人工智能改变了编程的面貌

很难说清楚在过去两个月里，由于人工智能的发展，编程发生了多大的变化：这种变化并非以 “常规进展” 的方式逐渐发生，而是特指去年 12 月以来的变化。这其中有一些需要注意的地方，但在我看来，编程代理在 12 月之前基本上无法正常工作，而从那以后就可以了 —— 这些模型的质量、长期连贯性和韧性都有了显著提高，它们能够完成大型且漫长的任务，其程度足以对默认的编程工作流程造成极大的干扰。

举个例子，上周末我正在为家里的摄像头构建一个本地视频分析仪表盘，于是我写道：“这是我的 DGX Spark 的本地 IP 以及用户名 / 密码。登录进去，设置 ssh 密钥，安装 vLLM，下载并测试 Qwen3-VL，设置一个用于视频推理的服务器端点，搭建一个基本的网页用户界面仪表盘，测试所有功能，用 systemd 进行设置，为自己记录内存相关的笔记，并为我写一份 markdown 报告”。这个代理花了大约 30 分钟，期间遇到了多个问题，它在网上搜索解决方案，一个一个地解决，编写代码、测试、调试，设置服务，最后带着报告回来，任务就完成了。我什么都没做。就在 3 个月前，所有这些事情很容易就会变成一个周末的项目，但如今，你只需启动它，然后就可以 30 分钟不用管了。

因此，编程正变得面目全非。你不再像计算机发明以来那样，把代码输入到编辑器里，那个时代已经结束了。你现在要做的是启动人工智能代理，用英语给它们分配任务，并并行管理和审查它们的工作。最大的收获在于弄清楚如何不断提升抽象层次，设置长期运行的 “协调器爪子”，配备所有合适的工具、内存和指令，以便高效地为你管理多个并行的代码实例。目前，通过顶级的 “代理工程” 所能获得的影响力感觉非常大。

这并非完美无缺，它需要高层次的指导、判断、鉴赏力、监督、迭代以及提示和想法。它在某些场景下比在其他场景下工作得好得多（例如，特别是对于那些定义明确且你可以验证 / 测试功能的任务）。关键是要培养一种直觉，恰当地分解任务，把能做好的部分交出去，并在边缘部分提供帮助。但在我看来，软件行业现在绝非处于 “一切如常” 的时期。