本文来自微信公众号： InfoQ ，作者：褚杏娟，原文标题：《Claude Code、Cursor 都过时了？！硅谷顶流大牛炸场暴论：AI 编程练满 2000 小时才算“会用”，荒废一年世界级大神也成实习生水平》
从在Google和Amazon打造传奇级平台，到写出AI驱动开发领域最具影响力的文章之一《初级开发者的复仇》（Revenge of the Junior Developer，这篇文章后来被Anthropic CEO Dario Amodei公开引用），Steve Yegge数十年来始终站在软件工程的最前沿。而现在，他正带头冲向他所称的“代码工厂化”时代，如今他现在成为Vibe Coding理念最激进、也最系统的倡导者之一。
Steve的职业生涯始于1992年，至今已深耕软件开发领域30余年。1998年，他加入当时仅有250人的亚马逊，担任软件开发高级经理，在长达7年的任职期间，深度参与亚马逊的技术体系搭建，尤其在API战略制定方面发挥关键作用，助力亚马逊构建起早期的技术护城河。
2005年，Yegge加入谷歌，聚焦开发工具与代码智能领域，因不满微软开发者对谷歌代码库导航工具的抱怨，于2008年主导构建了强大的代码智能平台Grok，由其赋能的Google Code Search成为谷歌技术生态的重要组成部分。
2018年，Yegge因认为谷歌变得“过于保守、不再创新”而离职，随后加入新加坡共享出行企业Grab，大约两年后因疫情影响无法正常出差的他宣布离开Grab。2022年10月，结束短暂“退休”状态后，加入Sourcegraph公司，主导推动公司向人工智能企业转型。
期间，他主导构建了一个几乎完全由“vibe coding”构建的、拥有数万用户的问题追踪系统Beads，目标是把开发者从“写代码”转变为“管理AI agent编队”：让它们在你睡觉时协同工作、并行推进、交付功能。用实际产品验证了“AI主导开发”的可行性。
近期，在参加“Latent Space”节目中，Steve甩出了不少“暴论”：
下面是他在节目中的详细对话，我们在不改变原意基础上进行了翻译和删减，以飨读者。
1“用传统IDE写代码，那不是合格工程师”
主持人：我们请到了传奇程序员Steve Yegge。最近他还出版了《Vibe Coding》一书。本次访谈的主题就是围绕Vibe Coding和AI Engineering的交集进行讨论。你如何看待两者之间的关系？
Steve：这已经不只是一个技术点了，而是一场运动。需要让更多人参与进来。我在演讲中提到，现在已经出现了强烈的反对浪潮。AI工程的核心是构建AI驱动的应用，而Vibe Coding则意味着摒弃旧的软件开发方式，采用全新的方法。这两件事，都把很多人惹毛了。
主持人：我觉得那些人之所以愤怒，是因为他们的身份完全绑在了“现在这套工作方式”上，而且不允许改变。
Steve：对，那我来抛出第一个“暴论”。真正受冲击最大的一群人，不是初级工程师，也不是中级工程师，这些人其实都在践行Vibe Coding，反而是资深工程师和技术领导对Vibe Coding最反感，尤其是拥有大约12～15年经验的人。他们的身份认同建立在长期使用传统编程模式上，所以他们排斥AI，也排斥Vibe Coding，在网上说“我十几年的经验比你这破AI强多了”。
我看到过英伟达Jordan Hubbard的一篇帖子，写得很好，讲怎么更好地用Agent来写代码。结果底下有人回他说：“你还是老老实实做你的管理吧，编程这种事留给我们这种有十几年经验的人。”那种调调你肯定见过。
我就回他一句：“我觉得你得学会看时间”，他却反驳“等你有我这么多年经验再来。”我就说：“我都45岁了，还要等到60岁才能跟你说话？或者干脆把我30年经验砍掉，让我跟你一样愚钝？”
主持人：但现实是这些人会共存，就连OpenAI也是，之前聊到OpenAI里也有人不用AI写代码。
Steve：是的，他们有人不用Codex，可能用的是Cursor，但他们并没有在用agent loop。从Andrew Glover（OpenAI开发生产总监）那边听到的说法是，他们内部已经看到了非常明显的差距，只是还在等更多数据再公开说。
这个差距大到离谱。不管你用什么指标，代码量、提交数、业务影响还是什么，都是10倍级。两个职位、职责完全一样的人，一个用了Agent，一个没用，绩效评估时一个是另一个的十倍产出。那你怎么办？你会慌。你会去找HR、找法务，问“我们现在还有什么选择”。
**如果你2026年1月1日后还用传统IDE写代码，那你已经不是个合格的工程师了。现在就是你必须放下IDE、开始学Agent编程的时候。这是一套新技能，非常复杂。我和Gene Kim去年一直在研究，写博客、做实验，每一篇博客都三十页起步，长到没法看。后来我们意识到：大家骂AI写代码不行，根本原因是你只花了两个小时试它，但问题是，你得花200个小时，甚至2000个小时去磨合才行。
有研究显示，你至少要和AI一起工作一年，才会真正“信任”它。这里的信任不是情感，是你能预测它下一步会干什么。如果它对你来说是不可预测的，你当然会愤怒。
等你真的理解了它的能力和边界，你就能驾驭它了。比如它会胡编、会记忆混乱、会“失忆”等，这些边界其实一直都在。现在的模型已经好用得多了，如果你两个月没试过，你已经落后了；一年没试，那你就是恐龙级别。
我有一些朋友，比我厉害得多，是世界级工程师，开发过你一定听说过的系统。但他们现在对AI的使用，也就停留在“问个像维基百科一样的问题”。说句残酷的，**这些人一年后可能只能当实习生。
主持人：真的会这么极端吗？
Steve：我以前也只是个假设，直到遇到一个人。他有十多年经验，完全排斥AI。后来他遇到两个欧洲的博士生，Agent、Vibe Coding玩得飞起。虽然他们很初级，但完全没有恐惧，问题一个接一个地追问模型：为什么这么做？有没有别的方案？安全性呢？扩展性呢？测试呢？
他突然意识到：所谓“工程师思维”，本质就是问对问题。那一刻他明白了：我必须学这个。
但我必须说，这一点都不轻松。你不能指望随便试试Claude Code就能成功。即便你态度再正确，你最近两天有没有对agent爆过粗口？我会说“谢谢”“请”，然后下一秒骂它“你是不是脑子坏了”。这是因为我们后来意识到：这些Agent看起来很像人，但你绝对不能把它们当人。千万别拟人化大模型。它随时可能“背刺”你，比如告诉你“问题已经解决了”，然后顺手把你的数据库删了。
就是Agent编程真正危险的地方。你一旦觉得“它懂我了”“手感来了”，就会让它做生产改动，然后灾难就发生了。我亲身经历过。所以我们才写了那本书，不是为了炫技，而是为了告诉你：如果你不理解这套东西，坏事一定会发生。
主持人：那接下来呢？
Steve：是需要慢慢学的。就像开车一样，你得知道弯道在哪、减速带在哪。说白了，你是在学怎么“开快车”，想当的是NASCAR车手。
这套东西是高性能玩法。你一次同时用12个Agent写代码，野心比你过去任何时候都大。我今天还跟一个人聊，他同时在跑的项目比我还多，我都不知道他哪来那么多时间，但他现在大概同时推进十来个大型项目，全靠Agentic Coding。
所以真正的广告词其实是：你会变成蝙蝠侠。但你不能直接把战衣一穿就说“我就是蝙蝠侠”，那只是cosplay，你是在cosplay Vibe Coding。你得学会怎么用工具腰带，而这个过程一定伴随着痛苦、踩坑、犯错和成长。
你可以通过读我们的书、读O'Reilly的相关书籍、看演讲来加速这个过程，多从不同角度了解，因为不同的人能get的“开窍点”是不一样的。总会有某个比喻突然击中你，让你一下就明白了。比如我觉得Vibe Coding就像3D打印，别人可能不这么认为，但这个类比却帮我打通了任督二脉。
主持人：让我最意外的一点是，很多人都表示，自己已经不再逐行写代码了，而是完全靠prompt，然后放手让AI去跑。
Steve：不编辑、不修改。整体看，这种“亲手改代码”的成本反而是很高的，甚至会让人觉得不如把IDE关掉、干脆卸载算了。其实也不是，后来终于有人说服我了，IDE其实非常强大，尤其是它的“智能”能力，一定要开着。我指的是Cradle Build。而且并不是为了LSP，虽然那也能用，如果你有MCP server，用LLM也是另一种不错的方式。真正关键的是，IDE的智能自动索引速度非常快，增量构建也快得多，这一点非常重要。
2“Claude Code行不通”
主持人：还有一个点，你说Claude Code不行，能解释一下吗？
Steve：当然。Claude Code从今年三月就已经出来了，也已经被证明是真的能用、能干活的。但现实是，全球大概还有80%甚至90%的程序员，根本没有在用它，甚至连类似的东西都没用起来。确实有少数公司用得特别猛，但大多数没有。整个世界还停留在Cursor上，还停留在2024年的水平。
去年我们还在拼命劝大家用“聊天”来写代码，别用补全了，他们就说不行；我们又说模型可以直接生成代码，你复制粘贴就行，他们又觉得这太麻烦了。我们说其实更快，但他们就是不买账。结果九个月之后，大家终于被“渗透”了，然后现在全在说：“我喜欢Cursor”，可问题是，那已经是2024年的东西了，该醒醒了。
但即便如此，他们还是没有真正采用Claude Code。那你会问为什么？答案其实很简单：太难了，这事儿是要读东西的。
说实话，大多数工程师眼里，五段话就已经算一篇论文了。而用Claude Code，你要读的不是一点点信息，而是瀑布一样长的信息：生成说明、代码、diff，全都要看。因为一旦你真的把IDE放一边，你就必须认真看diff。
好消息是，当你有了一点经验之后，其实不用逐行读代码，只看diff的形状、颜色、长度，你就能判断出很多东西：这是不是需要code review？是不是方向错了？是不是为了解决一个小问题却改了过多代码？光是diff的“形态”，就能告诉你很多真相。但你必须关注它，否则这些问题只会在以后以更大的坑冒出来。
说实话，我自己每天用Claude Code十到十二个小时，连续用了好几个月，我还是会经常骂它、被它气到发疯，心里想“你刚刚明明理解对了，怎么还能干出这种事？”这种问题你一定会遇到。不过也有迹象表明，适当给模型一点压力，有时候反而能帮它突破卡点。无论如何，问题一定会有，但好消息是：明年的工具一定会更好。
如果Claude Code不是终局，那是什么呢？答案是：我们还是要回到某种“像IDE一样”的东西，因为那才符合人的直觉。你得一眼就能看明白发生了什么，而不是靠读大量文本；要有清晰的视觉信号。
但它又不会是传统IDE，因为IDE是为“写代码”服务的，而现在你已经不再主要是写代码了。未来的东西，会是一个Agent编排控制台。你早上打开它，就像问一句：“今天情况怎么样？”。这个Agent还在跑，那个在调用工具，这个需要你输入一下。你只要顺着列表过一遍就行。
我现在就在做这么一个东西。原本是私有仓库，结果不小心开成了公开的，被fork了一堆，也就随它去了，你们也可以玩玩。它叫VC（Vibe Coder），本质上就是一套已经设计好的工作流，帮你把一堆Agent跑起来。
3编排革命
主持人：你有没有看到Google的那个Antigravity项目。
Steve：看到了，真的太有意思了。现在大家发布的这些东西，本质上都在验证我三月份提的那个判断。我当时管它叫“初级程序员的复仇”，还专门画过一张图。后来Dario（Anthropic联合创始人兼CEO）还在各种客户顾问委员会上引用过这套说法，影响其实挺大的。
出处：https://sourcegraph.com/blog/revenge-of-the-junior-developer?utm_source=chatgpt.com
我当时就预测，Agent编程太难了，未来会出现可编程的智能体编排工具，90%的重复工作都可以交给更便宜的模型来处理。比如遇到“二选一”的问题，让Haiku模型随便选一个就行。
所以我当时就说，“编排器”一定会出现。只是这个进程比我想象得稍微慢了一点，差不多到年底才真正跑出来，但整体时间点跟我预测的差不多。现在你看，Replit Agent 3、有Conductor、还有开源的DMAD，再加上Google的方案，都是不同形态的尝试，但本质是一回事，而且后面肯定还会更多。
主持人：我挺喜欢他们现在这个比喻的：你不用一直盯着Agent，只要在它们工作的时候给你发通知就行。
Steve：对，正是这个方向。VC里有个“活动流”，那是我加的第一个功能之一。我的理想状态就是：我去干别的事，只要偶尔收到一些“值得注意的进展”提醒就够了。
主持人：那以后会不会出现“Agent的社交网络”？Agent彼此认识、互相关注那种。
Steve：其实已经有人在这么干了。我前几天和Jeffrey Emanuel喝了三个小时咖啡。他是我见过最聪明的人之一，也是写那篇英伟达泡沫文章、直接把股市写崩的人。他后来做了一个东西叫Agent Mail，本质原因特别简单：他受够了在不同Agent之间来回复制信息。于是他干脆做了一个“收件箱”，让Agent之间可以直接发消息。现在他只要一句话：“你们自己协调，把这个任务拆了”，Agent就会自己分工去做。
有人是自上而下地做编排器，试图把一切都包起来；但你看我做的Beads，再加上他这个Agent Mail，其实是自下而上的。
主持人：而且Beads是纯Vibe Coding写出来的，对吧？
Steve：没错，完全是Vibe Coding。说实话，我每天都会收到PR，里面全是我之前引入的烂问题，但大家也不太介意，因为现在已经有稳定版本了。
Beads本身就证明了一件事：你其实完全可以不用亲自看代码，只要你和其他人提的问题是对的，让AI去读、去改。现在我收到的很多PR，很明显就是AI做了全部分析和编码。我甚至会把PR丢给我的AI，让它评价“对方的AI写得怎么样”。
主持人：这样不会很糟吗？
Steve：如果结果是坏的，那当然糟。但Beads跑得好好的，还有好几万重度用户，那就说明这条路是成立的。当然，如果你把这种方式用在公司核心生产系统上，把网站搞挂了，那就是灾难。
主持人：但Beads本质上还是个数据库系统，数据库可不简单。
Steve：它的架构确实非常诡异，放在过去根本不可能维护，但现在你可以直接跟AI说：“坏了就自己修。”哪怕是数据损坏、merge冲突，它都能修回来。
Jeffrey那套也是一样，所有Agent都在同一个目录里跑，还做了文件预约系统：智能体会说“我需要这个文件”。说实话，这在老派工程师眼里简直是疯了。但一旦跑起来，Agent自己就开始协作了，就像一个“智能体村落”。
主持人：所以真正的难点不是让单个Agent听话，而是让一群Agent协同。
Steve：没错。接下来大家都会撞上一堵墙：merge（合并），现在几乎所有团队都卡在了这里。
我认为最有希望解决这个问题的公司是Graphite，我打算找他们谈谈的。我和Gene Kim经常和大企业沟通，我是SaaS销售，所以能听到很多大公司的内部情况。他们认为，一旦每个开发者的生产力都提升10倍，代码合并就会变成一个极其复杂的问题。
比如你和我同时工作两三个小时，各自做了3万行代码的修改，我先合并了代码。我可能修改了日志系统、架构和你正在使用的API，这时候你的代码就无法直接合并了。这不是简单修复合并冲突就能解决的，你得基于我的修改重新构思、重新实现你的功能，或者删掉你的代码，让我重新做。
但归根结底，这些代码都是AI写的。关键是，代码合并必须序列化，得排队。当轮到你的代码合并时，你必须在最新的代码基础上重新做一遍。现在还没有人解决这个问题，这是个巨大的障碍。有家公司给出的临时解决方案你知道是什么吗？一个代码仓库配一个工程师，我可没瞎编。
主持人：传统的解决方案是堆叠差异（stacked diffs），就是合并队列、堆叠差异吧？这是Facebook的概念，现在他们想推广到开源社区，GitHub也在开发相关功能。目前还没有成熟的解决方案，但你必须意识到这个问题，并围绕它做设计。
Steve：当然也有老办法：硬着头皮解决。
主持人：或者提前沟通说，“我要做一个深度架构修改，让我先合并，我们先达成一致的整体方案”。
Steve：是的，我也遇到过几次这样的情况。我试过让一个智能体提醒另一个智能体“我在做会影响你的修改”，就像Jeffrey的mail工具做的事情。等我把这个功能打通，智能体之间就能互相沟通了，到时候它们只需提醒对方“那个智能体在做影响你的工作，你们最好先达成一致的基础架构方案”。智能体没有ego，不会争着“必须听我的”，谁先做谁就当领导者。
主持人：你和Jeffrey有什么分歧吗？
Steve：我们在一个核心问题上有分歧，即在同一个仓库克隆中让12个智能体工作是否可行。我支持用工作树（多个分支）或者多个仓库克隆，把智能体隔离开。他则认为应该让所有智能体在同一个仓库、同一个构建环境下工作，比如一个智能体正在构建、运行测试，这会产生很多冲突。但他有文件预约系统，所以他说“这很疯狂”，但也说服我承认：如果是独立开发者，用不超过12到20个智能体，这种方式可能确实可行，毕竟他自己就是这么做的。
这和Beads的原理一样，放在以前根本行不通，在真正的工程师看来毫无道理，但你只需告诉AI“出问题就自己修”，AI真的会修。所以他的系统能运行，因为偶尔文件预约系统出问题时，智能体会说“我们需要解决这个冲突”，然后自己搞定。
主持人：有意思。有人提议明年峰会的主题定为“多智能体”。
Steve：我完全同意。AI的未来一定是多Agent。现在我们还处在“用镰刀收割玉米”的阶段，这就是现在“真正程序员”的工作方式。很明显，明年我们就要进入“机械化耕作”的阶段，就像现在农场里的大型机械一样，我们要“工厂化编程”了。很多人从哲学、道德、伦理层面坚决反对，他们习惯了“自给自足的小农经济”，不适应“大型John Deere拖拉机”（代表工业化）。但我们确实正在进入编程的“John Deere时代”。
Claude Code、Amp、Codex这些工具，我对它们都一样喜爱，但它们也都一样“危险”。我在演讲中说过，它们就像电锯、电钻，高手能用它们创造奇迹，也可能一不小心把脚锯掉。Claude Code也是如此。
想象一下，有一台大型农业机械，会用Claude Code，还能检查代码，把“规划、实现、评审、测试”这些环节都拆分自动化，这就是工厂化编程，现在已经有人在做了，必然会成为趋势。它已经开始让非程序员也能参与编程，这彻底颠覆了公司的运作模式。
公司开始意识到，理想的团队规模可能只有两三人，公司的运营方式、治理结构都要改变。因为编程不再是瓶颈，业务人员需要直接参与，反馈循环变得更快。
这是个非常激动人心的时代，但对很多人来说，冲击太大了，他们要么选择逃避，要么在网上强烈反弹。而我敢预测，随着这种能力不断增强、代码真正进入“工厂化生产”，来自既得利益群体的反弹，只会越来越猛烈。
4永远不要重写代码？错了！
主持人：你是少数几个能以这种态度提出这个问题的人之一。我知道观众里有不少人对“彻底拥抱这种方式”是持保留态度的，所以这个问题我只能问你这样的人。很多人觉得，这些工具写写前端、应用层代码还行，但千万别碰云基础设施、别碰后端，更别说分布式微服务了。
Steve：有人说“绝对不要动任何生产环境的代码，只是在生产环境使用，且一定要以Git作为兜底采用这些工具。你会很想写点什么，但别写。”如果有Git做备份，为什么还要担心？
人们觉得AI不擅长后端代码。这就是很多人数学不好的问题（指缺乏长远眼光）。ChatGPT 3.5写系统级代码的能力有多强？说实话，非常差。那是多久以前的事了？但很多人现在还停留在那个认知里。老实说，我认为这里的误解，根源在于一种非常基础的信念：大家觉得模型已经“不会再变聪明了”。
有意思的是，就算模型真的不再变聪明（当然事实并非如此）我们其实也已经跨过了那个关键门槛：就像人类已经发现了电，接下来要做的只是如何把它用起来。即便只用今天这些模型的能力，我们也完全可以走到“代码工厂化”那一步，而且会非常快。我们今年夏天之前就能做到。
但现实是，模型正在以极快的速度变聪明。所以现在有一种有趣的现象：你在为模型“将来才会具备的能力”打造工具，而等这些能力真正被模型“内化进大脑”之后，这些工具本身就不再需要了。
于是，这就形成了一场持续的军备竞赛，同时也是一场工具的持续“衰减”：你的工具负责填补模型暂时空白的能力，等模型自己足够强、能填上这个空白时，这个工具就完成了使命，然后你再转向填补下一个空白。所以现在的趋势就是：**所有代码、所有工具都在快速迭代，最终都会变成一次性的消耗品。
主持人：这反而是好事，毕竟工具也更容易构建了。
Steve：没错。说到这，我得提一个人，Joel Spolsky。他二十年前在亚马逊做过一次演讲，至今仍然成立。当时他提出一个金科玉律：永远不要重写代码。但现在我们发现，对于越来越多的代码库来说，直接推倒重来，比修修补补要快得多，而且效果更好，大模型尤其擅长这件事。我最早的体感来自迁移单元测试，与其不断修，不如直接全删了让模型重写，反而一下就完成了。
我们正在进入这样一个世界：最快的方式，是直接写一套更好的新代码，来完成旧代码本来想做的事情。这感觉就像一切认知被颠倒了，但你必须接受这个新世界。
主持人：你说这些话很有说服力，因为你不是年轻人“空谈未来”，而是几乎什么都干过。
Steve：是的。我用汇编语言写了5年程序，写过操作系统，做过游戏开发，做过平台，做过广告系统。游戏编程会逼你理解一切。游戏编程教会了我很多，现在再看所谓的agent loop，和游戏里的主循环、本质上是同一类系统，操作系统循环也是如此。我感觉自己一直在重复构建相同的设计，只是换了领域。
5谷歌、Anthropic、OpenAI内部都很乱
主持人：我想让你谈谈谷歌。我最难忘的一个记忆是，在你退休前，你说谷歌还没“开窍”，尤其是谷歌云，还说他们的弃用政策很糟糕。他们现在好转了吗？
Steve：没有。我和谷歌的人聊过，很多人说“这就是谷歌的风格”。但有趣的是，在执行层面，谷歌已经好转了。他们终于做了15年前就该做的事：让员工承担责任，而不是让工程师随心所欲。过去20年谷歌都是这样，因为他们在广告领域有垄断地位，有足够的资金补贴工程师“随心所欲”。但最终他们还是得成熟起来，做出正确的选择，这个过程很痛苦，失去了一些谷歌文化，也没那么有趣了，但现在执行效率很高。随着Gemini的推出，他们逐渐把重心转向AI，现在开始看到回报了。他们可能会成为最大的赢家。
主持人：那你怎么看Google、Anthropic、OpenAI这些实验室的状态？
Steve：说实话，这三家公司内部现在都非常混乱。Anthropic把混乱掩盖得最好，这是他们产品经理的功劳，值得点个赞。这并不是因为Anthropic自己搞砸了，而是因为在这么快的增长速度下，混乱是不可避免的。
他们接下来要给Claude Code一口气招一百多号人，真的是在疯狂扩张。而这还只是Claude Code这一块。你要知道，我当年在Google和Amazon都经历过那种“必须先做大”的阶段，那时候必然是混乱的、动荡的。人们不知道该找谁、该跟谁对接，所有事情都一团糟。但慢慢地，一切会被理顺、会稳定下来，他们也会走到那一步的。
OpenAI现在也很混乱，甚至更明显。他们经历了很多核心成员的离职。你要说是不是比GitHub那种失去大部分资深管理层、连续几年完全动荡的状态还糟，我也不确定，但OpenAI现在确实挺混乱的。
至于Google，我们刚跟一个人聊到，说即便是在Jules团队内部，想在公司里达成共识、把东西推起来还是非常难。原因很简单：它太割裂了，像是由无数个小型“单体帝国”组成的集合体，一个个小应用彼此不沟通，导致任何跨公司范围的事情都极难推进。
所以现在这三家，其实都面临执行层面的挑战。我个人觉得Anthropic目前可能稍微做得好一点点，但差距非常小，战况非常胶着。接下来就很有意思了，看看Oracle、Meta，或者其他公司能不能追上来。
主持人：Meta值得关注，他们明年必须搞个大的。
Steve：明年很可能会成为开源模型之年。一旦开源模型达到Claude Sonnet 3.7一个水平，你打开Klein之类的东西，就能得到一个体验，至少和三月份的Claude Code差不多。虽然不如现在，但已经“够用”了，而且还是在你本地的M4上免费跑，真正的免费。
从我听到的情况来看，现在前沿模型大概还有七个月的领先优势，而且这个差距正在逐步缩小。这意味着，明年夏天，开源模型可能就能达到Gemini 3的水平。所以明年很可能会出现一个转折点：工具必须在任务拆解、模型分配上做得好得多，知道什么时候该用大模型、什么时候用小模型，才能把成本优化做好。
主持人：我也站在批判者的角度来说，他们认为之所以收敛，是因为模型能力是在逼近上限，提升会越来越慢。
Steve：这不是个小问题，而是一个根本性问题：AI智力的发展曲线是线性的、指数的，还是趋近于上限的？
我们从一些非常接近研究核心的人那里听到的说法是，过去三十年里，受摩尔定律影响，AI的“聪明程度”大约每18个月翻四倍。他们认为训练数据大概还能支撑两个这样的周期。之后会发生什么没人知道，可能继续上升，可能下降，甚至人类历史直接结束也不是没可能。但两个周期意味着三年后，它们会聪明16倍。
说实话，我也不知道“聪明16倍”具体意味着什么。但我花了很长时间去想这个问题，我的结论是：它们会变得非常、非常、非常聪明，一定会深刻改变世界，好的坏的都会有。
主持人：那孩子们还要学编程吗？
Steve：应该学Vibe Coding。
主持人：你始终有一个“逃生口”，你想看代码的时候随时可以看，只是大多数时候你不需要看。但你能看，这本身就是一道护栏。不过我的看法是，不管怎样，如果你还懂一点真正的编程，你会更有优势，因为你的prompt更好。
Steve：当说到会编程的时候，但不是学语法，而是你要以一种“语言无关”的方式理解：函数、类、对象、monad之类的能力边界是什么。你不再关心代码怎么写，但你关心它是怎么工作的。这个层级，其实已经接近产品经理或架构师的思维方式了。
你必须站在那个层级思考，而且你要理解所有工程层面的东西。就像我之前提到的Jeffrey，他是数学家，自学成工程师，他不一定写代码，但他掌握了所有关键概念，知道Cassandra是怎么工作的。所以，就算你不需要亲手写代码了，你仍然需要学习海量知识，才能在这个新世界里成为一个高效的工程师，因为你和机器交互的层级已经被整体抬高了。
主持人：你还有没有什么想吐槽、想补充的？
Steve：我感觉最近“八卦”传播的频率上升了。不是那种“八卦”，而是工程师不断发现新方法、用agent变得更高效的那种兴奋感。
比如，我刚知道一个东西叫Code MCP之类的。因为agent并不擅长直接调用MCP工具，它们在这方面几乎没训练，但它们非常擅长写代码。所以你告诉它：不要直接调用工具，写代码去调用工具，它反而做得好得多。这种“小技巧”现在正在不断被发现，特别疯狂。Anthropic自己其实不是最早发现这个的，是Claudeflare先发现的，Anthropic后来才说“对，你们说得对”。
这也是为什么我特别喜欢把注意力放在AI工程师身上。我的观点一直是：AI工程师是最能把大模型潜力榨出来的那群人。你几乎可以把AI工程师定义为：不是训练模型的人，而是把模型“用到极致”的人。
这有点像一种颠覆式路径：当研究模型、训练模型还是高层次的事情时，当一个“GPT包装工”显得没什么地位，但随着时间推移，这些人反而开始真正提升生产力，积累真实的专业能力。就像F1车手未必会造车，但他们对“怎么把车开到极限”的理解，甚至可能比造车的人还深。
参考链接：