不是不加区分地一味删短。

  • 最糟糕的失效方式,可能是 skill 在无关项目中意外触发。描述写得太宽泛,就会让原本为某个旧任务准备的流程被调用。Eugene Yan 每隔几周清理未使用 skills 的做法,是一种应对方式。Swyx 猜测 OpenAI 和 Anthropic 有些人可能希望 skills 消失;他明确表示这只是猜测,并称堆积成山的 Markdown 文件是个笨拙的终点。

  • 另一位主持人的反驳是,易用性很重要:用户甚至不用打开文件,也能从中获得相当大的价值,只需说:“看看我们上次5次是怎么做的,给我做个 skill。”Eric 认为 Monaco 有一个可能更经得起时间考验的用途:把组织知识编码进 Devin 的审查流程,包括公司偏好的 API 构建方式和服务边界。这不同于保存一条随手写下的重复提示词。

7. Monaco 选择在 Salesforce 还不难替换时切入

  • Monaco 是一家总部位于旧金山的 B 轮公司,正在打造一体化的 AI 原生销售平台。其早期客户是种子轮到 A 轮为主的初创公司。Eric 的切入点,是在团队还用 Google 表格追踪销售管线时就服务他们,再伴随客户一起成长。要让一家已经成熟的企业离开 Salesforce,难度要大得多。

  • 公司花了一年多时间隐身开发,目标是打造一体化产品,而不是从一个狭窄的销售单点工具起步。Eric 说,过去一年半里他们对一体化模式有了很多认识,现在正向更大型客户拓展。他把这种分销模式比作 Brex 等公司:从新兴企业起步,随着客户发展而扩大业务。

  • Monaco 自有的 harness 支持多种销售工作流,包括 TAM 和 ICP 评分、ICP 定义、销售管线变化、会议准备和摘要。其经过数据增值处理的“世界数据库”覆盖公司、客户账户和联系人。主持人用销售副总裁换工作举例,说明这可能是推荐销售平台的好时机。Eric 说,需求来自找到合适的买家和合适的时机,但没有说 Monaco 使用了这一具体的跳槽信号。

  • 公司使用 Parallel 和 Exa,Eric 不愿对两者排序,同时也自行做数据增值。他认为另一项差异化来自前线部署客户经理,即 FDAE:这类销售人员帮助客户完成入驻并搭建工作流。Monaco 正把自家 GTM 团队的经验编码进产品,其中包括曾在 Brex 工作的人。Eric 承认,没有这些领域知识,产品会更趋同质化。

8. 垂直智能体可以逐步补齐模型经济性

  • Eric 对垂直 AI 的起点判断是把前沿模型当作外部服务,先探索可能性。产品成熟后,成本和速度的重要性上升,于是需要考虑开放权重模型、后训练和 RL 环境。Monaco 目前正处于这一阶段。他提到围绕 Harvey 毛利率为+50%还是-50%的争论,借此引出对经济性的审视,同时明确暂且不讨论这些数字是否准确。

  • Swyx 把这套做法称为“智能体实验室打法”:先拥有用户和产品,需要什么模型就用什么模型,然后“再把模型侧补上”。模型实验室的路径正好相反,从预训练起步,再寻找用户。两者之间的关系依然复杂,因为基础模型供应商也可能与它服务的垂直应用竞争。

9. Monaco 先买来学习,再围绕自有基础设施建设

  • Monaco 的后台智能体平台 Monocoder 基于 coder.com 的 Coder,并按内部需求做了改造。Eric 介绍,它支持隔离环境、多个智能体和长周期编码任务,角色类似 Ramp Inspect。他选择它,是因为与 Monaco 现有云基础设施契合,而不是坚持所有工程工具都必须自研。

  • Monaco 的 Slack 智能体 Hal 覆盖 AI SRE、客户成功和 QA。它能协助调试问题并提交修复 PR,销售人员也会用它了解产品行为。这种广泛用途带来一个实际设计问题:同一底层系统在回答开发者和向销售人员解释问题时,需要展现不同的“个性”。

  • Eric 更正自己的说法,明确了总原则:“买来学习,自己建来留用。”外部工具能帮助团队发现自身需求;当现有产品还不成熟或不合适时,内部系统才更有吸引力。他强调,Monaco 仍愿意重新评估供应商。代码审查是一个重要例外:他们至今仍觉得外部软件有用。

  • 第一次评估审查工具时,他们考察真实 PR、评论类别、冗长程度和实用性,没有供应商达到门槛。后来试用 Devin 后,工程师主动申请访问权限,产品便逐渐铺开。主持人质疑这会不会只是“凭感觉”;Eric 区分了之前的结构化分析和之后的自然采用。第一次评估失败后,他不想再强推一次部署。

10. 智能体就绪度始于常规工程基础

  • Eric 把智能体就绪度视为并行智能体、后台系统和软件工厂的前提。团队在启动数十个智能体前,需要有一个自己能理解和验证的代码库:结构合理、边界清晰、有文档,也有反馈机制。他认为 Factory 很早就把这一类问题讲清楚了。报告或仪表盘固然有用,但真正让后续自动化成为可能的是底层工程条件。

  • 有些公司的瓶颈没那么光鲜:合并队列积压、CI/CD 太慢,或者搭建一个应用要花太多时间。“答案也不总是多上几个智能体。”再加一个 SRE 机器人,并不能解决系统性的基础设施问题。

  • 当系统有庞大的依赖图、Kubernetes 基础设施和散落各处的 Helm 文件时,AI SRE 的价值就更明显。Eric 称赞 Resolve 和 Night Shift,并用福特或沃尔玛级别的企业说明复杂度。主持人提到,有的组织拥有数万个代码仓库,有时仓库数量甚至超过开发者人数;已经离职的作者留下的代码仍然“承重”。规模较小的系统则可能仍然足够容易管理,适合自建辅助工具。

  • Resolve 曾为课程提供一个包含多个服务并植入缺陷的沙箱,让学生扮演值班工程师,借助其智能体排查问题。更大的目标是闭环:智能体应能检查构建日志,理想情况下还要接入生产分析。主持人指出,许多复杂的触发机制最终不过是通过 cron job 运行,但这并不影响运行时反馈的重要性。

11. 每天30多条 PR 让审查成为吞吐量瓶颈

  • 智能体每天能产出“30多条 PR”后,传统审查会让开发者变成瓶颈。Eric 既不接受每项改动都必须由自己把关,也不接受什么都直接合并。问题在于,如何在保持合理信任的同时,让生成能力带来的效率提升传导到系统其他环节。否则,“大规模生成的意义是什么?”

  • Eric 认为,清晰的架构和可验证性可以让某些类别的改动适合自动批准,但并非所有改动都符合条件。对于其余部分,团队必须决定人类该检查每一行代码、规格,还是其他表达形式。他大体认同 Aviator 的 Ankit 关于取消传统审查的观点,同时指出还有另一个瓶颈:决定应该构建什么。

  • Monaco 会投入精力编写详尽的 PR 描述,把它们作为浓缩版规格说明,包含文件级定位信息和改动边界。一个段落的摘要远远不够。Eric 将这份实现记录与 issue 阶段更早的规格区分开来。主持人还指出,审查活动并没有随着合并 PR 数量同步增长,这进一步加大了重新定义审查方式的压力。

12. 局部 PR 规格无法保留整个系统的意图

  • 主持人提出的反驳是:一条 PR 在内部逻辑上自洽,也仍可能违反长期积累的要求。功能是多次改动的总和,而不只是最新实现说明。模型可能推翻5周前有意加入的内容。人类成了记得它为何存在的“规格之神”;对主持人来说,单靠指示模型维护更广泛的理解,并没有可靠解决问题。

  • 一位主持人以会计公司 Basis 为例,说明可以针对不同用途对不同产物进行版本管理。一种记录未来预期行为;另一种记录“代码的规范状态”,包括原本隐含的知识。Eric 认可这个例子,但主持人只是把它视作一种可能有用的做法,并非证明业界已经解决如何共同维护规格和实现的问题。

  • Swyx 介绍了一个探索中的“程序数据库”,但不确定会不会真的发布。它会记录执行轨迹,让规格成为持久对象,管理附加的 skills,并支持比 Git 锁定模式更高的并发。他质疑的是表达方式:当假设、约束、意图和多个智能体的工作都需要协调时,只把代码当作事实来源过于狭窄。

  • 他认为 Linear 可能胜出,因为它已经承载任务和意图。Eric 把可能性扩展到其他领域:收集客户反馈或分析数据的 B2B 产品,也可能通过把问题闭环到产品改动而转型为编码智能体公司。Linear、Amplitude、Decagon 或 CRM 都可能把观察到的问题变成行动:“这里出了问题,去把它解决。”

13. 去掉依赖项,是把外部暴露换成私有错误

  • 在安全讨论中,一位主持人提到成熟安全公司 Semgrep 正在为智能体扩展产品,并强调依赖项追踪和供应链纪律。实操建议很基础,但后果重大:依赖项应按需锁定,不要随意运行 npm install,同时假定整条依赖链都可信。自主操作和大量生成代码扩大了需要关注的攻击面。

  • Eric 提出一种可能:最安全的代码库没有任何依赖项。主持人表示赞同,并进一步推演:代码变得便宜后,内部从头构建一切似乎更安全。Eric 随即反驳,这种说法很危险,因为团队可能只是自己犯错,而不是依赖别人发现错误。一个有100,000名用户的包,会有很多人有机会发现漏洞;而公司自己的用户可能永远不会发现或报告同类问题。

  • Eric 补充说,开源本身也可能发生变化。他认为,大多数开源仓库,“如果不是全部”,最终都会变成由智能体运行的软件工厂,并以 Warp 的终端为例说明这一趋势。如果每项贡献被人检查的机会减少,传统上依靠广泛人工审查来论证开源安全的逻辑就不再那么直接。他也不确定这样的代码库最终会更安全还是更脆弱。

  • 主持人讲到 Vercel 曾提出将广泛依赖的 C 和 C++ 软件移植到 Rust,预算可能约为600万美元,希望做出更快、更安全的实现。他们并不把这当成模型能消除安全问题的证据。主持人的质疑仍然成立:如果生成式重写引入了另一种漏洞呢?能力增强会改变失效方式,但并不能证明失效会消失。

14. 更会找漏洞,不代表清楚自己发布了什么

  • 讨论“Daybreak”和“Glasswing”时,话题转向给予防御方优先访问权并延迟发布,是否能解决安全问题。主持人质疑其中的时间逻辑:即使给防御者3个月,攻击者之后仍可能花6个月试探。把网络安全模型交给100家重点机构,也会新增100个可被攻破的目标。这些反驳针对的是一种假设:发布顺序能够解决根本的不对称性。

  • 另一位主持人强调,关键不在平均漏洞率:模型平均可能少犯错,但“你甚至不知道自己发布了什么”。开发者越来越多地既不编写、也不审查自己交付的全部代码。代码扫描和安全审查依然重要,但理解力流失是另一类问题,不能等同于模型漏洞检测能力如何。

  • Eric 认为,数据存储、计费和认证尤其敏感,并说:“基本上,不要在这些地方写代码。”一位主持人认同这一担忧,区分认证和授权,并建议先学习 AWS IAM 之类的概念,再让智能体实现相关功能。正如这位主持人所说:“有了这套语言,你才能把要求写进提示词。”Eric 也认同,即使实现变容易,这些概念基础仍不可少。

15. 后台智能体让非技术工作也有了隐藏代码库

  • 后台智能体不只是 IDE 里的工具,还涉及异步工作、CI/CD、代码仓库事件和运维触发机制。Eric 计划介绍 Stripe Minions、Ramp Inspect 和 Spotify 的内部系统。他也称赞 Cloudflare 作为一家同等规模的上市公司,在采用情况和公开分享经验方面都做得非常出色。共同的问题是:当没有人主动发出提示时,软件团队如何让智能体继续发挥作用?

  • 主持人认为,编码智能体已经藏在一些表面上看似非技术的产品和工作流之下。Swyx 在 Codex 中运行 SEO 和 AEO,因为持续研究需要脚本、数据存储和可视化。营销人员可能从不查看底层代码,但长期运行、多步骤的工作流依然能从代码库中受益。可见界面不必暴露背后的工作机制。

  • Eric 接受非技术场景可以通过代码实现,但认为这与入口界面是两个问题:开发者是从消费级助手进入,检查它背后的计算机,还是切换到开发环境?主持人认为产品正在融合;Eric 则追问,这是否意味着所有工作都必须从同一个产品入口开始。对话没有给出明确答案。

16. 网关在技术上能整合,销售时却面对不同买家

  • Eric 仍然看好 MCP 作为现有标准,但主持人区分了这一点与 MCP 门户是否能成为生意。规模扩大后,Eric 认为组织需要统一入口来管理治理、安全、审计和成本优化。他的判断有前提:当许多工具和服务需要接受共同管控时,价值才更加明显。

  • Swyx 认为,门户可以并入 LLM 网关,连同授权和计费一并处理。这些本质上是同一个架构层的不同组成部分,也就是在多个用户和多个服务间发挥中介作用的“上帝盒子”。Eric 接受整合思路,并解释说在课程里分开讲这些概念,部分是为了教学。把相关控制集中起来,也能让它们彼此配合、相互依赖。

  • OpenRouter 是 Swyx 用来反驳自己偏好架构的例子。它专注模型路由,没有同时包揽可观测性、运维和 MCP 接入,却仍然成功。“我很乐意这样被证明错了,”他说:边界明确的产品可以让工程和营销都更聚焦。架构上有所重叠,并不意味着一家供应商就应该接管所有相邻功能。

  • Eric 指出,企业里往往由不同团队分别负责技术栈的不同部分;要整合各个端点,需要跨越这些边界达成共识。Swyx 将其概括为“你买的是你的组织架构”,以及“如果是给所有人用的,那就没人会买”。Eric 提到,平台工程正成为越来越重要的角色,职责覆盖云基础设施、开发者体验和安全,而不是某一项应用功能。

17. 软件工厂仍离不开意图、审查和触达客户的路径

  • 主持人把工厂里人类剩下的控制权概括为“意图”和“审查”,并认为审查可能比意图更早松动。Eric 对课程的定位也类似:追问人类还在哪里发挥作用,并点名意图和可验证系统。在他的角色类比中,技术监督者要足够了解各组成部分,才能设定方向、指标并做出调整。他提出的89%代码由智能体编写只是一个假设;他说,即便前沿工厂供应商也声称,完全由智能体驱动的贡献“也就30%多,甚至还不到”。主持人提醒,曾经的“暗工厂”支持者也公开改变过看法。

  • 销售整座工厂是另一回事。Eric 认为,采用过程可能需要分阶段推进:先部署编码智能体,再加入后台工作或 SRE,最后把各部分连接起来。把一整座工厂直接放到福特的办公桌上不现实。主持人猜测,许多公司都想自己建设,因此基础设施供应商和内部平台之间的商业边界仍未确定。

  • 主持人引用了一篇 OpenAI 文章:团队花5个月搭建内部工具,手写代码行数为零。初期速度变慢、之后才逐步卸载工作的过程说明,harness 工程需要学习,不会立即带来加速。Warp 与课程合作,则让学生有了另一种参与方式:为工厂做贡献并帮助维持运行,而不只是提交一个常规功能后离开。

  • Eric 用 CEO 作比,认为 CEO 要足够了解各组成部分,才能设定方向、指标并做出调整。技术监督者同样需要权衡产品需求和工程约束。主持人不愿断言产品和工程岗位会立刻合并:最近有人问 Anthropic 的平台产品和工程负责人是否会合并职责,得到的回答仍是“还没有”,尽管两边的工作正越来越重叠。

18. 编排若只产出编排本身,就会变成陷阱

  • 围绕 Steve Yegge 的 Gas Town,讨论焦点是那句据回忆曾有的批评:“Gas Town 唯一做出来的有用东西就是 Gas Town。”主持人认为这说明系统没有对真实产品负责。复杂编排、不断增加的 token 消耗和看似忙碌的活动都不够;如果系统主要是在维持自身开发,就谈不上成功。

  • Swyx 说,他希望招聘那些经历过智能体“精神错乱”又走出来的人。他描述自己支付员工薪水和 token 费用,却几乎得不到产出,而且反馈也听不进去。Eric 猜测,Gas Town 可能也超前于时代,或者很难理解;主持人则反驳说,它的宣言和术语恰恰帮助这个概念传播开来。

  • 他们讨论的 Boris 框架,把团队采用分为5个阶段:受控、辅助、并行、监督式自主和 AI 原生。一位主持人说,相关材料把 Anthropic 描述为处于第3阶段、试图走向第4阶段;Eric 开玩笑说,这样看来 Boris 本人就属于第4阶段。这个区分很重要:个人高级用户的工作流,不等于整个组织都以同样方式运作。

  • “动态工作流”提供了一种超越复制父智能体、再派生子智能体的具体进展。系统会按需编写任务专用 harness,再运行它完成工作。Eric 说 Monaco 已为 GTM 场景构建了一个版本。这种模式做的是专门化、可执行的编排,而不是假定每项委派任务都需要另一个一模一样的通用智能体。

19. 新一届学生需要更高目标和更好的衡量方式

  • 主持人预计,PR 贡献率或合并率两年后会显得荒谬,无法再作为工程指标。但替代指标仍不清楚:收入离代码太远,客户满意度衡量的可能更多是产品决策,而不是代码。Eric 的回答是训练学生具备整体系统和产品工程判断力,把一项技术贡献放进正在构建的整体产品中理解。

  • Eric 用 YC 的创业需求清单作为毕业项目灵感:“去创办一家公司。”去年,一位设计师把笔记本上的草图拍下来,生成了一个能运行的 Vercel 应用;Eric 认为这可能帮她拿到了 Vercel 的工作。主持人认可这个成就,同时也指出标准已经提高:把照片变成应用,现在远不如写一个浏览器有挑战性。

  • Eric 说,支持一次性实验可以动用1000多个智能体;提供额度,是检验学生抱负、识别优秀开发者的一种方式。与此同时,许多公司还停留在单次 ChatGPT 调用或刚开始使用 Cursor。Eric 强调,这种差距比硅谷想象的要大得多,也给理解前沿方法的学生留下了机会,让他们可以在其他地方发挥实质作用。

  • 主持人提出“第11周”的直接建议:“做基准测试。做基准测试和评测。”扎实的工程文章和有用的评测工作,能为人打开进入前沿模型公司和智能体实验室的大门,也可能成为一门生意。他们以 SWE-bench 为例:这是普林斯顿本科生做的项目。建议是深入研究一个重要问题,做到其他人能够评估并使用你的成果。