代码智能体与软件工程演进

10月26日

Machine Learning Street Talk 数学从此彻底改变——Kevin Hartnett

• Machine Learning Street Talk AI 代码验证可能成为应用方向，但前提是行为规格写对。 压缩程序只要原样返回输入，就能满足往返证明；证明正确，并不代表压缩有用。Avigad 提到 Harmonic 看好数学证明能力迁移到软件验证的可能性，而 Buzzard 对结果仍持保留态度：“最后能不能成，我不知道。”

10月24日

20VC Naveen Rao：机器人为何将比编码智能体大100倍

• Naveen Rao AI眼下的瓶颈正从产出内容转向判断内容是否有效。 Rao称，原本需要约2周才能解答的研究问题，如今1小时就能完成；但他警告：「我认为，问题已经从生产转向验证。」规格定义和有经验的人类判断仍不可或缺，因此他预计开发产出增长会快于支出从人力转向工具。

10月23日

No Priors 与 Cloudflare 首席技术官 Dane Knecht 谈智能体网络安全普惠化

• Dane Knecht AI生成的软件仍需要更简单的架构和人的判断。 早期模型“喜欢把事情搞复杂”，因此精简代码库、明确工程原则和独立审查至关重要。Knecht说，Cloudflare 可能在明年年底前把红队从1支扩至4至5支，同时继续发布产品。

10月22日

20VC 万亿或一无所有：VC新游戏，CoreWeave暴跌引发恐慌

• 20VC 这场讨论对软件最鲜明的判断是：生产就绪比再多生成一个功能更重要。 Jason认为，模型已经能帮开发者完成大部分工作，但接下来的3天可能都耗在测试和修复上。他把“代码审查”扩展为“从开发到生产部署”，涵盖验证、测试和上线。Rory认同这些是很有吸引力的市场，同时提醒，超高增长也意味着它们会一再遭遇基础模型的竞争。

10月21日

Latent Space 纽约AI：Tenex如何打造AI原生工程团队——Alex Lieberman与CJ Hess

• Alex Lieberman 最值得交易者关注的数据，是Alex Lieberman给出的企业采用漏斗：在10X接触的约100家企业中，90%已部署通用大模型Claude或Codex，约60%提供培训和使用指导，约50%已部署编程智能体，而不少AI Engineer参会者猜测的比例是70%–80%。 非工程类智能体进入生产环境的比例则降至约5%。Alex认为，这是原始智能与企业实际应用之间最大的落差，也印证了10X的判断：技术扩散的最后一公里很难走。
• CJ Hess CJ Hess估算，从12月“Opus 4.5时刻”到如今的Opus 5.5，工程师产出大约翻了一倍；他称Opus 5.5是“了不起的模型”。 Opus速度快、成本低，覆盖了他过去需要用两三个模型才能完成的任务范围。团队经常让它与Codex搭配，由Codex审查其工作；10X的“元框架”将计划、决策和智能体日志保存在代码仓库里，因此上下文“永远不只在某个人脑子里”。

10月18日

十字路口Crossing 新的创业机会，正在 Claude Code 和 Codex 周围长出来｜对谈 Treg

• 石天鑫 工具栈和职业判断都在随模型变化。 Jason 从 Claude Code 重度用户转用 Codex，主要因为 Astra 模型强；他常同时开 5 到 10 个 Session，并把 Trig 与 Super Design 的 Loop 搬到 Grok Bot。模型按场景各有用途：Kimi 曾用于设计 …

10月17日

The Cognitive Revolution AI:AM：方向盘在哪儿？我的智能体设了密码、隐藏效价、证明揪出 Linux 漏洞

• Everett Hildenbrandt Runtime Verification 通过一套系统化的形式化方法流程、仅使用一个 Claude Code 实例，就找到了 Linux 内核漏洞；CEO Everett Hildenbrandt 预测：“最多再过两年，写代码就会成为一门消亡的手艺。” 团队瞄准设备驱动，用 LLM 将 C 移植到 Rust，再进行差分模糊测试，随后验证 Rust 代码；在后两个阶段都发现了漏洞。Everett 预测 24 个月内会出现 Linux 内核的 Rust 模型，但把另一套 Lean 模型视为更长期的目标。他更广泛的判断是，未来将出现“ …

10月16日

Sourcery Vercel CEO Guillermo Rauch 谈如何为 Agents 构建互联网

• Guillermo Rauch 工程正在变成跨 Agent 的资本配置，但 Rauch 既反对盲目的 vibe coding，也不接受人类判断已经无关紧要的说法。 他的原则是“拒绝不理解”：人应该指挥 Agent、检查其成果、验证关键系统，并决定哪些工作值得消耗 token。Vercel 目前招聘看重的是“接管大批 Agent”的能力、技术好奇心和真正的人类沟通能力——证明工作的含义，已经超越了交付一个由 AI 生成的小型 Demo。

The a16z Show 为什么 AI 会写代码，却还无法让代码持续运行（目前）

• The a16z Show AI 编程已从自动补全迈入工业级杠杆阶段，但收益明显更多落在本就理解复杂系统的工程师身上。 Martin Casado 说，他独自用 10 天就交付了数据湖“自动提升”功能的生产代码，而过去大约需要 6 个月。Jad Naous 称这是“10 至 20 倍的提升”。但他也明确指出，团队规模很小，不能代表 100 人样本；“这并不是说一些糟糕的工程师突然就变成了好工程师 …
• Jad Naous 瓶颈已从编写语法转向架构设计和行为验证。 Jad 同时运行 3 到 4 个 Claude Code 会话，让代理审阅设计文档和 PR 文档、并行实现，再由他亲自“逐点”整合成果。他说自己用 Windows 和 WSL，提到 Opus 4.5，之后又介绍了一个使用 Opus 5 的技巧。大型 PR 越来越容易生成，测试、基 …

10月15日

硅谷坐标 Silicon Valley Vector 硅谷坐标 x Datadog首席产品官｜HYSTA主席李严冰: AI 落地进入 ROI 时代

• 李严冰 Datadog内部AI投入的最大部分可能是编码代理，但真正的考核指标不是token消耗，而是工程产出。 公司把使用量与PR速度、产品稳定性、功能交付和安全改进对应起来；更现实的风险来自员工自制的“业余级别”代理，它们可能泄露业务数据或API密钥，而非“人工智能杀死人类”的末日情景。

10月12日

Sourcery Perplexity CEO：中小企业或将推动下一轮经济繁荣

• Aravind Srinivas Srinivas 认为，写代码几乎已经解决，稀缺的仍是问题选择。 一旦约束、规格、安全风险和市场进入逻辑明确，写代码「几乎已经是一个解决的问题」；更难的前沿是持续性研究，因为真相无法即时验证。他设想的终局，是让智能体在现实世界中检验假设，从而「任何人都能感觉自己像个 PhD」。

10月8日

硅谷101 E255｜模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔

• 张阔 Coding Agent 的渗透率被张阔估计为99%，商业 Agent 却仍处在起步阶段，根本差异是数字化程度、可验证性与反馈周期。 代码能否编译、结果是否正确可以立即判断；商业结果却可能要按天、周、月乃至年验证，同一笔交易也会因企业追求利润率、市场份额或速度而有不同结论。

10月7日

The Cognitive Revolution 永不出问题的软件：OutSystems CEO Woodson Martin 谈如何以 AI 速度构建企业级应用

• Woodson Martin OutSystems 的 AI 论点是，只有企业能守住软件“永不出问题”的承诺，更快生成代码才有意义。 编程代理围绕应用意图的抽象模型工作，之后由平台确定性地生成软件，并内置安全、基于角色的访问控制、复用和治理能力。对投资者而言，真正的护城河不只是更强的生成能力，更是 25 年积累的基础能力和客户信任，而 AI 原生初创公司无法在短期内复现这些资产。

10月2日

Latent Space 递归语言模型——Alex Zhang，MIT 博士

• Latent Space AI 生成的 GPU 内核已经具备竞争力，但专家直觉仍是稀缺输入，因为基准测试的胜利并不保证系统层面的可靠性。 近期 GPU Mode 排行榜几乎被 AI 辅助提交占据，但资深内核开发者 Gorst 做出了前10名中几乎唯一一个能在复杂真实系统内稳定运行的内核。专家经验能让使用者成为强力验证者，在模型浪费“1,000亿或1万亿个 token”之前把它引回正轨。

Sharp Tech （预告）智能体全解：Dots 登场、Google 与 Apple 之问、Muse 后续、超级智能与天命

• Sharp Tech Claude 和 Codex 目前在 Ben 的工作流中扮演互补角色。 Claude 是负责保留上下文的“幕僚长”，Codex 更适合执行定义清晰的项目；Andrew 的比喻是：“Claude 是枪管，Codex 是弹药。”

9月30日

Machine Learning Street Talk AI能写出证明，谁来检查？——Leonardo de Moura

• Leonardo de Moura AI可能让规范驱动开发成为日常，但无法免除决定软件应该做什么的艰苦工作。 规范来自用户反馈，会在部署后继续变化，并可能使生成的代码及其证明失效；AI的价值在于更新这些产物，让验证能够经受迭代。一份简单、未优化的Lean实现本身就可以充当规范，供AI据此推导出等价的优化版本。

9月29日

Latent Space Claude Code 的未来：Mods、可变软件与多智能体协作——Thariq Shihipar，Anthropic

• Thariq Shihipar Claude Code 的前沿正从单一编码 CLI 转向由智能、界面和执行组成的分布式系统。 Anthropic 正在形成的架构，将云端“大脑”、本地或远程“手脚”，以及能协调多个智能体的 artifact 界面拆分开来，不再依赖某一台电脑持续在线。Thariq Shihipar 设想的终点，是“为你的 harness 即时生成的界面”（an on-the-fly …
• 最高杠杆的编码能力仍然是精准沟通，因为更聪明的智能体会同时放大清晰意图和未解决的歧义。 Thariq 把 prompting 比作面向特定听众的公开演讲：用户必须知道 Claude 哪些任务可以一次完成，在实现前识别未知项，并提供领域术语、约束条件和验收预期。他认为，足够高级的 prompting，本质上等同于足够高级的高管沟通。
• 前沿模型甚至可能在简单工作上实现 Pareto 领先，因为智能会减少验证和重试所浪费的 token。 Thariq 预计，更聪明的模型最终能把直白任务一次做完，而不是反复检查截图或探索死路；如果是软件工作，他个人会倾向于 Max 20x 方案，并在必要时把验证和审查拆开。当前，他对安全和代码审查通常分配 high 或 max effort，对 UI 工作分配 low 或 …
• CLAUDE.md 可能只是过渡性 artifact，而非永久基础设施。 Thariq 现在认为，新项目或许更适合一开始不使用 CLAUDE.md，等同类失败反复发生后再加入指令，因为与模型和版本绑定的规则——例如 Fable 5.1 与 Fable 5、Claude 4 与 Claude 4.5 之间的差异——可能会过度约束后来的模型 …
• Latent Space Claude Code Mods 把 harness 本身变成可变软件，把定制范围从脚本扩展到 agent loop 和 UI。 Mods 可以检查消息、回合和 token 用量，生成保留 prompt cache 的分叉智能体，返回结构化分类结果，注册工具，渲染界面元素，并组合成路由、artifact-first 工作、假设追踪或自动下一步审查等模式。这里的机会在于形成一个 power-user 生态：一 …
• Claude Code 的企业价值，与其说是“在 Slack 里聊天”，不如说是成为拥有共享上下文、权限和主动工作流的组织级 harness。 事故处理、法律审查、潜客调研、告警和项目频道天然需要多人协作；Claude 可以直接基于底层工作向审查者回答问题，让最初的工程师退出链路。这也使安全基础设施成为产品护城河：身份边界、共享与本地凭证、外部频道、prompt injection 和跨频道数据外泄，构成了可见体验之下的 …

9月24日

20VC 20VC：Meta Muse登顶第一，ChatGPT终于迎来对手

• 20VC 模拟投委会以50亿美元估值批准Factory，放弃11亿美元估值的Lagora和309亿美元估值的Crusoe。 Factory押注Rory的核心判断——“Coding是金矿，是一切”——以及数据主权，因为企业“不信任Anthropic和OpenAI来保管数据”（Jason说：“他们当然会拿你的数据训练。别逗了。”）。Lagora/Harvey被报道为-50%的毛利率让Jason警惕 …

9月21日

20VC Daniel Dines谈UiPath：AI不能取代人，工作流更值钱

• Daniel Dines AI 的概率性决定了它应位于设计层，而确定性软件仍应承担高后果工作的执行层。 Dines 举例称，一个单步可靠率为99%的流程，重复100次后完成整套流程的概率只剩大约60%。因此，他认为 coding agents 应负责生成、修复、测试和审计精确软件，而不是自主在生产环境中即兴发挥。“用 AI 创建以可预测、受治理、可审计的方式运行企业的软件。”
• Vibe coding 已经大幅压低原型开发成本，却没有消除从原型走向生产的昂贵过程。 UiPath 曾完全依靠 AI 做出一款采购工具，随后发现缺少连接器、权限、审计和安全要求，测试也不充分，数据库 schema 更是“完全错误”，最终仍需要人介入。Dines 警告，内部替代方案最终可能和采购软件一样昂贵，同时消耗公司最强的技术人员。

Latent Space 从 InstructGPT 到 Jev：ChatGPT 之后是什么 — Diogo Almeida，TypeSafe 联合创始人兼 CEO

• Latent Space 他的 coding agent 判断是：现有头部 agent 建立在单模型世界之上，而开放 agent 可以试验多模型设计。 他下一步的研究方向是打造“摆脱 KV cache 暴政的 coding agents”：带标签的子任务树、并行 agent 之间共享状态，以及低成本查询历史上下文，而不是把持续学习当成一个独立问题。