编码智能体 (coding agents)
集里怎么说它
- 《AI 产品不能照搬软件老办法:从高控制低自主开始》(42:03起):本集认为编码智能体被低估了,虽然在 Twitter 和 Reddit 上讨论很多,但在湾区以外实际工程师中的渗透率仍然很低
- 《Mercor CPO:开源模型蚕食不了数据生意》(11:12起):本集说工程师的编码智能体支出不是 COGS、可带来复利式收益;更好的编码智能体提升工程速度,让 PM 对工程师的比例升高、产品管理更难。
- 《Transformer 已见顶?OpenAI 与 Google 双雄离职造新架构》(14:04起):本集提到它是各大非头部实验室正亦步亦趋、一窝蜂追逐的发布热点;同时指出借助高度发达的编码智能体,能极大赋能研究员,是建设最自动化实验室的基础。
- 《巨头财报季:AI 军备竞赛下的供应链、会计戏法与路线分歧》(05:00起):本集说它是科技史上最高风险对抗的当口,并指出 Google 在编码智能体竞赛中几乎销声匿迹,明显落后于最新的大型语言模型及 Codex 等应用。
- 《管理者日程突然能写代码了:CTO 的通宵智能体工作流》(06:43起):本集说编程智能体夜里连续干四到八小时,能在一次过夜运行中处理过去需要几周的工作量,早上交付报告和代码
- 《AI 应用层的黄金时刻:a16z 投资人 Anish Acharya 谈智能如何变成生意》(05:36起):本集说编码智能体让非程序员能构建年入 10 万甚至 100 万美元的软件产品,是’夫妻店 SaaS’机会;也让集成 SAP 这类系统变得容易
- 《AI 原生组织如何运行在 Skills 之上》(01:10起):本集说编码智能体及其 harness 构成智能体软件栈的内循环,其行为在运行时由工作流(harness 蓝图)塑造
- 《LongLake:把AI塞进真实服务业务的笨办法》(07:48起):本集说编码智能体非常擅长写代码,与其等模型学会服务行业的知识工作,不如把知识工作表示成代码来利用编码智能体的能力
- 《智能体怎么付钱、怎么花钱:Metronome 讲透按量计费与智能体商务》(01:45起):本集把编码智能体当作操作复杂产品(如 Metronome)的主体来讨论:Stripe 的 CLI 使用量因它指数级增长;企业端编程智能体(Cognition、Cursor、OpenAI、Anthropic)正在采用承诺消费结构。
- 《公司大脑会泄密:如何培育一个不漏底的公司知识库》(08:26起):本集主张用 Claude Code 式的编码智能体解决一切通用问题,公司大脑正是为这种智能体而建;「Codex 应用也是同样的架构」。
- 《Ollama CEO:开源模型正吃掉企业 80-90% 的 token》(01:29起):本集说企业转向开放模型主要由编码智能体和 AI 助手这类场景驱动,编码智能体是 token 用量两波暴涨的第一波驱动力。
- 《a16z 消费投资合伙人 Anish Acharya:别怕被 AI 甩下,该怕的是野心太小》(04:21起):本集说编码是最成熟的循环领域(bug 报告进来五分钟内修完上线),并认为编程智能体其实是一种与世界互动的通用方式,Claude Code、Codex、Lovable、Replit、Wabi 全都活得不错。
- 《Transformer 不满十岁:AI 集中不是宿命》(01:08起):本集说大约去年年底、今年年初,编码智能体开始真正能用了,标志着这代 AI 的重要性时刻
- 《LinkedIn 怎么让编码智能体真正读懂内部系统》(00:28起):本集主线:在 LinkedIn 这样的企业里,由于只在开源仓库上训练、缺乏内部上下文,编码智能体会幻觉、卡住、编造错误内容;补足上下文基础设施后,它们能像高效同事一样端到端完成事故排查、写代码等工作
- 《把画布交给智能体:TLDraw 的空间协作实验》(07:49起):本集以 Claude Code 为例说编码智能体好用是因为文本进、文本出匹配训练媒介;TechTree 里每个任务节点就是一个可自主启动、开 PR、合并的编码智能体。
- 《A16Z 消费投资合伙人 Anish Acharya:别怕“永久下层”,公司正在变成一串循环》(51:45起):本集说是『与整个世界交互的通用问题解决工具』:人们用 Claude Code 剪视频、用 Codex 在飞机上给孩子做游戏
- 《Box 创始人 Erin Levy:套壳的逆袭与应用层的万亿机会》(17:45起):本集把它说成:史上最快的技术扩散案例,并作为标尺拆解编程利于自动化的五六条特性(效用全在文本、模型超量训练、用户自己排查问题、接入简单、高薪),用来解释其他知识工作扩散为何慢。
- 《为什么 90% 的 AI 原型死在了演示阶段?》(02:31起):本集说编码智能体让每个有想法的人都能构建应用,但 90% 的这类想法死在概念验证阶段。
- 《Warp CEO 的软件工厂:2000 个 PR 一个月,人成了瓶颈》(04:42起):本集将其与工厂对比:本地编码智能体只做「想法到代码到推送」,工厂则覆盖完整软件开发生命周期且在公开云端进行
- 《Jev 背后的人:Diogo 谈为什么 AI 应该像数据库而不是同事》(98:42起):本集说它们是 Jev 最大的用例和赚钱来源;现有 coding agent 围绕单一模型构建、受 KVCache 暴政锁死,嘉宾提议摆脱 KVCache 的编程智能体新方向
- 《「数百万个爱因斯坦」还没法雇:UiPath 创始人拆穿 AI 转型的真瓶颈》(10:16起):Dines 眼中 ChatGPT、思维链之后的第三个里程碑;正因为可以用编码智能体创建自动化,部署自动化比部署 AI 智能体容易得多——这是企业里 AI 与自动化部署的不对称性;UiPath 开放平台给编码智能体后还发现模型在开源技术上生成代码远好于自有技术。
- 《传感器数据撑爆了数据库怎么办?让 Postgres 自己变强》(26:15起):本集说越来越多人用 coding agent 探索和配置数据库工具,嘉宾本人用编码智能体加 CLI 和 MCP 几小时搭完了智能家居遥测项目,数据库侧一行代码没写。
- 《AI 熟练度怎么打分:Zapier CEO Wade Foster 的评分标尺》(11:57起):本集说 PM 应在 PRD 之后启动编码智能体做原型(原型是图片的十倍),SaaS 要把能力暴露给编码智能体
- 《管弦乐团而非工厂:编码智能体时代的六条构建者原则》(01:15起):本集主线:像 Claude Code 这类替你写代码的智能体,Conductor 就是同时管理一支编码智能体团队的应用;他主张给它们自由放养的空间、能自我复制、与人和智能体协作
- 《软件工厂:让智能体闭环造软件,而不只是写代码》(02:55起):本集说软件工厂不只是一个编码智能体、甚至不是上千个编码智能体,因为相比其他环节,写代码是容易的部分。
- 《AI 这么聪明,自动化去哪儿了?Jev 把智能装进软件本身》(28:31起):本集说 Claude Code、Codex 这类编码智能体很棒,写的是「即时软件」,但产出仍是十年前同构的代码;它们擅长语法、不擅长语义、架构上糟糕得难以置信。
- 《token 无限量供应:用自动选模型省下 2.5 倍成本的编码智能体》(00:30起):本集的主线概念:管理者的工作不是限制开发者用编码智能体,而是让 token 无限量供应且便宜;编码智能体工程让变更集大到难以逐行阅读。
- 《AI SRE 与自动驾驶式生产:Traversal 如何替财富 500 强修故障》(01:29起):本集说编码智能体的出现把开发部分压缩了,开发快了很多、团队能做的事多 10 倍,但也带来更多代码、更复杂的环境和更少的理解。
- 《Stripe 联合创始人:AI 智能体会重造互联网的商业逻辑》(10:31起):本集说几乎一夜之间没人再手工集成 Stripe API,大家都把编码智能体派去干,而 AI 的人体工学与开发者的人体工学不同,逼 Stripe 改变内部所擅长的东西。
- 《智能体上线后总出问题?先学会「看见」它在干什么》(19:45起):本集说大家如今都借助 Codex、Claude Code 等编码智能体开发,Braintrust 通过 CLI 与技能让它自己写 SQL、钻取出错 trace、创建评分、跑 eval 并开拉取请求,有客户因此每天多产出 5-10 个 PR。
- 《软件工厂不是让 AI 写代码,而是让人去造工厂》(00:46起):本集假设听众已在日常使用编码智能体,全篇讨论如何让它们在沙箱中无人值守地产出代码、提交 PR 并响应评审评论。
- 《让 AI 自己改进 AI:Langfuse 创始人谈「自我改进的智能体」》(12:16起):本集提到他们用一个编码智能体去分析写作智能体的表现,识别出清晰度低、泄漏内部行话等问题。
- 《为什么做一个评估平台比看起来难得多》(14:40起):本集说编程智能体已成为评估平台的一等公民:它们能访问代码库和基础设施,可用自然语言指挥它们跑评估并记录结果,人只负责最后审查拍板。
- 《115 个微服务画成一张图,让 AI 编程助手不再瞎猜》(00:47起):本集把编码智能体描述为从行级自动补全进化到完全自主工作流(改代码、验证、发合并请求)的工具,擅长全新项目和单仓库,但在跨数百仓库的生产分布式系统里缺的是整个系统的上下文。
- 《AlphaGo 幕后团队再出发:这次不学人类,让 AI 自己发现一切》(67:04起):Silver 认为编码智能体加速研究是现在时机成熟的原因之一,并因此把超级智能的时间预测从 3-5 年改口为 3 年。
① 提到它的金句
25 条
代码智能体非常善变、不可预测,它们经常犯错,然后当你真的很倒霉时,它们会发疯并试图销毁你的数据以及其余的一切。
指向原始笔记的链接
Coding agents are really fickle, unpredictable, they often make mistakes, and then when you’re really unlucky, they’ll go crazy and try and nuke your data and all the rest of it.
—— 嘉宾 · [17:00]
但这需要高水平品味的人类,就像世界上大概只有三个人,并且在四周内花费大约十万美元在这些编码智能体上,才能得到一个速度快 60 倍的解决方案。
指向原始笔记的链接
But it requires the high-taste human, like there’s maybe three people in the world, and spend about $100,000 on these coding agents over a span of four weeks to get to a solution that’s 60x faster.
—— 嘉宾 · [41:10]
再多的编码智能体也不会让 Nike 变成不是 Nike。
指向原始笔记的链接
No amount of coding agents is going to make Nike not Nike.
—— Anish Acharya · [06:31]
每个人都能使用编程智能体,而我们实际上在 API 优先的方式上加倍投入。
指向原始笔记的链接
Everybody has access to coding agents, and we actually doubled down on that API-first approach.
—— Nachiket Paranjape · [09:19]
所有企业端编程智能体的情况——想想 Cognition 或 Cursor 或 OpenAI 和 Anthropic 自己——是他们开始采用更多承诺消费结构,就像云服务商们过去 10 年所做的那样。
指向原始笔记的链接
What’s happening with all the coding agents in the enterprise, think like Cognition or Cursor or OpenAI and Anthropic themselves, is that they are starting to adopt more commit structures like the CSPs have done for the past 10 years.
—— Andrew Garvin · [12:23]
我喜欢这个问题,因为它是可验证的。这使得这个问题容易得多。这就是为什么编码智能体在许多方面容易得多。
指向原始笔记的链接
I love this problem because it’s verifiable. And that makes the problem a lot easier. This is why coding agents are, in a lot of ways, a lot easier.
—— Ben Rudolph · [31:36]
很容易说大多数人不想写代码,但我想法上的大转变是,编程智能体其实是一种与世界互动的通用方式。
指向原始笔记的链接
I think it’s easy to say most people don’t want to make code, but the big change in my thinking is that coding agents are a way to interact with the world generally.
—— Anish Acharya · [51:57]
我们用编程智能体大概两到三周就把它发布出来了,而且我们本可以更快。
指向原始笔记的链接
We were able to ship this in like two to three weeks with coding agents, and we probably could have gone faster.
—— Jonathan Kelley · [11:03]
关于使用编码智能体构建有雄心的软件,我的结语是:代码现在很廉价,但质量不是。
指向原始笔记的链接
So my closing thoughts on using coding agents to build ambitious software is that code is now cheap, but quality is not.
—— Jonathan Kelley · [18:07]
然后编码智能体和语音智能体来了,现在他们在给定的一天或一个月内生成的代码比以前多了几个数量级。
指向原始笔记的链接
Then came coding agents and voice agents, and now they generate orders of magnitude more code than they previously did on a given day or month.
—— Charlie Guo · [09:30]
人们思考应用的方式已经非常不同了,尤其是随着现在编码智能体加入进来,地球上突然每个人都是软件开发者了。
指向原始笔记的链接
The way people are thinking about applications is very different, like especially with the rise of now coding agents coming in the mix, everyone suddenly is a software developer on the planet.
—— Samar Abbas · [01:47]
而令人非常惊讶、表现突出的一点是,编程智能体可以一次性完成这件事。它们不需要额外的机器人数据就能用这些代码工作,因为它们已经在如此多的代码数据上训练过了。
指向原始笔记的链接
And what was very surprising, what excelled was that coding agents can do this very one-shot. They did not need additional robot data in order to work with this code because they’re already trained on so much coding data.
—— Ham · [10:11]
而且我可以用真正的编程智能体取代整个机器人学领域。
指向原始笔记的链接
And I can displace all of robotics with actual coding agents.
—— Francois · [09:04]
过去几年最大的惊喜之一,是编码智能体在不同领域之间的通用性。
指向原始笔记的链接
One of the big surprises the last few years has been the generalizability of coding agents across different domains.
—— Han Mei · [00:00]
软件工厂不只是一个编码智能体,甚至不是一群编码智能体,哪怕上千个也不算——因为生成代码、写代码,相比其他所有环节,是容易的部分。
指向原始笔记的链接
Software Factory is not just coding agent, and it’s not even a swarm of coding agents, even thousands of agents, because generating code, writing code, that’s the easy part compared to all the others.
—— Tereza Tížková · [02:59]
甚至在 Jev 之前,我都从没意识到:不管你用多少 AI 编码智能体,软件实际上并没有变得更好。也许你写得更快了。甚至可以说它在变得更糟,因为监督更少了。
指向原始笔记的链接
And even before Jeff, it didn’t even occur to me that it doesn’t matter how much AI coding agents you use, the software actually isn’t getting better. Maybe you’re writing it faster. It’s arguably getting worse just because there’s less oversight.
—— Martin Casado · [34:25]
OpenClaw 的创造者 Peter Steinberger 说,你不应该再去提示编码智能体了,你应该去设计那些提示你的智能体的循环。
指向原始笔记的链接
Peter Steinberger, who is the creator of OpenClaw, says that you shouldn’t be prompting coding agents anymore, you should be designing the loops that prompt your agents.
—— Laurie Voss · [04:53]
我们的工作不是阻止开发者使用编码智能体,而是确保他们可以随心所欲、尽其所愿地使用它,完全不受限制。
指向原始笔记的链接
Our job is not to prevent the developer to use Coding Agent. Our job is to make sure they can use it as much as they want for as long as they want in a completely unlimited fashion.
—— Laurent · [02:17]
你觉得我们会作为人类盯着这个看吗?绝对不会。但一个自主的框架、一个痴迷于 token 成本的自动化编码智能体,就会做到这一点。
指向原始笔记的链接
Do you think we look at this as human? Absolutely not. But an autonomous harness, an automated coding agent that is obsessed with token costs is going to do just that.
—— Laurent · [06:46]
代码编写智能体其实并不需要你在搜索 Google 时看到的那 10 条蓝色链接。
指向原始笔记的链接
Coding agents don’t really need these 10 blue links that you see when you search Google.
—— Jakub Hojsan · [00:29]
几乎是一夜之间,实际上已经没有人再手工集成 Stripe API 了。他们把编码智能体派去干这件事。
指向原始笔记的链接
Overnight, relatively overnight, no one actually really integrates the Stripe API by hand anymore. They send their coding agent to do it.
—— John Collison · [10:25]
他说,我们新的编码智能体能力默认都会流向「做错误的事情」。产品从好变坏的速度比以往任何时候都快。
指向原始笔记的链接
He says that the default place for our new coding agent abilities to go to is work on the wrong things. Products go from good to bad faster than ever.
—— Kent C. Dodds · [18:41]
我们看到很多智能体在写代码,即使它们不是编码智能体。
指向原始笔记的链接
And we see a lot of agents writing code, even if they’re not coding agents.
—— 嘉宾 · [12:10]
我是说,如果你用编码智能体写代码,很多情况下,你甚至不知道里面有什么。
指向原始笔记的链接
I mean, if you write your code with a coding agent, in many cases, you don’t even know what’s inside it.
—— Alon Schindel · [32:21]
创造软件的成本降低了,因此需求大幅增加,但这是针对一种非常特定的需求——能够高效管理编码智能体、而不是产出一大堆垃圾的人。
指向原始笔记的链接
The sort of cost of software, creating software has gone down, therefore the demand has increased a lot, but for a very specific kind of demand for people who can manage coding agents productively instead of producing a whole bunch of slop.
—— Sean Wang · [48:55]
② 出现在这些集
35 集
- 《AI 产品不能照搬软件老办法:从高控制低自主开始》 — 作为概念(提及)
- 《Mercor CPO:开源模型蚕食不了数据生意》 — 作为概念
- 《Transformer 已见顶?OpenAI 与 Google 双雄离职造新架构》 — 作为概念
- 《巨头财报季:AI 军备竞赛下的供应链、会计戏法与路线分歧》 — 作为概念(提及)
- 《管理者日程突然能写代码了:CTO 的通宵智能体工作流》 — 作为概念
- 《AI 应用层的黄金时刻:a16z 投资人 Anish Acharya 谈智能如何变成生意》 — 作为概念
- 《AI 原生组织如何运行在 Skills 之上》 — 作为概念
- 《LongLake:把AI塞进真实服务业务的笨办法》 — 作为概念(提及)
- 《智能体怎么付钱、怎么花钱:Metronome 讲透按量计费与智能体商务》 — 作为概念
- 《公司大脑会泄密:如何培育一个不漏底的公司知识库》 — 作为概念
- 《Ollama CEO:开源模型正吃掉企业 80-90% 的 token》 — 作为概念
- 《a16z 消费投资合伙人 Anish Acharya:别怕被 AI 甩下,该怕的是野心太小》 — 作为概念
- 《Transformer 不满十岁:AI 集中不是宿命》 — 作为概念
- 《LinkedIn 怎么让编码智能体真正读懂内部系统》 — 作为概念
- 《把画布交给智能体:TLDraw 的空间协作实验》 — 作为概念
- 《A16Z 消费投资合伙人 Anish Acharya:别怕“永久下层”,公司正在变成一串循环》 — 作为概念
- 《Box 创始人 Erin Levy:套壳的逆袭与应用层的万亿机会》 — 作为概念
- 《为什么 90% 的 AI 原型死在了演示阶段?》 — 作为概念
- 《Warp CEO 的软件工厂:2000 个 PR 一个月,人成了瓶颈》 — 作为概念
- 《Jev 背后的人:Diogo 谈为什么 AI 应该像数据库而不是同事》 — 作为概念
- 《「数百万个爱因斯坦」还没法雇:UiPath 创始人拆穿 AI 转型的真瓶颈》 — 作为概念
- 《传感器数据撑爆了数据库怎么办?让 Postgres 自己变强》 — 作为概念
- 《AI 熟练度怎么打分:Zapier CEO Wade Foster 的评分标尺》 — 作为概念
- 《管弦乐团而非工厂:编码智能体时代的六条构建者原则》 — 作为概念
- 《软件工厂:让智能体闭环造软件,而不只是写代码》 — 作为概念
- 《AI 这么聪明,自动化去哪儿了?Jev 把智能装进软件本身》 — 作为概念
- 《token 无限量供应:用自动选模型省下 2.5 倍成本的编码智能体》 — 作为概念
- 《AI SRE 与自动驾驶式生产:Traversal 如何替财富 500 强修故障》 — 作为概念
- 《Stripe 联合创始人:AI 智能体会重造互联网的商业逻辑》 — 作为概念
- 《智能体上线后总出问题?先学会「看见」它在干什么》 — 作为概念
- 《软件工厂不是让 AI 写代码,而是让人去造工厂》 — 作为概念
- 《让 AI 自己改进 AI:Langfuse 创始人谈「自我改进的智能体」》 — 作为概念(提及)
- 《为什么做一个评估平台比看起来难得多》 — 作为概念
- 《115 个微服务画成一张图,让 AI 编程助手不再瞎猜》 — 作为概念
- 《AlphaGo 幕后团队再出发:这次不学人类,让 AI 自己发现一切》 — 作为概念
③ 关联
点进去有真内容 —— 本页主要出口
智能体 · OpenAI · Anthropic · Claude Code · 沙箱 · 评估 · MCP · Codex · ChatGPT · 推理
