我最近在一篇讨论“理解成了新的瓶颈”的 HN 帖子下,成了点赞数最高的评论。当时我基本上是在玩“本来一直如此”的梗,结果语气比我原本想表达的更加阴阳怪气。但今天我刚看到 HN 上又有一篇登上首页的帖子,标题是“与 AI 共事,更像是在做领导工作,而不是编程”,这让我担心这种说法正在变成一种趋势。工程师们正在形成一种(大体上正确的)直觉:管理多个智能体,很像管理工程团队。现在,我觉得自己不得不吐槽一下工程师最糟糕的习惯:没人他妈的读说明书。
我第一次注意到这一点是在数据科学领域。工程师们花了多年时间,建立起一套基础技术和诊断方法。那是一个新领域令人兴奋的时期。
只不过,它并不是一个新领域。它只是换了个更酷的名字的统计学。当然,真正推动这个领域向前发展的人都知道这一点。我相信,他们当时的想法是:只要收集到足够多的观察结果,概率就会变成确定性——“大数据”这个梗大概就是这么来的。统计学家通常不知道该如何使用 BigTable,或者如何编写 MapReduce。不过,在我观察他们的时候,我并不确定大多数人是否知道,数学部分其实早就存在了。
这似乎是一种反复出现的模式。《数据科学 50 年》注意到了学术界的这一现象,Nate Silver 也曾说过:“我觉得‘数据科学家’是‘统计学家’的一个更性感的说法。”这引发了数据科学从业者大量愤怒的博客文章。接着轮到了加密货币。Matt Levine 注意到,加密货币基本上速通了金融史,结果有时很有趣,但更多时候既滑稽又灾难性。我们甚至还重新发明了公交站。
软件工程师会这么做,有很多合理的原因。
当然,也有一些不那么合理的原因:
正是这些不那么合理的原因促使我写下这篇文章,因为当我读到那些讨论如何管理智能体的思辨文章时,我仿佛已经能看见事情会如何发展。那些从来没认真对待过 TDD 或 PRD 的工程师,正在发现自己必须提前定义每一种行为,以免 AI 做出错误假设,最终构建出错误的东西。那些曾经抱怨非技术出身的工程经理(EM)根本不真正了解系统运作方式的工程师,正在意识到:他们连 AI 生成的一份一万行代码的 PR 都懒得读。突然之间,瀑布模型成了正确做法。
但工程师们大概不会把它称为瀑布模型或项目群管理(program management)。他们会给它起一个更性感的名字,同时重新发明大量已有的知识。也许,沿用旧名称就等于承认管理者当初是对的。又或者,他们甚至已经不知道什么是瀑布模型了,毕竟这个词已经很久没有以正面的方式出现过。我怀疑大多数人不知道 Winston Royce 是谁,也没读过他的任何论文。就连工程师们曾经拒绝的那套流程,他们也是在没有真正理解的情况下拒绝的。不过话说回来,项目群管理的操作指南通常也不会登上 HN 首页。
但项目群管理就是智能体编排的一切内容!确保需求得到充分记录;确保这些需求从一开始就是最重要、最值得投入精力的事项,以免浪费宝贵的 token 和时间;创建清晰的工作分工;建立流程,确保产出的交付物满足所有标准。随着智能体运行时间越来越长,让它们在过程中定期汇报进展也会变得越来越必要。这个仪式有一个专门的名字,而工程师们已经花了十五年争论它应该持续多久、谁应该参加,以及它到底值不值得占用自己的时间。
因此,我想向那些正在思考这些问题的工程师呼吁:为了给自己和整个行业节省一些时间,不妨从历史中学到一点东西。下面是几本我读过、并认为很可能适用于 AI 管理的相关书籍: