从拒绝AI到Agent优先,程序员黄金时代或终结

从拒绝AI到Agent优先,程序员黄金时代或终结
Photo by Fotis Fotopoulos / Unsplash

在人工智能浪潮席卷全球的背景下,Ruby on Rails 作者、37signals 联合创始人兼 CTO David Heinemeier Hansson(DHH)的转变成为行业焦点。六个月前,他还在公开访谈中明确拒绝使用 AI 写代码,坚持所有代码亲手完成;如今,他却全面拥抱“Agent-First”编程工作流,大多数新项目不再从手写代码开始,而是先让 AI Agent 生成实现草稿,再由自己审阅与调整。这一转变并非理念的妥协,而是工具能力跃迁带来的必然结果——当模型能够稳定生成可直接合并的代码时,AI 才真正进入他的日常开发流程。DHH 在最新访谈中深入探讨了这一变化背后的逻辑,指出 AI 不仅没有削弱工程判断力的重要性,反而正在放大其价值。在 Agent 可以快速生成代码的时代,真正稀缺的能力不再是实现功能,而是决定应该构建什么、如何构建,以及什么才是值得合并进系统的代码。同时,他预警程序员的“黄金时代”可能已走到尽头,因为 AI 正在改变软件生产的瓶颈,使资深工程师比初级工程师更容易获益,而设计能力和产品判断力正成为核心竞争力。本文基于 DHH 的完整访谈内容,系统梳理他对 Agent-First 编程实践、设计审美、团队结构变化及软件工程未来形态的思考,为开发者提供深度洞察。

DHH 的转变:从 AI 怀疑者到 Agent-First 倡导者

DHH 的编程生涯始于 1990 年代,他因创建 Ruby on Rails 而闻名,并长期倡导代码工匠精神。在 ChatGPT 发布初期,他对自动补全式 AI 工具持排斥态度,认为其错误率高且干扰专注。然而,随着 Opus 4.5 等模型的推出和 Agent Harness 的出现,他经历了转折点。这些工具不仅能稳定生成可直接合并的代码,还通过终端界面提供了更自然的交互方式。DHH 现在默认以 Agent-First 方式启动新项目,先让 Agent 生成草稿,再亲自审阅和调整。他强调,这种变化源于模型能力的实质性跃迁,而非个人理念的转变,同时他对代码质量和设计审美的标准并未降低,反而更加重要。

Agent-First 工作流的实践与影响

DHH 详细描述了 Agent-First 工作流的具体实践:他使用 OpenCode 和 Claude Code 等工具,在 Omarchy 系统中设置布局模板,左侧为 NeoVim 编辑器,右侧运行两个 Agent 窗口。任务通常先交给 Agent 生成实现草稿,然后他审阅 diff,直接提交或修改。这种工作流显著提升了效率,例如他曾用 90 分钟处理了 100 个 GitHub PR,而过去这需要一周时间。更重要的是,Agent 加速了问题空间的探索,使团队能够启动以前不会考虑的项目,如优化 P1 延迟指标。DHH 认为,Agent 把探索模糊想法的成本降低了上千倍,让开发者能更自由地尝试新思路,从而扩大软件生产的边界。

行业趋势:资深工程师获益,初级工程师面临挑战

DHH 指出,AI 的绝大多数收益正流向资深工程师。因为他们具备判断 Agent 生成代码质量的能力,能够确保其适合部署到生产环境。相比之下,初级工程师由于缺乏经验,难以可靠评估 Agent 输出,导致角色变得更加不稳定。他引用 Amazon 近期系统故障为例,说明未经审查的 Agent 代码可能带来风险。资深工程师通过指导 Agent,个人产出能力可能提升 5-10 倍,但这也引发二阶效应:他们的时间价值提升后,是用于驱动更多代码生产,还是培养初级工程师?DHH 预测,随着 Agent 能力增强,未来只有顶尖工程师才能维持“只负责实现”的特权,而设计能力和产品管理技能将变得至关重要。

软件工程的未来:设计能力成为核心竞争力

在访谈中,DHH 强调设计能力正在成为软件工程的核心竞争力之一。他解释,美感往往意味着正确性,优雅的代码和系统能提升幸福感。在 37signals,设计师不仅决定产品外观,还参与实现,直接编写 CSS、HTML 甚至 Ruby 代码。这种设计-实现一体化的模式,因 Agent 加速而变得更加可行。DHH 认为,AI 时代稀缺的能力是决定“应该构建什么”和“如何构建”,这本质上是产品管理问题。因此,开发者需要培养沟通能力、同理心和商业判断力,以应对行业变化。

程序员黄金时代的终结与职业建议

DHH 预警,程序员的“黄金时代”可能已走到尽头。过去,开发者因稀缺而获得高薪,但 AI 正在松动这一瓶颈。他估计,软件总产量将因 Jevons 悖论而增长,但并非所有程序员都会受益。对于想成为顶尖工程师的人,DHH 建议:主动使用 AI 工具,提升能力,并认真对待当前工作,即使环境不理想。他分享个人经历,强调持续学习和投入的重要性。同时,他提醒开发者保持平衡,避免因 AI 兴奋而牺牲睡眠和健康,因为这是一场持续多年的变化,而非短跑。

DHH 的驱动力与未来展望

尽管已可退休,DHH 仍继续编程,驱动他的是对计算机的热爱。他将调度 Agent 比作玩策略游戏,享受创造过程。目前,他专注于 Agent 可访问性方向,如开发 Basecamp CLI,以推进 AI 在工程中的应用。DHH 表示,现在比五年前更喜欢计算机,并期待未来变化。他总结,AI 不会削弱工程价值,而是放大判断力和设计能力,为资深工程师开启新机遇,同时重塑行业结构。

Read more

英伟达将AI智能体装进桌面工作站

英伟达将AI智能体装进桌面工作站

Nvidia正在将Agentic AI从云端推向桌面端,为其最强大的工作站DGX Station推出Agent Toolkit软件工具包。这套工具将复杂的AI代理部署简化为“三步、30分钟”的本地化流程,并首次与Omniverse仿真平台深度整合,形成从硬件到软件再到应用层的全栈闭环。在资本市场对AI投资回报越发敏感的当下,此举标志着Nvidia从纯粹的算力供应商向平台生态构建者的战略延伸。 三步部署、30分钟运行Agent,GB300提供算力底座 DGX Station是Nvidia目前最强大的桌面工作站,搭载GB300 Blackwell Ultra GPU,为运行大规模AI模型和复杂代理提供了充足算力。传统上,部署AI代理通常需要数天甚至数周的环境配置、驱动适配和依赖管理。Agent Toolkit则将这一过程压缩至约30分钟,开发者只需三个步骤即可完成软件部署,在本地计算机上直接运行AI代理。这种“开箱即用”的设计显著降低了Agentic AI的入门门槛,让中小开发团队和企业研究人员能够将精力集中在业务逻辑开发上,而非底层基础设施建设。 与Omniverse结合,构建

By Yuchen
Kimi K3发布:2.8万亿参数开源模型冲击市场

Kimi K3发布:2.8万亿参数开源模型冲击市场

月之暗面发布的Kimi K3模型凭借2.8万亿参数规模与开放权重路线,正在动摇全球AI市场估值逻辑。这款开源旗舰模型以接近顶级闭源产品的性能、仅为OpenAI和Anthropic模型一小部分的成本,引发了美股科技板块剧烈震荡——IG市场分析师指出,两家未上市AI公司的合计估值预期因此减少3140亿美元。市场将此次发布称为“DeepSeek时刻”,但真正的赢家或许不是模型开发者,而是存储芯片与AI基础设施层。 开源路线改写竞争逻辑:性能、成本与生态成新战场 Kimi K3推动AI行业从“模型能力竞赛”转向“性能、成本与开放生态”的综合较量。其支持100万Token上下文窗口,可处理超长文档、大型代码库及复杂多轮任务,并采用“高性能+开放权重”策略,让开发者和企业能够低成本进行二次开发。Saxo Markets首席投资策略师Charu Chanana指出:“能力更强、成本更低的开放模型将降低应用开发成本,加速AI在代码开发、客户服务和工业流程中的落地。”这一逻辑直接挑战了美国限制先进芯片出口阻碍他国AI发展的假设,迫使投资者重新评估AI投资回报预期。 存储芯片与AI基础设施:需求

By Bonan
Neo获1亿美元融资,构建AI代理控制层

Neo获1亿美元融资,构建AI代理控制层

企业AI代理的爆发式增长正在催生一个全新的安全赛道。本周一,由前SentinelOne、Wiz和Palo Alto Networks高管联合创立的初创公司Neo宣布获得1亿美元种子轮融资,投资方包括Andreessen Horowitz(a16z)和Bessemer Venture Partners。Neo正在构建一个所谓的“企业代理软件实时控制层”,旨在解决一个日益严峻的问题:AI代理正在以远超安全团队追踪速度的方式,被嵌入到浏览器、开发工具、SaaS平台和传统企业应用中。据Gartner预测,到2026年底,40%的企业应用将具备代理能力,而这一比例在2025年仅为5%。这意味着那些能够推理、行动、调用工具、编排工作流并继承用户权限的软件,正在以安全架构从未设计应对的方式渗透企业环境。 5%到40%:企业应用Agentic能力的爆炸式增长 Gartner的数据揭示了这场变革的规模:2025年仅有5%的企业应用具备代理能力,而到2026年底这一数字将飙升至40%。Neo的核心卖点正是基于这一趋势。其平台为安全运营团队提供覆盖整个组织的AI代理和代理赋能应用的完整清单,评估它们的

By Yuchen
AI Agent攻破Hugging Face被AI捕获

AI Agent攻破Hugging Face被AI捕获

一场前所未有的网络安全战役已然上演:一个自主AI代理成功渗透了机器学习模型平台Hugging Face的生产基础设施,随后被另一套AI防御系统识别并标记。安全专家认为,这是企业安全领域AI对抗AI的首个重大实例。这一突破引发紧迫追问:面对能比人类安全团队更快适应、学习和进化的自主攻击,企业该如何防御? AI代理攻破Hugging Face生产系统:自主攻击首次在真实环境中得手 被称为机器学习版GitHub的Hugging Face,如今成为新型安全威胁的"零号地带"。据ZDNet报道,一个自主AI代理成功侵入了该平台的生产基础设施——而曝光这起攻击的唯一原因,是另一个AI系统捕捉到了异常行为。与需要人类操作员导航系统并做出决策的传统网络攻击不同,AI代理能够自主规划、执行并调整多步骤入侵,全程无需人工指导。更令人警醒的是,人类安全分析师并未发现这次入侵;是AI驱动的防御系统识别了异常行为模式并发出警报。这如同两枚国际象棋引擎在棋盘上对弈,而人类棋手只能旁观。 防御AI需要100%正确,攻击AI只需一次得手:攻防不对称性倒逼安全策略重构 Hugging Face托管着超过50

By Yuchen