决定代码复杂度的东西不在代码里，在写代码的人的脑子里。LLM 碰不到它。 这是 软件工程师 Pol Alvarez Vecino 读完 Peter Naur 1985 年的论文后得出的结论。 为什么 LLM 没法让你的代码更简单 本文最初发表于 Medium（ tl;dr：Peter Naur 的《Programming as Theory building》指出，真正的程序——他称之为 Theory，大写的 T——存在于工程师的脑子里。代码和文档只是下游的（因而不完整的）产物。我对 LLM 最大的抱怨之一，就是它写出来的代码有多啰嗦、复杂度是怎样到处蔓延的。我一直抱着一丝信念：也许我们可以用 LoC 或者独立代码路径数量之类的指标来约束它们。然而，读完 Naur 之后我意识到，我们想降低的那个复杂度是 Theory 的复杂度，不是代码的复杂度，而这方面没有任何可用的度量，因为它非常主观。 我最近读了 Peter Naur 那篇精彩的论文《Programming as Theory building》（ LLM 能做什么、不能做什么的看法，也改变了我对如何给它们写提示词、当前 agent 系统的主要局限，以及结对编程为何如此有效的看法。 今天我只聚焦它和代码复杂度的关系。 如果你还没读过这篇论文，我真的建议你读一读。说实话，我写这篇文章的主要目的，就是让一些人去读原论文。它值得花这个功夫。这也是练习（或学习！）在 Solveit 里做精读的绝佳机会，因为在 Solveit 里这要容易得多：你可以在阅读过程中随时提问，钻进任何你感兴趣的兔子洞，或者直接让 Solveit 帮你把语言讲清楚。关于精读的更多信息见这篇博文（ fork 我的对话记录快速上手（ 话说回来，如果你还是决定不读，这里是论文的 tl;dr： 程序是构建和维护它的人所持有的 Theory：一种理解——程序如何与现实世界的问题相关联，哪些约束和权衡塑造了它，它为什么能工作，以及哪些改动符合它的设计。代码和文档是这套 Theory 的下游产物，永远无法完整地承载它。 工程师通过经验发展出这种理解：与用户交谈、观察故障、学习领域知识、观察系统在真实世界中的表现。这种理解指导着对相关性、相似性、简洁性和良好设计的判断。 LLM 不太擅长持续学习，不擅长和用户交谈，也不擅长在真实世界里体验事物。但这和复杂度有什么关系呢？ 我想我们都同意：LLM 总体上倾向于让代码库的复杂度上升，如果没人管的话。原因有很多：它们没意识到某个方法已经存在，于是又写了一遍；它们写过度防御的代码，比如为不可能发生的边界情况做防护；或者过早地过度优化。顺便说一句，大多数前沿实验室从你消耗的 token 里赚大钱，所以它们多少有动机去推广 token 最大化。总而言之，LLM 很少遵循 KISS 原则。这个问题在你不看输出、纯 vibe-coding 的时候最严重。但即使你会审查代码，要想让程序保持简洁，也需要主动付出努力去尽量削减复杂度。 在我天真的日子里（大约两周前），我曾以为我们早晚能爬出这个复杂度的大坑。前沿实验室只需要在 RL 训练里加一些复杂度惩罚就行。他们可以用总 LoC 作为最小化的指标，但我们都同意，有时候一行代码比两三行更复杂。另一个选项是圈复杂度（cyclomatic complexity），它衡量独立代码路径的总数。读完 Peter Naur 之后我意识到，这些东西无法真正解决问题（也许能稍微缓解一点）。我们来看看为什么。 为什么代码复杂度是错的指标 在下面这个（我编的）例子里，我们想支持调用 OpenAI 和 Anthropic。假设所有的消息准备和重试逻辑完全一样，只有请求体参数略有不同，于是我们有两个不同的方法 call_openai 和 call_anthropic。 在第一个朴素版本里，我们有两个不同的类，带重复的样板代码（即 prepare 和 with_retries）。 分开 —— 指标会发现重复 class OpenAIClient: def complete(self, prompt): msgs = prepare(prompt) # 公共样板代码 y = call_openai(msgs) # 唯一不同的一行 return with_retries(y) # 公共样板代码 class AnthropicClient: def complete(self, prompt): msgs = prepare(prompt) y = call_anthropic(msgs) return with_retries(y) 一个直接的 refactor 是创建单个类，做到 DRY。按很多指标看这都是更好的实现：行数更少、Halstead 容量更好（V=N×log2(n)，N 为程序长度，n 为词汇量）、可维护性指数（Maintainability Index）也更好。 合并版 —— 按指标看确实更好：DRY，行数更少 class LLMClient: def __init__(self, provider): self.provider = provider def complete(self, prompt): msgs = prepare(prompt) y = call_openai(msgs) if self.provider == "openai" else call_anthropic(msgs) return with_retries(y) 一般来说，第二个版本（或者类似减少 LoC 和重复的版本）复杂度更低。但是，如果我告诉你，下个月我们很可能就停止支持 Anthropic 了呢？在那种情况下，我更倾向于让它们保持分开，这样到时候我只要删掉包含 AnthropicClient 的那个文件就行。 当然，这种简单的例子很容易解决，尤其是现在 LLM 可以帮你写代码。但如果你的目标不是 2 个供应商，而是像 LiteLLM 那样支持 165+ 个供应商呢？那种情况下，直接用 LiteLLM 就行。但那样你就把 120 多万行 Python 代码放到了你和最终供应商之间。值得吗？ 设计良好的 API 是抽象复杂度的绝佳方式。你有清晰的契约，不需要理解背后发生了什么。即使 LiteLLM 是一个庞大的包，它也可能不计入你的 Theory 总复杂度。LLM 推理端点早期的日子就是这样：「文本进，文本出」。然而，当契约不再可靠时，这一切就会崩塌。原因可能是它有 bug，可能是 API 背后藏着大量你拿不到的状态，也可能仅仅是你不确定某个新供应商特性是否被支持。 每当你被迫窥视 API 抽象层背后的深渊时，那份复杂度就成了你的问题。这个问题正变得越来越普遍。像 OpenAI 和 Anthropic 这样的供应商，越来越多地把数据藏在服务端，比如加密的压缩数据或推理 token（更多讨论见 如果你在快速推进、只用基础功能、想尝试很多供应商，那么 LiteLLM 或类似的库可能值得用。反过来，如果你看重控制力、调试和对技术栈的理解，那可能就不值得。不存在「正确的」复杂度（虽然我非常偏好第二种选择）。 进入 Theory 决定走哪条路的信息不在代码里。这些信息属于 Naur 所说的程序的 Theory 的一部分。迄今为止，LLM 几乎接触不到这些信息，因为它们活在人的脑子里。它们可以从 IM、邮件或其他书面文档里得到一些线索，但那些永远只是局部的（最好的情况下）。 其中一些信息可以作为上下文提供给 LLM，比如业务优先级、预期的产品变化、运维约束，以及早期决策背后的原因。这样做也许能改善它的选择，但这些仍然只是 Theory 的产物。它们无法完整地传递团队发展出这套 Theory 所依赖的经验和判断。 这些都很好，但如果我全身心投入 vibe-coding 和 token 最大化、完全不在乎代码呢？那样的话，这篇博客后面的内容说服不了你。如果你处于两者之间，我来描述一个我们在 亲身经历的真实情况，关于 Solveit 的计费系统。 剧透警告：在 最初的计费系统 Solveit 是一个平台，你可以在里面用 AI 在一个类 notebook 的环境里工作。环境是持久化的，所以我们对 LLM 用量、CPU、磁盘、内存和带宽收费。 最初的计划是向用户收月度订阅费（比如 5 美元）。这笔月度订阅费变成当月可以消耗的积分（credits），如果全部用完，下个月之前就得充值。我们先在一个更小的项目里测试了这套方法来验证它。 这套方法后来证明比我们想要的更复杂。第一，积分 + 订阅的机制会把人（比如我自己）搞晕。第二，它让代码在多个层面上更复杂。你得处理「先消耗月度订阅积分、再消耗普通积分」的所有逻辑，以及剩下的积分怎么办。在 Stripe 这一侧，它有两个不同的代码路径：手动充值和订阅服务。 对不熟悉的人来说，Stripe 订阅是一个全托管服务。Stripe 管理整个生命周期（扣款周期、发票、重试全在他们那边）。 你大致只需要这样创建订阅： stripe.Subscription.create(customer=cust_id, items=[{"price": "price_5usd_monthly"}]) 然后监听他们的 webhook，在订阅状态变化或付款到达时更新你的数据库（还有很多其他事件可以选择）。 直接收款则需要你启动一个 checkout session，让用户跳转到 Stripe 的域名填卡。这需要你提供一个 customer ID。那应该在什么时候创建 Stripe customer？用户注册时？他们尝试付款时？还是别的时机？全都是合理选项。 stripe.checkout.Session.create(mode="payment", customer=cust_id, line_items=[{"price": "price_5usd", "quantity": 1}], success_url="") 到目前为止还好吧？如果你对 Stripe 或支付没有太多经验，很可能你已经感到吃力，没法把这一切全装进脑子里。也许你设法把它简化成了： • 订阅 → 交给 Stripe 订阅服务管理 • 充值 → Stripe checkout 一个不明显的问题是：使用 Stripe 托管服务意味着你有重复的数据。一半数据在 Stripe 的后端，而你必须保证本地数据库和它同步。另一个问题是，调试的时候，你既要查 Stripe 的服务，又要查自己的数据库。比如，一笔付款没到账，是 Stripe 没发 webhook（「他们的错」），还是我们没把它存进数据库（「我们的错」）？ Stripe 订阅服务很棒、很容易上手，但它是为支持海量用例而设计的。这意味着，即使设计得很好（它确实很好），这个 API 抽象最终也相当复杂。在这种情况下，你在用「卷起袖子自己写代码的复杂度」交换「学习 Stripe API 的复杂度」。 LiteLLM 和 Stripe 在不同规模上展示了同一个权衡：只要契约成立，外部抽象能极大地简化你的 Theory；但每当你需要调试、修改或超出契约去推理时，它隐藏的复杂度就变成你的了。 AAI 的做法 在 经过很多天的探索和讨论，我们最终定下了一个简单得多的系统。 首先，我们只做积分（credits），按用量收费。这是一个超级简单的模型（和 Theory！）：充值积分，用多少付多少。 订阅一去掉，我们就可以删掉一大块用来保持同步的代码。剩下的付款路径只有两条：手动充值和自动充值。要做自动充值，你需要能保存客户的信用卡，以便随时扣款。而 Stripe checkout 不会保存信用卡，你只是让 Stripe 在他们的 UI 里处理这次付款。 长话短说，我们最终发现最简单的办法是：用户一注册就保存他们的信用卡。卡一旦在档，用户可以用它手动充值，也可以设置成自动充值。因为全部是我们自己处理的，同步问题几乎为零。我们只监听支付成功事件（没有订阅了！）。 结果就是，我们支付系统的 Theory 可以用一句话概括： 客户注册时添加信用卡，之后我们对该卡扣款——要么手动（充值），要么在余额不足时自动扣。 手动充值和自动充值现在走同一条支付路径。我们整个支付技术栈——拆在 Solveit 和 faststripe 之间——大约 300 行代码。 结果是非常低的复杂度，但这是数小时的探索、尝试和讨论换来的。我这里的解释充其量只是触及皮毛。 印度登场 那么上线那天发生了什么？一切顺利吗？没有。上线后我们发现，印度信用卡不支持你想什么时候扣就什么时候扣的 off-session 扣款。手动充值属于 on-session，仍然可以工作，因为用户会在我们的 UI 里看到一个类似 3DS 的验证流程；但自动充值不行。 在寻找解决方案时，我们发现 Stripe 托管订阅在印度确实能工作。为什么？因为 Stripe 替你绕开了所有这些复杂度。他们提前一天创建并持有 off-session 的支付意图（payment intent），这样银行就能在实际扣款前向用户发送预扣款通知或认证请求。 我们迁移出托管订阅时，就失去了这个特性。我问了一个前沿 LLM——我记得是 GPT-5.5——我们该怎么处理这个问题。你猜它给出的方案是什么？ 用回 Stripe 订阅来处理 这个 LLM 提议的正是我们刚刚迁移出来的方案。读到这里，你会怎么说？你的意见是什么？我们应该迁回去吗？ LLM 列出了两个选项：要么同时支持两套系统（随时可以开工，你一句话就行！），要么完全迁回旧的系统。我们做了什么？什么都没做。我们非常看重 Theory 复杂度，于是我们决定：让印度用户手动充值就好了（抱歉了各位！），换来一个更简单、更健壮的平台。 如果你不同意我们的选择，反思一下为什么不同意。真的，现在就停下来想一想。 这个问题没有正确答案，而这篇博客的目的之一，就是帮你看清你的答案来自哪里。你的论据是什么？更具体地说，它们是从哪里来的？ 有很多场景下 Stripe 托管服务是更优的选择。举几个例子： • 公司收入最重要，手动充值的额外摩擦可能会让我们损失一些印度销售额，那我们应该迁回去（或者同时支持两套） • 销售团队用 Stripe Dashboard 的 UI，所有支付信息都放在我们自己的数据库里并不理想，因为他们没法在那里管理 我的观点是：你的代码的复杂度，真的取决于一大堆和代码无关的因素，而那些信息不在代码里。 隐藏的优势 那么为什么不干脆让 LLM 全权处理这些事呢？在我看来，最妙的答案是：我们的工作方式揭示了一个可能的商业机会。印度不支持 debit mandate（借记授权）的方式和世界其他地方不一样。Stripe 试图解决这个问题，但远远不是一个完整的解决方案。 在理解和简化流程与 Theory 的过程中，我们学到了产品之外有价值的东西。在我看来，这类洞察是可以转化为竞争优势的。 努力去理解，本质上就是一个简化 Theory 的过程。如果你放任 LLM 在复杂度上为所欲为，你可以很快产出大量代码。选择简化路线更长、更费劲，但长远来看我认为它是值得的，而且你可能会在路上发现隐藏的宝石。 原文： #LLM# #编程# #代码复杂度#

每日和 Kimi K3 一起学习中文…… 大袋子：大段大段的代码，形容代码复杂度极高。 浅子：形容代码方法简单重复，可以统一为简单逻辑。

和Quant Alex @StochAlex07 讨论： **总结：Jeff Liang 与 Quant Alex Wu 关于期权挂单滑点捕获优化的讨论** 两人讨论的核心焦点是：**当前期权挂单执行效果差（滑点大、成交差），本质上是缺乏高频/算法做市能力导致的，需要从“钝刀子割肉”升级到专业的 Delta 对冲 + 期权做市系统**。 ### 1. **问题诊断** - 当前挂单像“**钝刀子割肉**”，成交概率低、排队位置差，滑点严重。 - Jeff 提供数据：**平均每成交 1 张期权亏损约 5.2 美元（略小于 1bp）**，已含手续费和返佣，仍无法接受。 - 即使永续合约 maker 返费能补一点，也“无法坐视不理”。 - **价格检查和调整频率不是核心**，**成交概率（fill probability）和排队位置（queue position）才是关键**。 ### 2. **根本解决方案方向（Alex 观点）** - **好的 Delta 对冲系统与现货/期货/永续高频做市系统有大量技术重叠**。没有这个基础，面对逆向选择（adverse selection）基本无力。 - 把 **maker 单做 Delta 对冲** 本质上等同于 **Delta 1 做市处理 inventory risk** 的过程，两者“豁然开朗”地高度一致。 - 期权做市和 Delta 1 做市是**联动的**： - Delta 1 系统负责处理期权的 Delta。 - 期权本身也能给 Delta 1 头寸提供保护。 ### 3. **技术实现难度与路径** - **需要进入 algo trading / HFT 领域**，涉及大量工程投入。 - **语言要求**：Python 无法胜任，必须 **C++ 和 Rust**。 - **针对客户**：最终服务于场内大宗交易的机构客户 / 高净值个人。 - **从 0 开始的完整路线（Alex 详细规划）**： 1. 大量采集 **永续 + 期货 + 期权订单簿**（快照、增量、逐笔成交数据）。 2. 构建 **成交概率模型 + 队列模型**： - 限价单 arrival intensity（到达强度） - 成交概率 - 排队位置 - 延迟建模 3. 先在 **Delta 1 产品上跑通**，验证回测系统。 4. 再扩展到**全部期权合约**（需大量重构与验证，代码复杂度很高）。 5. 额外开发**挂限价单 + 打对价成交**等专业算法，降低总体滑点。 6. 最后小资金实盘测试。 Alex 反复强调：**“这个项目是货真价实的重工业”**，工程量和研究投入都很大。 ### 4. **共识** - Delta One 的研究正是期权成交概率研究的基础。 - 期权做市必须和 Delta 对冲系统深度融合，不能割裂。 - 当前阶段是**基础设施建设期**，需要耐心投入资源。 **总体评价**： Alex 给出了非常专业、系统性的优化路径，从数据层、模型层到执行层都有清晰步骤，强调这不是简单调参数，而是要建立高频做市级的能力。Jeff 则侧重业务痛点（真实滑点成本），两人对“必须重做底层系统”达成一致。 这是一个典型的**量化执行优化**讨论，从业务问题出发，直指 HFT 级基础设施建设。

很多项目的复杂度其实并不高。 框架设计简单，业务逻辑也不复杂。无论是人写代码还是 AI 写代码，差距往往没有想象中那么大。有些时候，AI 甚至写得比人更细致。 后端大部分场景无非是增删改查，偶尔遇到高并发，加缓存、队列、异步任务，通常也能解决。前端更多是数据请求、状态管理、模板渲染，真正复杂的场景也不常见。 所以在软件实现层面，AI 的胜任度已经非常高。 时间久了，人对 AI 就会逐渐建立起一种信任感。我们会觉得它解决问题越来越厉害。实际上，很多时候并不是 AI 突然变强了，而是我们面对的问题本身就没有那么复杂。同时 AI 还在持续进步，两者叠加之后，人会越来越倾向于把事情交给 AI。 那么问题也就来了。 当所有逻辑都交给 AI 实现的时候，项目初期可能运行得很好。但随着业务不断演进，if else 越来越多，数据流越来越复杂，代码规模也会快速膨胀。 这时候，人对系统的掌控力就开始下降。 出现 Bug 之后，人依旧能够分析问题，但第一反应已经变成继续交给 AI 去排查和修复。慢慢地，亲自理解代码的动力会减弱，对业务逻辑的理解也逐渐模糊。 这就是很多复杂项目失控的开始。 如果项目再涉及多人协作，这种失控会来得更快。 每个人都在让 AI 写代码，都能快速提交需求，也都觉得项目推进得很顺利。但当系统真正出现问题时，却找不到一个能够理解全局的人。 AI 时代最重要的问题，或许已经变成了“什么东西必须交由人来负责”。 需求可以让 AI 实现，代码和测试也没问题，但架构边界、数据流向、系统约束以及长期演进方向，还得让人来跟进。 如果每个需求都只是告诉 AI 一句话，然后等待结果出现，项目最终会变成一个可执行但不可理解的黑盒。这对商业化项目来说，可能会是一场灾难。

AI 编程工具标准之争爆发：Shopify 因“复杂度税”要禁用 Claude Code Shopify 的 CEO 公开威胁，要在公司内部禁用 Anthropic 的 Claude Code 编程工具，原因不是工具本身不好，而是它不支持一个行业开放标准配置文件。 现在很多公司（包括 Shopify）同时在用多种 AI 编程助手：这些工具需要知道项目的特殊规则、代码风格、架构约定、技能说明等，所以大家会在代码仓库里放配置文件。 但 Claude Code 默认只认自己的专属文件 CLAUDE.md，不主动读取 AGENTS.md。 Shopify 是个大型 monorepo（单体仓库），有几千名开发者共用。 一旦某个目录漏放了 CLAUDE.md，用 Claude Code 的同事就会拿到“阉割版”的项目认知，而用其他工具的同事则正常。Tobi 把这称为 分裂脑 或 脑叶切除。 虽然 Shopify 已经写了自动化脚本去同步两套文件，但 Tobi 认为这是一笔完全不必要的“复杂度税” Claude 团队的回应 @trq212 很快回复： 他们正在让 Claude Code 变得更“可黑”，未来会支持轻松使用 AGENTS.md，或者其他自定义系统提示。 之所以目前坚持 CLAUDE.md，是因为他们认为不同模型家族（Claude vs GPT 等）并不可互换，系统提示对模型表现影响很大，所以他们为不同模型准备了不同的提示格式。 短期临时方案：可以在 CLAUDE.md 里直接 Agents.MD 引用过去。 这个解释并没有完全说服所有人，很多开发者认为：更合理的做法应该是默认支持行业开放标准 AGENTS.md，把 CLAUDE.md 当作特殊优化选项，而不是反过来。 Anthropic 承诺会改进，但具体支持时间表还没完全公布。

分享一个很有效的AI Review代码的方案 开新窗口不带上下文去Review代码 或者 用其他模型去Review代码 我最近用的很好用的提示词： 找 Bug。 找需求遗漏。 找不必要的复杂度。 找缺失的测试。 建议删除或简化。 不要自动大规模重构

AI Coding 时代，好的编程习惯仍然重要 最近做一个 Agent benchmark，发现不能简单地用开发者视角来评估一个编程任务对 AI 的复杂度。 比如一个重构任务：把一个几千行的大文件，按功能拆成十多个小模块。 这个任务对开发者来说其实不算难，主要工作就是移动代码、整理 imports、编译验证，新手也能搞定。 所以想着用一个简单的任务来做一下 benchmark，结果却出乎意料。 Claude Code 判断这个任务比较大，尝试拆了一部分，提了个 PR 写了 Future work 打算分步来。 我自己的 Agent 是“硬上”，往完整拆分的方向推进了更多，但代价也很明显：Token 消耗是 Claude 的几十倍，后面大量时间都花在反复读文件、修编译错误、再读文件、再修错误上。 这让我意识到，人觉得简单的任务，对 Agent 不一定简单。 对人来说，这类重构很多时候就是“把这一段挪过去”。但对 Agent 来说，它要先分批读大文件，记住哪些函数和哪些测试有关，再生成一堆跨文件修改，最后通过编译错误一点点补洞。看起来像机械活，实际变成了一个高 Token、高状态管理成本的任务。 前一段时间看到有人说，AI Coding 时代，拆分模块这些编程原则没那么重要了，反正人也不看代码。现在看，我不太同意。模块边界清楚、文件粒度合适、依赖关系简单，不只是方便人读，也是在帮 Agent 降低任务复杂度。 从另一个角度看，现在 Agent 的读文件和改文件工具，对这种重构也不太顺手。 Coding Agent 改文件，主要还是文本替换。比如 Claude Code 常见的是 old_string / new_string 模式：先给出一段旧文本，再替换成新文本。Codex 常用的是 apply_patch：生成一个类似 git diff 的 patch，表达把旧的内容替换成新的。它们都适合小范围修改，但如果要删除一大段旧代码，或者把一批函数挪到别的文件，模型往往还是要先把原始内容读进上下文，再生成一大段替换或 diff。 所以我后来给 Agent 一个提示，让它先用脚本、sed、perl 这类工具把大文件粗拆开，直接把旧内容删掉，写到新文件中，然后再逐个慢慢修，它的完成度确实高了许多。Agent 默认不会这样做，主要是因为系统提示词里会强烈要求 Agent 用内置工具修改文件，而不是命令行工具。 再往前想一步，Coding Agent 可能还需要更高级的编辑工具。不是只给它一个“替换文本”的接口，而是先通过 parser、LSP 或 compiler 建立代码结构，让 Agent 可以像 IDE 一样做重构：移动函数，删除 impl block，整理 imports。不知道是否有朋友做这方面的尝试。 总的来说，即便是 AI Coding 时代，好的编程习惯还是有价值的。尽量在早期通过 harness engineering，把好的编程习惯变成 Agent 的默认工作方式，比后来再重构的成本要小很多。

相比 @CNPYNetwork 融资 850 万美元，我更在意它收购 Tanssi 核心技术这件事。 因为 AI 能让写代码变快，但它解决不了 appchain 真正麻烦的部分。 验证者怎么协调？ 节点怎么部署？ 区块怎么生产？ 跨链通信怎么接？ 这些才是很多应用链跑不起来的原因。 @CNPYNetwork Canopy 原本讲的是用 AI 友好的模板降低开发门槛，让开发者更容易把想法变成链上应用。 但接入 Tanssi 的编排能力后，它的路径开始更完整了： AI 生成应用逻辑，Canopy 负责部署和运行，验证者网络提供安全，项目成熟后再逐步拿回更多主权。 这就不是简单的“发链按钮”，更像是一套 appchain 操作系统。 把底层复杂度交给基础设施，把代码、经济模型和最终控制权留给开发者。 如果未来链上应用真的会大量爆发，拼的可能不是谁能最快发一条链，而是谁能让这条链稳定跑下去。

马斯克今天宣布收购cursor，openai发布codex新版向开发者倾斜，加上之前的anthropic focus企业用户大科技，GLM变相涨价限制普通用户倾向开发者。。。 这些种种行为说明通过代码生成能力不断提升而实现模型领先甚至agi已经成为了更广泛的市场玩家的共识 这是目前最优训练路径的选择。 相比自然语言，代码具备三个关键优势： 一是强可验证性，能否运行、是否通过测试，都提供了极高质量的反馈信号； 二是天然结构化，语法、逻辑、模块化组合，本质上是对人类思维过程的压缩表达； 三是任务复杂度高，天然包含多步推理、状态管理和调试迭代。这使得模型可以在“写代码—运行—报错—修复”的闭环中持续自我强化，这一点极其接近真正的智能系统。 因此，行业并不是在押注“写代码”这个应用本身，而是在利用代码这个环境，训练模型的推理能力、问题分解能力以及迭代能力。代码只是载体，目标是让模型具备工程师级别的解决问题能力。这也是为什么在传统 scaling law 边际递减的背景下，代码成为新的增长引擎：它提供了更密集、更可靠、更可自动化的训练信号，同时也具备清晰的商业化路径。 但代码并不是终点。它的局限同样明显：完全规则化、缺乏物理约束、偏符号系统。这意味着，仅靠代码路径，很难解决现实世界中的不确定性、噪声和复杂环境问题。 于是杨立坤的第二条路径也收获了不少市场关注：把模型放入“有反馈的现实系统”中。核心不是机器人本身，而是构建一个类似代码环境的闭环——决策、执行、反馈、修正。 这条路径同样具备闭环能力，但在可规模化上受限于物理世界，无法像代码那样高速扩张。但它的价值在于，它更接近真实世界，也更接近AGI所需要的“行动能力”。如果说代码路径训练的是“如何思考”，那么现实闭环路径训练的是“如何行动”。 最终的形态，很可能是两条路径的融合：代码能力提供“思考”，现实闭环提供“行动”，共同构成真正的 agent 系统。这也是当前从“模型”向“系统”的转变核心。AGI的路径很可能会是：先在代码中学会思考，再在现实中学会行动。

关于AI时代的职业发展，吴恩达和Lawrence在斯坦福的AI时代职业发展讲座内容很详实，分享下我的收获。 1️⃣ AI能力在加速 有一项研究让吴恩达反复引用：AI能完成的任务复杂度，每7个月翻一倍。 衡量复杂度的方式是：这个任务让一个人做需要多久？ 几年前 GPT-2 能完成的任务，换成人类来做也只需要几秒钟，但现在已经进化到AI能够完成需要人类几十分钟甚至几小时的工作。 AI编程方向的翻倍周期更短，大概70天。 但有意思的是，很多人对这个加速的感知是被扭曲的。 原因很简单，评估 AI 能力的 benchmark，满分是100%，你做到90%之后再进步10个点，数值的绝对值变化看起来很小。 于是去年有段时间整个互联网在讨论 AI 是不是在走下坡路，这是因为用一把只能量到100的尺子去量一个还在生长的东西，当然会产生这种幻觉。 真正能衡量 AI 是否变的更智能的指标，不是在 benchmark 测试上的分数，而是 AI 能够处理的任务的复杂度这条曲线，目前看，还在往上走。 2️⃣ PM 和工程师的比例在变 当 Build is Cheap，瓶颈就转移到了决策。 传统硅谷的工程师和 PM 比例大概在4:1到8:1。一个 PM 负责写需求、定方向，四到八个工程师负责执行。 这个比例背后的假设是：执行很贵，写代码很贵，所以你需要大量人手把一个清晰的 spec 变成可运行的代码。 但现在这个假设已经失效了，编码成本在快速下降，但产品决策的成本没有同等下降。于是工程师和 PM 的比例开始向1:1靠近，甚至有团队开始践行这个配比。 更进一步，吴恩达说他现在最欣赏的那批工程师，是能写代码也能跟用户聊的人。 这两件事以前被认为是不同人来做，现在越来越多地被要求长在同一个人身上。 他自己说：在生涯早期，他曾经试图说服一批工程师多做产品工作，结果把一些真正优秀的工程师弄得很沮丧，因为他们不擅长做 PM 工作；他说那是他做过的错误决策之一，后悔了很多年。 然后他说，他觉得自己现在正在重蹈同样的错误。 这句话有点绕，但我觉得他说的是真话：不是所有工程师都应该变成 PM，但如果你恰好能做这件事，你现在的优势会比任何时候都大。 3️⃣ 团队 > 公司 这部分我觉得是整场讲座信息密度最高的地方，也启发了我的机会选择思路。 他讲了一个案例：有个斯坦福的学生，被一家很热门的 AI 公司录用，但对方拒绝事先告知他会加入哪个团队，说有什么 rotation 机制，入职之后再分配。这个学生因为公司品牌够大，就签了 offer，结果被分配去做 Java 后端支付系统。做了一年之后觉得无聊，离职了。 然后吴恩达说，他在 CS230 课上分享过这个案例之后，另一个学生在几年后去了同一家公司，遇到了一模一样的情况。不是 Java 后端，是另一个跟 AI 八竿子打不着的方向。 如果一家公司入职前不告诉你会在哪个团队，这件事本身就是信息。 logo 不大但团队很强的地方，往往比 logo 大但团队一般的地方学得更快。你不是从走进大门那一刻的兴奋感里学东西的，你是从每天打交道的人身上学东西的。 在这个时代，能去到一个足够强的AI Native的小公司，一定比进入大厂的某个传统业务团队更好、成长更快，团队 > 公司。 4️⃣ AI时代的三个能力支柱 接下来换成 Lawrence Moroni 做分享，他是互联网科技的数十年老兵，呆过Google、Microsoft、Meta等公司，他接着讲了他看到当前 AI 人才身上的三个最重要的能力。 1.深度理解：不只是会调 API，而是要真的能读懂论文、理解模型架构、知道什么是信号什么是噪音。这个护城河现在比任何时候都值钱，因为现在社交媒体通过 AI 生成内容、制造噪音的成本降到了零。 2.业务聚焦：你能不能把技术能力翻译成商业价值。他讲了一个案例：一家欧洲公司来找他说想做 Agent，他直接问的第一个问题是为什么，不是要做什么 Agent。剥洋葱剥到最后，CEO 想要的其实是让销售团队更有效率。这个目标里从头到尾都没出现 AI 这个词。从这个真实需求出发，才能做出真正有用的东西，而不是一堆漂亮的演示。 3.Bias toward delivery：这个是他说的，想法很便宜，执行才是一切。他见过很多人带着半生不熟的想法进面试，也见过很多人带着不完整但落地得很扎实的方案进面试，通常都是后者能拿到结果。 5️⃣ 深刻理解技术债 每一行你使用AI生成的代码都是债。 Bug、文档、维护、新需求，这些都是你在还债。问题不在于要不要用 AI 生成代码，而在于你生成的每一行代码是好债还是坏债。 把 technical debt 当成财务债务来理解：买房贷款是好债，冲动刷信用卡买鞋是坏债。 判断标准就三条：你的目标清不清楚？有没有真正的业务价值被交付？别人能不能看懂这段代码？ 他说他在硅谷见过太多人把 vibe 出来的代码直接 check in 进仓库，然后没人知道那堆代码在干什么，原作者后来找到了更好的工作，离开了，那些代码就留在那里成了一块永久的技术债。 最后：一些职业建议 Lawrence 说，他预测未来五年 AI 会发生分叉：一边是越来越大的 frontier model，另一边是越来越小、可以自部署的 open weight model。 他的判断是，大模型这边的泡沫会先破，小模型这边的泡沫会晚一些。 好的工程师应该同时押注两边，而不是把所有技能集中在一个方向上；会训练、微调模型的人才很重要，未来会有越来越多企业自部署小型模型。 相比于做一个领域的专家，更推荐做多个领域的复合人才。