Amp：皇帝没穿衣服

摘要

• Amp 之所以存在，是因为 Quinn Slack 和 Thorsten Ball 认定，工具调用型 agent 与 Cody 是两种不同的产品，也是两套不同的经济模型。 从 Claude 3.7 开始，他们移除限制，赋予模型工具和权限，最终得到一种既无法塞进 20美元订阅、也无法适应 Sourcegraph 企业版发布节奏的产品。独立品牌让 Amp 可以颠覆母公司，同时重置客户预期：「唯一重要的事情，就是做出最好的 coding agent。」

• Amp 的经营前提是：如今 coding 工具里的任何显性赢家，都可能在 6到12个月内过时。 Copilot 的注意力先让位于 Cursor 和 WinServe，随后 Amp 和 Claude Code 登场，开发者又开始拿 Codex 与 Claude Code 比较；Quinn 说，没有任何工具长期保持统治地位。因此，Amp 优先优化反应速度——每天大约发布 15次——而不是守护今天的界面、功能集或合同。

• 早期商业信号显示，即便异步 agent 尚未将用量成倍放大，高价值的重度用户市场已经存在。 Amp 的月环比增速超过 50%，有些只有 2到3人的团队，年化支出却达到数十万美元；Amp 还表示自身保持正毛利率。Thorsten 预计，全天候、并发运行的后台 agent 会创造出「多出 10倍或100倍」的 agent，进而可能同时主导推理需求和软件产出。

• Amp 的 8人核心团队，像是在 Sourcegraph 成熟基础设施之上运行的个人项目。 工程师直接向主分支提交代码，跳过正式代码审查，自己长期使用 Amp，并在一天之内持续发布；底层平台则由既有的安全和云团队负责稳定。Thorsten 用冰山作比：水面上可见的部分可以「融化并重建」，水面下的结构仍然可靠。

• 模型正在变成实现细节，但眼下针对具体模型的优化仍然决定成败。 Amp 在产品中隐藏模型选择，沿着「模型的纹理」调校系统提示词和工具，并组合 Anthropic、OpenAI 与 Google 的模型，而不是把某一家供应商视为永久赢家。Amp 内部团队中约有一半已经不再把 Sonnet 作为主要模型；更快的模型则可能开启新的工作流，而不必让人感觉那只是更便宜的「中档」agent。

• Amp 的反共识产品立场是：许多流行的 agent 功能制造的是复杂性或虚假信心，而不是持久能力。 提示词增强器无法凭空创造缺失信息；MCP 服务器可以暴露 50个底层工具，却同时消耗上下文、不可预测地失败；自定义子 agent 链条既昂贵又难以调试；压缩则会让长对话变得「模糊」。其核心比喻是「木制脚手架」：当下一代模型吸收今天的权宜之计后，脚手架就应当自行消失。

• 下一个瓶颈将从代码生成之外转向上下文、测试、审查和 agent 原生基础设施。 Thorsten 仍然反对「把思考外包出去，却不把打字外包出去」；Quinn 则认为，定向测试子 agent、可运行的 Playwright 环境、统一的机器可读日志、已部署的预览，以及让并行 agent 快速完成环境定位，都是尚未被充分开发的空间。他们瞄准的终端市场，不是让中位数开发者提速 30%，而是那些离问题足够近、能够创造全新软件，或自己替代一款年费 25万美元产品的重度用户。

精读

1. Amp 的诞生，是为了颠覆 Cody

• Thorsten 于 2月回到 Sourcegraph，随后围绕 Claude 3.7 与 Quinn 开始实验：给模型工具、宽泛的文件系统和编辑器权限，然后「让它彻底放开去做」。在旧金山那一周的最初几天里，两人反复出现的反应只有一句：「Quinn，你得来看看。太疯狂了。」

• Cody 建立在 RAG、助手侧边栏和 Sourcegraph 平台之上；Amp 的工具调用型 agent——由模型、系统提示词、工具及工具提示词共同定义——需要完全不同的用户行为、定价方式和发布机制。它不能简单地变成 Cody 的另一个模式，否则会让那些被大型长期合同绑定的客户无所适从。

• 新身份有意将 Amp 与 Sourcegraph 分开：有些用户甚至不知道它是 Cody 的创始团队做出来的。Thorsten 认为这种切割「太好了」，因为团队可以改变产品，而不必背负旧产品的品牌、客户合同和既有假设。

• Quinn 的表述非常绝对：「唯一重要的事情，就是做出最好的 coding agent。其他什么都不重要。」他紧接着补充说，目前还没有人做到这一点；每一个当下的领导者都在跑步机上，下一步技术就可能让上一个产品失效。

2. 波动性是 Amp 的核心商业假设

• Copilot、Cody 的聊天和 RAG、Cursor 与 WinServe，再到 Amp、Claude Code 和 Codex，这条已观察到的更替路径表明，开发者的忠诚周期可能只有 6到12个月。Thorsten 反复强调的公理是「一切都在变化」，而且每次重大模型发布都可能带来变化。

• 年初，Cursor 还是市场公认的王者，被称为「有史以来最大、增长最快的网站」；几个月后，人们就可能说某个新工具让 Cursor 「看起来像 GitHub Copilot」——陈旧、无聊、面向企业。就在大约 2年前，Copilot 也还是业界最先进的产品。

• Amp 的应对方式不是预测最终界面，而是让品牌、预期、架构和团队都具备快速转向的能力。Thorsten 认为，即便规模化进展顺利，也必须保留迎接新技术「掀翻桌布」并改变整个品类的准备。

• 目前 Amp 的增速超过 50%月环比，有些只有 2人或3人的团队，年化支出已达到数十万美元。但更大的潜在断点，是异步 agent 在后台并发工作，可能产生 10倍或100倍数量的 agent，并主导推理需求和软件产出。

3. 小型产品团队，建立在稳定的企业业务之上

• Sourcegraph 已盈利的既有产品、收入和客户信任，为 Amp 的实验提供资金。正是这种信任，让 Amp 可以暂缓可预测定价、用户自主选择模型，以及各种安全、合规和法务勾选项——这些事项原本都可能吞掉 9个月时间。

• 核心团队大约 8人。目前仍没有正式的代码审查流程，直接向主分支提交代码，每天发布约 15次，并默认由弄坏 CI 的人——或者当时还醒着的人——负责修复。

• Thorsten 形容，每天大约有 15次判断发生在「个人项目式的胶带拼接模式」与「Google 就是这么做的模式」之间。真正的能力，在于知道哪些标准有价值，哪些标准只会把一个可能很快需要重建的产品硬化成化石。

• Sourcegraph 的安全和基础设施团队承担云端运营、扩展等持久性问题。这样一来，Amp 的应用和 UX 层就可以像冰山尖端一样运作：它可以「融化并重建」，而水面下的平台仍保持稳定。

4. 编辑器和终端都还没有赢

• Amp 最初做成 VS Code 扩展，是因为 marketplace 负责分发和快速更新，同时 agent 可以贴近选区、诊断信息和编辑器光标。团队刻意避免深度集成，以便让产品表面保持小巧且可替换。

• Claude Code 颠覆了 Thorsten 对开发者会拒绝 CLI 的判断。终端天然提供 SSH、目录、环境变量、标签页、窗格和多个并发会话；独立桌面应用则必须一点点重新发明这套运行环境。

• Amp 在重做 CLI 两次后发现，内部用户在 CLI 与 VS Code 之间呈现 50/50分布。编辑器更自然地呈现图表、图片和丰富控件；终端则可以跨编辑器和远程环境使用。Thorsten 暂时认为，年轻开发者可能更偏向编辑器。

• 对话发生前 3周，Thorsten 还认为 Amp 会痛苦地放弃 VS Code 扩展。随后他重新考虑：未来可能出现基于网页、手机或 WhatsApp 的异步 agent，它们或许需要不同界面；而一个未公开的项目也让他觉得 Amp 应该保留 VS Code UI。现在他们会同时保留两种客户端，但「总有一只手悬在按钮上」，随时准备砍掉复杂性。

5. 目标不是赢下今天的 UI 交互

• Alessio 追问，把 Amp 嵌入 Cursor 这类 AI 原生编辑器是否很别扭，因为 Cursor 自己的「修复」和聊天按钮也在争夺注意力。Quinn 的回答是，如果开发者在 6个月或12个月后会以不同方式交互，那么今天赢下这场特定交互，「坦白说……并不真的重要」。

• 用户会提出 BYOK、模型选择器、100美元订阅，或每天支出达到 30美元后的封顶机制。Amp 的回应是：一个只在 2%时间里被使用的功能，是否值得拖慢客户真正看重的 agent 改进速度？

• Alessio 问，市场上是否存在「中档 coding agent」。Thorsten 承认，今天确实有人愿意为更便宜的产品付费，但如果用户 6个月后又转向下一款产品，这种持续流失无法支撑可持续的软件业务：「如果真是这样，所有软件商业模式都行不通。」

• Amp 唯一一次正面输给竞争对手，是对方将一款产品 100%折价 2年、另一款产品折价 85%。Amp 拒绝跟进；它更愿意服务那 20%需要最大算力和能力的可信重度用户，让 Copilot 或 Cursor 覆盖另外 80%，从而保留继续「大胆而疯狂」的许可。

6. 最好的 harness 必须具体，但模型终将退居幕后

• 过去每发布一个新模型，就宣布它立即可用的仪式，已经失去意义，因为实际表现取决于系统提示词、工具和周边脚手架。Thorsten 可以在 10分钟内接入 Gemini 2.5，但如果没有沿着「模型的纹理」进行调校，用户就会错误判断它真正的能力。

• 主持人说，Amp 用 Sonnet 4 驱动 agent，用 o3 驱动 Oracle。Thorsten 表示，Amp 不会在产品中展示模型名称，只是因为用户提出要求才将其写入文档；他预计，模型版本会越来越多地隐藏在交互模式之后。

• 一个能力不如 Sonnet 4 的模型，速度可能仍然快 10倍。在受限工作流或不同 harness 下，这种速度可以让用户感受到完全不同的交互，而不是一个打折的「中档模型」——抽象层级更接近于选择任务，而不是选择引擎。

• Amp 已经组合使用 Anthropic、OpenAI 和 Google 的模型，并接近推出一个快速的开源子 agent。Thorsten 提到 Qwen3-7B-Chat 和 Kimiko 等开源模型；不同模型家族各有强项，因此坚持单一供应商越来越像人为制造的纯洁性。

7. 模型供应商的领先地位仍极不稳定

• Thorsten 说，Claude 3.5 Sonnet 于前一年 6月发布后，用户花了 8到9个月才发现工具调用型 agent 能做什么。Claude Code 及相关工具把这种能力展示出来后，大量资金涌入模型和 harness，而相关收益到 2025年9月才开始显现。

• Amp 内部团队中约有一半以非 Sonnet 模型作为主要工作流；过去，他们只有在测试时才会不情愿地这么做。Thorsten 认为，如果假设投入模型研发的人才和资本最终什么都做不出来，只能达到 Sonnet 的水平，那将是「一个极度悲观的结论」。

• GPT-5 Codex 的 API 访问延迟，并没有让 Thorsten 假设供应商在恶意封锁。他相信模型公司关于首发版本能更快收集数据的说法，也愿意给予它们 Amp 希望从客户那里获得的同等迭代空间。

• 他对供应商经济学的判断更尖锐：在「1个月或2个月内」，新闻周期可能会宣称，基础模型公司投入数十亿美元资本开支并激进招聘，最终却丢掉领先地位，引发资金和人才出逃。他没有直接预测这一幕，只是以 Anthropic 在 Sonnet 之前的逆转为例，说明它确实可能发生。

8. 持久产品会使用注定消失的脚手架

• 相比「harness」，Thorsten 更喜欢「脚手架」这个词：模型周围搭起的木制结构，等更好的模型能够记住更多内容、可靠编辑或吸收某个权宜之计后，脚手架就会被拆掉。在单独的 apply 模型上投入 3个月，可能会因为版本「0.7或0.8」已经能够直接完成这些编辑而白费。

• 这种逻辑会消灭传统的 6个月路线图。设计、产品和工程组成的三角关系变成一个未定义的区块，因为没人知道模型最终能做什么；今天规划的功能，交付前可能就已经针对了一个消失的能力边界。

• 更深层的复杂性来自非确定性。Thorsten 把 LLM 比作「一台奔腾时代电脑里来自外太空的这个球体」：假设你要求 Word 加粗文字，它却偶尔把文字改成斜体。一个看起来 98%或95%有效的工作流，仍然可能在剩下的场景里失败。

9. 流行的 agent 功能经常制造虚假信心

• 最清晰的失败模式，是把 vibe coding 变成「把思考外包出去，却不把打字外包出去」。工程师仍然需要理解应用、架构、部署和目标结果；否则，数小时看似高效的生成，最后只会产出没人理解的意大利面代码。

• 提示词增强器从前提上就不成立：有用的提示词包含用户脑中的信息，而另一个 LLM 不可能「凭空把这些信息变出来」，也无法在没有获得这些信息的情况下缩小搜索空间。

• 用户自行配置 MCP，往往会引入痛苦的身份验证、可能多达 50个底层工具、巨大的 token 开销、延迟、费用，以及模型未经训练去选择的动词。自定义子 agent 链条会放大同一问题：更多上下文边界、模型调用和非确定性，以及更难调试的输出。

• Alessio 的 GPT-5 实验把批评落到了实处：模型提出 10个能让自己成为更好工程师的工具，完成了实现，却在重复任务中一个都没用，因为它判断自己不需要这些工具。今天看起来聪明的工具，可能只是在解决模型本身已经学会绕过的限制。

10. 上下文质量胜过拯救一段疲惫的对话

• Amp 包含压缩功能，但 Thorsten 的手又一次「悬在拆除按钮上方」。把 50轮来回消息压缩，并不能恢复干净的上下文；它只会牺牲信息保真度，让线程变得「模糊」，尤其当对话长度本身记录了反复失败时。

• Thorsten 建议，在重启前，先把失败对话中真正有价值的学习内容写回一个规范的 Linear issue。Quinn 警告，模型可能不知道哪个细节是承重的，因此 Amp 鼓励使用大量短线程，并严格控制每个上下文里进入了什么内容。

• 工具输出抽象也有同样风险。把冗长的 Bazel 输出隐藏在摘要之后，可能破坏「所见即所得」，让模型获得与用户不同的证据；而且，随着 CLI 为 agent 调整输出，永久维护一个包装器也可能很快过时。

• Thorsten 的「顺着模型纹理走」原则同样适用于记忆。大多数人使用 coding agent 还不到 3个月，而模型团队需要时间做微调，也只能运行有限数量的实验——其中可能有一半会做错。因此，持久性上下文失败最终可能需要训练来解决，而不是再增加一层本地工作流。

11. 测试和可观测性正在成为面向 agent 的基础设施

• 测试仍是最具持久性的工具之一，因为它能闭合反馈回路。目前，即便有不错的 agent.md 测试指令，Amp 的 agent 也可能只有 90%–95%的执行概率；它有时会调用错误命令，或以错误方式转义命令。

• Quinn 认为，定向测试天然适合做成子 agent：利用编辑器位置和项目结构，只运行相关测试，而不是整套嘈杂的测试集。规模化后，可以为标准 Go 测试、Vitest 和流行框架提供优化过的确定性加模型行为，再用更强的通用模型覆盖长尾场景。

• Playwright 是更大的现实瓶颈。大多数使用 agent 的网页开发者，要么没有 Playwright，要么身份验证配置糟糕到 agent 根本进不去应用；一个能够对运行中的应用执行自然语言端到端流程的并行子 agent，可能显著改善验证。

• 代码库会围绕 agent 进行适配：把浏览器、客户端、数据库和应用输出合并成一份 JSON-lines 日志；记录 HTTP 和推理交互，让测试暴露真实的响应结构；将 agent 集成进框架，让失败的应用能够主动提供上下文。Quinn 的问题已经从人类可读性转向：「怎样才能针对 agent 的消费方式优化它？」

12. 外层循环会奖励重度用户，而不是中位数用户的普及

• 并行 agent 带来的第一个问题是定位，而不是轻松获得杠杆。Quinn 说，他会忘记自己启动过哪些 agent，也无法舒服地同时控制 5个任务；Thorsten 把理想工作流比作一个人在中央公园同时对弈 10张棋桌——坐下、理解局面、走一步，然后继续下一桌。

• Amp 团队用 Amp 编写了自身代码库的 80%–90%。团队跳过正式审查，但要求有人检查 agent 的输出，因此每段代码至少经过 1个人审阅；GitHub 的 reviewer 模型无法体现这样的情况：两个 agent 产出代码，而人类已经把它检查了 3遍。

• Quinn 不认为「非技术」是关键分层。一名可能只上过 1门计算机科学课程的董事会成员，曾用 Amp 替代一款年费约 25万美元的软件，因为他能够毫不含糊地说明需求；目标用户是有动力的重度用户，而不论这个人过去是否把自己定义为 coder。

• Thorsten 没有固定的 coding-agent 评测套件，尽管他过去曾搭建并推动过评测。代码库、提示词和任务的覆盖面太广，这项投入与 Amp 的速度不兼容；相反，每天 15次发布和高强度 dogfooding，可以在当天暴露提示词回归。他们的终点不是赢下今天的基准测试，而是 Quinn 所说的「coding agent 之神」；Thorsten 称，造出它将是编程的「最终 Boss」。