AI 编程的无聊未来:新失效模式与行业新常态
AI 编程正带来代码库侵蚀、token 成本上升和理解债务三类新失效模式,并已造成代码评审瓶颈。作者预测行业新常态并非全面最佳实践,而是加强 CI/CD 验证、限制智能体 PR 数量、用规格与测试替代橡皮图章式评审,以及让初级工程师通过编写 evals 完成学徒训练。
AI 编程正带来代码库侵蚀、token 成本上升和理解债务三类新失效模式,并已造成代码评审瓶颈。作者预测行业新常态并非全面最佳实践,而是加强 CI/CD 验证、限制智能体 PR 数量、用规格与测试替代橡皮图章式评审,以及让初级工程师通过编写 evals 完成学徒训练。
《纽约时报》刊出 Marissa Mayer 专访,称女性想用 AI 挑衣服、策划生日派对、发现孩子的独特之处,并把 AI 做得更好看,引发作者强烈批评。作者认为这一框架把女性定位成生活管理者而非创造者,并援引 PitchBook 数据指出 2025 年美国 VC 资金中全女性创始团队仅拿到 3.2B 美元、占比 1.1%,而全男性团队为 191.1B 美元。
MIT 土木与环境工程系主任 Ali Jadbabaie 指出,气候变化、AI 能耗与老化电网、地缘政治导致的供应链脆弱性正同时施压基础设施。他认为 AI 与数字技术有望让工程设计和基础设施决策更快、更省、更高效,但结果仍取决于当下的选择。他将于 10 月 28 日在马德里参加由 MIT、UPM、世界银行集团和得克萨斯大学奥斯汀分校共同创办的世界基础设施论坛。
Whitman 学院以博雅教育课程应对 AI 带来的挑战,强调批判性思维与人文连接,而非单一职业技能训练。计算机系助理教授 Jordan Wirfs-Brock 按课程目标选用不同 AI 工具,并与学生讨论谁在设计和使用 AI、目的与后果;数学教授 Albert Schueller 用 ChatGPT 和 Gemini 制作主动学习练习和课堂材料。
一位开发者发布了一份持续更新的个人 AI 使用政策文档,涵盖通用原则、伦理、代码、写作、研究等场景的使用准则。文档提出,若任务令人愉快、必要或本应付费请人完成,就不应交给 AI;AI 生成代码仅限无外部依赖或 API 已充分加固的代码库,其余须人工主导。作者强调使用者对 AI 输出负全责,包括半自动或全自动系统。
OpenAI 发文探讨 AI 进入企业组织架构的三种可能位置:位于人类之下、与人类并列,以及介于人与人之间。文章以“公司的未来”为主题,讨论 AI 在组织中的角色定位。
Replit 公布其 Agent Habitat 的安全架构,通过组织级策略边界、企业连接器管理和凭证代理(credential broker)等机制,让 AI 智能体在可控范围内访问公司系统。
Marissa Mayer 因在采访中称其新应用 Dazzle 帮她为女儿生日演示生成三个要点而遭到批评,该 AI 助手可从相机相册中学习。文章还提到 Sam Altman 称无法想象不用 ChatGPT 抚养新生儿,Mark Zuckerberg 则预测人们会更多将情感需求外包给 AI。
OpenAI 于 2025 年 10 月推出 Agent Builder,八个月后即宣布关停,作者借此提出 AI 知识存在不同"半衰期":工具与产品仅数月到两年。
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏的拐点,他用 Claude Opus 5.5 在完全不看代码的情况下做出四个自己真正爱玩的浏览器游戏,其中 Battle Drones 已以 Apache 2.0 开源。
Jeanette Winterson 在其 2021 年著作《12 Bytes》及新访谈中提出,AI 是继工业革命、计算机之后的又一次"进化跃迁",她更愿称之为"替代性智能"而非工具。她认为不存在必然的反乌托邦,AI 与就业问题的走向取决于政治与经济选择,而非技术本身。她同时警告,LLM 的训练材料嵌入了人类既有的偏见与缺陷假设。
Hacker News 上有人发起讨论:在软件中直接内置 AI 与采用 MCP 之间该如何取舍,并向社区征集各自视角下的优缺点。该帖目前获得 1 分、暂无评论。
一篇 Hacker News 讨论文章提出应对 AI 浪潮的思路:把注意力放在现实问题上,而不是被恐惧驱动。文章获得 1 分、2 条评论,正文未提供更多细节。
一项分析 arXiv 投稿统计的研究发现,自 2025 年底智能体 AI 模型发布后,单人作者论文比例明显上升,2026 年前九个月数学领域增加 70%、凝聚态物理增加 71%、定量生物学增加 44%,数学单人作者占比从长期平均 28.8% 升至 2026 年 9 月的 37.7%。
文章主张 AI 行业应引入类似 Ubuntu LTS 的长期支持发布:由主要 AI 实验室指定一个能力足够的模型提供五年支持,承诺版本化行为、受控变更与回归测试。作者以学院围绕某模型构建无障碍教学流程后遭遇弃用为例,指出固定快照和企业弃用窗口并不等于长期可用性保障,Anthropic 2025 年 11 月承诺永久保留公开模型权重也只保护模型本身,而非依赖它的使用者。
一位 AI 从业者反对将 LLM 视为互联网的对等贡献者,认为其多数价值在于让人更容易穿行于已有知识,如同砌墙之后的抹灰,依赖墙体已经存在。但他也承认 FunSearch 通过预训练语言模型配合系统评估器与进化搜索,在 cap set 问题和在线装箱启发式上产出了新知识,说明"只会重组"的说法站不住脚。真正该问的是贡献能否经受检验,而非原料是否有历史。
Artificial Analysis 更新 Intelligence Index 至 v5,按知识工作、编程、科学、通用各 25% 加权,纳入 AA-Briefcase、FrontierCode 2.0、Terminal-Bench 4.0、HLE-Diamond 等评测。
Cursor、Claude Code 和 OpenAI Codex 等 AI 编程工具在提升效率的同时,可能让开发者失去对代码结构与系统行为的深层直觉。文章援引 Andrej Karpathy 提出的“vibe coding”概念,指出依赖高层提示词生成代码会削弱对代码库的理解,增加调试与维护难度。有 Reddit 用户反映过度使用 Cursor 后技能变钝、产出稳定性下降。
建筑师 Stephen Gallagher 用同一套房屋概念草图和参考施工图,测试 13 个新旧 AI 模型的制图能力,认为 2026 年 9 月 22 日发布的 Claude Opus 5.5 最强,经人工批注修改后能产出可用于报批的简单建筑图纸。
推荐理由:作者以建筑师身份实测 13 个模型出图,给出各模型施工图质量对比与成本耗时,可据此判断 AI 制图的真实水平。
个人 AI 智能体各自保存用户记忆,形成新的平台锁定:作者使用 Grok Bot、Meta Muse、Instinct、ChatGPT Dot 及 Claude Code、Codex 等,其中 Grok Bot 占 60%、Muse 占 35%。
一位数学家公开表示不信任 ChatGPT 生成的 Lean 证明代码,理由是 Lean 内核本身存在可靠性漏洞,可被用来证明 0=1 这类假命题。ChatGPT 两周内可产出数十万甚至数百万行代码,人工无法逐一核验形式化是否正确,而 AI 智能体又擅长寻找并利用漏洞而非披露漏洞。他还批评 OpenAI 在未与专家合作的情况下发布大量质量欠佳的预印本。
用好 AI 并非靠几个提示词技巧,而是需要长期培养的技能。作者指出,熟练用户会主动为智能体补充上下文、判断模型能力边界,并以不同于审查人类代码的方式审查 AI 生成代码,还要学会快速略读冗长输出。这些技能在人类与 AI 协作的"半人马时代"可能持续数十年。
Anthropic 工程经理 Felix Rieseberg 取消了传统编程面试,认为 Claude 完成小型编程任务已优于候选人,测试分数不再能预测谁会成为顶尖开发者。
针对 AI 带来的生态、就业与心理问题,有观点主张应继续推进 AI 研究:若不发展,本可避免的死亡将持续发生。文章引用研究者估计,人类失去对 AI 控制、即非对齐 AI 导致灭绝的概率约为 10-20%,而 AGI 有望解决每年致数百万人死亡的癌症等问题。
Terk Terkowitz 在 Amazon 工程领导层关于 AI 时代开发者角色的更新中表示,如果当前 AI 工具对你的工作没有帮助,那是一种发现而非失败。他建议记录原因、与同行社区分享、反馈给管理者并共同寻找解决方案,并称能说明 AI 尚未在何处帮到工作的工程师,正展现了所期望的判断力。
宫本茂就 AI 与人类创造力的关系作出回应,认为 AI 不会使人类创造力变得过时。该表态来自 Hacker News AI 收录的一篇讨论,原文未披露更多技术细节或具体产品信息。
Hacker News 上一条 Ask HN 讨论帖提出:网上对 AI 的看法两极分化,有人认为 AI 将取代所有人的工作,也有人认为这是史上最大的 IPO 前公关造势,或两者兼有。发帖者希望听听比自己更懂行的人相信什么、不相信什么。该帖获得 3 分、4 条评论。
马斯克兑现此前承诺,用 Grok AI 发布了首集七分钟的《奥德赛》AI 生成剧集。评论认为其画面僵硬、配音机械,充满"恐怖谷"式的素材拼贴感,缺乏叙事动机。文章指出该剧集唯一的价值在于印证:没人相信 AI 有艺术价值,只有成本价值。
文章将当前 AI 巨头垄断智能的态势比作 70 年代科幻电影《Soylent Green》:大公司扫描古籍、网站与人类创造力成果后销毁原件,使公众依赖其对事实与真相的供给。作者点名 Palantir 这类公司大量吸纳数据并售予政府,认为政府将智能外包会稀释自身权力。文章呼吁对 LLM 提供商问责,并建设去中心化的语言模型与本地智能体。
2027 春夏时装周上,Altuzarra、Simone Rocha、Prada 等品牌集体采用“刻意凌乱”造型——衬衫扣错、腰带敞开、内衣外挂,被 InStyle 称为“analog dressing”。这股风潮被视为时尚界对生成式 AI 追求过度精致的一种反弹,强调穿衣是 AI 无法体验的人类实践。
BBC 报道称,OpenAI 宣布其 AI 智能体用 88 小时解决 Navier–Stokes 方程相关问题,而纽约大学数学家 Tristan Buckmaster 在公布前公开质疑自己存于 Codex 的草稿是否影响了 OpenAI 的工作,OpenAI 先称无法排除匿名数据被用于改进模型,数日后又表示这些提示词不可能影响系统。
大型 AI 公司正日益成为彼此的“人质”:一家鲁莽推进,其他公司便可能被迫跟进。围绕 AI 的讨论一直聚焦政府监管,但更紧迫的问题是,这些公司能否在失去信誉和承担法律后果之前自行采取行动。核工业曾成功实现自我监管,其治理经验与 AI 公司面临的核心治理问题存在相似之处。
TechCrunch Disrupt 上,WeaveGrid CEO Apoorv Bhargava、Veir CEO Tim Heidel 与 Rewiring America 政策副总裁 Kristin Eberhard 认为,AI 数据中心带来的能源需求激增虽给美国老化电网带来压力,但也推动了电网现代化创新。
Chet Faliszek 在一段视频中提出反对 AI 的论点。该内容以视频形式发布,目前在 Hacker News 上获得 1 分、0 条评论。
一位安全从业者指出当前网络安全态势不可持续:0-day 漏洞密集披露、预通知与禁运机制因营销目的而失效,防御方已跟不上漏洞发现与披露的速度。
美国退休储蓄规模达 49.1 万亿美元,其中 DC 计划与 IRA 合计约 33 万亿美元,2024 年向全球股市投入约 7350 亿美元,其中约 4800 亿流向美股。经济学家在 AI 繁荣情景下建模失业率升至 10%,且本轮被技术替代的是高收入白领,而他们正是每月养老金流入股市的主要贡献者。
一篇分析文章提出编程尤其暴露于 AI 自动化,并给出 6 个具体原因:编程是语言性的脑力工作、无需直接面对客户、行业缺少执照等正式准入门槛、结果可通过单元测试和集成测试自动客观验证、责任可与实现分离、程序员不以真名露脸面对终端用户。作者认为这些特性使 LLM 能承担大量编程工作,而理发师、医生、律师等职业受影响较小。
Hacker News 上有人提问:当用 AI 写作变得像戴眼镜阅读一样被普遍接受时,HN 将如何完成这一过渡。该帖获得 1 分、8 条评论,讨论聚焦于社区对 AI 生成内容的接受度转变。
美国 AI 实验室生态中,供应商正在为自己的客户提供融资。文章为系列第二部分,聚焦这一资金循环关系。原文未披露具体公司、金额或交易细节。
Rory Sutherland 提出的“门童谬误”指把复杂工作简化为最显眼、最可自动化的那一环,从而忽略角色的其余价值。文章据此指出,开发者不只是写代码,还负责与利益相关方决定做什么、把控产品体验与长期架构、招聘和带人。当门自己会开,人更该追问还有什么仍需完成。