用 AI 写后端,为什么还是在造轮子?
AI 写 CRUD 接口、SQL、工具类确实比手敲快,但落到企业后台项目,整体节奏并没有明显变快。接口之外仍需处理权限、菜单、工作流、报表、审计日志、数据字典等不复杂却占项目大半时间的代码,且每个项目都要重来一遍。
AI 写 CRUD 接口、SQL、工具类确实比手敲快,但落到企业后台项目,整体节奏并没有明显变快。接口之外仍需处理权限、菜单、工作流、报表、审计日志、数据字典等不复杂却占项目大半时间的代码,且每个项目都要重来一遍。
Y Combinator CEO Garry Tan 表示,他每年花费约 10 万至 20 万美元购买 token,用于工作项目和编程任务。他在 GitHub 上开源了包含 23 个 Claude Code skills 的 gstack,YC 内部还运行着拥有全部创始人资料的 AI agent Stray Light。他认为个人 AI agents 终将普及,但前提是成本必须下降。
AI编程与编程Agent规模化落地背景下,猎聘《AI时代程序员转型趋势报告》显示2026年前三季度26.4%程序员样本第一期望岗位与当前不同,传统程序员岗位新发职位同比下降8%,AI算法方向岗位同比增长20.4%,大模型岗位平均年薪达52.4万元。
Qoder核心团队成员黄峰达离职时称“在阿里做好一个产品太难”,而该产品2026年9月披露年化经常性收入已达一亿美元,企业客户贡献七成营收。阿里云9月8日宣布QoderWork将于2027年9月5日关停,用户可迁往Qoder桌面版或千问办公,但只有前者能沿用原账户和套餐权益。文章指出,从云钉一体到Qoder,阿里云的应用软件经营困境仍在延续。
Simon Willison 推荐 Jacob Sansbury 的文章,介绍多人游戏平台 Spawn:玩家可用提示词指挥游戏内智能体 Savi 修改游戏世界,作者实测用提示词生成了城堡和龙并骑龙飞行。
爱范儿发文分析为何 AI 公司发布新模型时越来越喜欢让模型现场制作游戏,认为游戏比跑分和普通网页更能直观展示代码、空间理解、状态管理等综合能力。
Anthropic 平台负责人 Katelyn Lesse 表示,多 Agent 系统落地后仍存在四个软件工程难题,工程师必须解决这些问题,AI 才能创造出它本可创造的成果。她认为这件事是“生存级的”,并称软件工程师的工作已发生很大变化,有人沮丧也有人乐在其中。
独立开发者 Pieter Levels(levelsio)于10月11日发文称,自己已退订几乎所有工作用软件,改为需要什么就用 AI 造。这位以软件开发生意为业的开发者喊出「软件已死」的质疑。
Anthropic 工程经理 Felix Rieseberg 取消了传统编程面试,认为 Claude 处理小型编程任务比候选人更好,测试分数已不能预测谁会成为顶尖开发者。
Amazon 工程领导层 Terk Terkowitz 表示,如果你的工作无法从当前 AI 工具中获益,这本身是一种发现而非失败。他建议记录原因、与同行社区分享并反馈给经理,共同寻找解决方案,能够说明 AI 在何处尚不奏效的工程师,正是在展现公司所要求的判断力。
Anthropic 工程经理 Felix Rieseberg 宣布本月起在团队招聘流程中取消传统编程面试,称其不再提供有效信号。他管过 Claude.ai、Cowork 和 Claude Code Desktop,认为现场写小 React 挑战与考汇编语言一样没有意义。
作者日常在 Claude Code 中使用 Sonnet 5.5 处理修 bug、加接口、改前端、跨文件重构等真实开发任务,体验为“强”。其代码响应快、基本一次可用很少返工,任务能自主完整执行,未出现中途停住或原地绕圈的情况。
Latent Space 专访 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang,讨论 Opus 5.5 的发布过程。
钛媒体作者 Alter 分析指出,BenchLM 追踪的 295 个百分制基准中约 36% 已饱和,而 Surge AI 连发三份真实职场考卷把旗舰模型拉回及格线以下。
推荐理由:原文梳理旧基准饱和与新真实任务榜单的落差,并给出按失败成本选模型的算账方法,对企业选型有直接参考。
Anthropic CEO Dario Amodei 在访谈中预测,编程相关工作将快速消失,建议人类转而学习弹钢琴等活动。他认为自己能看清人类未来十年的走向,并在对话中坦诚分享了对未来的预测。
极客公园发文探讨 AI 编程对程序员职业的冲击,认为 1024 程序员节正在从圈内身份暗号变成 AI 工具营销节点。
今年秋天的大模型领域呈现出一幅矛盾图景:Vibe Coding 正越来越多地参与开发下一代 AI,而最有能力的模型却开始因“不讲规矩”而被按下暂停键。文章以此为引,探讨 AI 既需要“名师指引”,也需要“自我修行”。
钛媒体授权发布定焦One的职场观察,指出大厂与民企把AI使用量、Skill数量或AI参与度纳入考核后,员工转而表演式使用AI,如把会议录音转写包装成语音信息结构化流程还评为优秀案例。文中多位化名受访者讲述凑AI用量的具体做法、AI使用率不到70%扣20%绩效、AI助理泄露全公司工资表,以及48%美国受访员工承认夸大AI使用频率的调查结果,并总结AI放大的是管理本身。
Anthropic 平台工程团队负责人 Katelyn Lesse 在 Grafana 主办的 ObservabilityCON 上表示,团队所有代码都是 Claude 写的。该团队负责公司核心服务、开发者工具和产品基础设施,今年夏天约 200 人,工程师的工作已转变为系统设计和验证。
Epic Games创始人Tim Sweeney在上海Unreal Fest群访中阐述其对AI态度的转变,称AI编程能力每隔两三个月呈指数级增长,Epic借助AI以约10倍速度开发新版Epic商城客户端,部分团队编程和3D场景创建效率达原来的4倍。
Latent Space 在 AIE New York 采访 Tenex 的 Alex Lieberman 与 CJ Hess,谈如何在企业级工程组织中落地按产出付酬的模式。
Simon Willison 转述 Jeremy Scheff 的观点,称编程 AI 智能体(coding agents)让“为解谜而编程”的职业走向消亡:过去程序员靠解决棘手的逻辑难题获得高薪,并自主制定策略、时间线和定义可行性。对喜欢构建可用系统的程序员,LLM 是持续的礼物;但对享受解题过程本身的人,这种失落非常真实。
Coding Agent 正进入新的发展阶段。过去它们主要修复 Bug、解决 GitHub Issue 或实现相对独立的功能,SWE-bench 等 Benchmark 已为此建立了成熟的评测体系。动态并行能力正在改变软件开发方式。 (注:原文内容较长但此处仅提供开头片段,摘要仅覆盖可见内容,未添加原文中未出现的细节。)
亚马逊CTO Werner Vogels在深圳交流中提醒,企业不会因暂未用AI而倒闭,应先想清楚要解决什么问题再决策。他以2004年数据库故障催生Dynamo的经历类比当前大模型热潮,主张按任务而非榜单选模型,并为Agent设计授权与规则执行机制,强调开发者对系统行为负责、警惕AI代码带来的验证债,指出经验没有压缩算法。
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出“自动驾驶公司”愿景:AI 智能体承担大部分繁琐工作,人类则凭判断力和品味发挥更大价值。
AI Coding 正在压低软件制作成本,催生只服务一个人或几个人的 micro apps、一次性软件。Lovable 平台累计创建超 5000 万个项目,Zapier 调查中 34% 用 AI Coding 工具的员工没有编程背景。文章指出重做可能比维护更便宜,而 App Store 审核规则仍默认软件是稳定成品,与这类随时生成的软件产生冲突。
Simon Willison 评述 Anthropic 自建源码控制系统 Scion 替代 Git:5 月日均合并约 2,500 次代码变更,9 月超 30,000 次,主分支历史近 100 GB,每天约 2,500 万次 CI checkout。系统由七人团队五个月完成迁移,作者认为 Fable/Mythos 级模型是代码量激增的关键因素,并指出 Scion 类似集中式版本控制、缺少离线支持。
作者陈晨提出研发 AI Agent 市场已分化为个人与企业、国内与国际四个象限,四者的玩家结构和商业模式几乎不同。
研究者 nielstron 给 Gemini 3.8 Flash、GPT Astra 6、Opus 5、Fable 5 四个前沿模型各 $100 预算,让它们自主开发一款「用户体验极好」的开源 PDF 编辑器,结果几乎每个产品点几下就能找到 bug。他据此提出,coding agent 无法像人一样与软件交互,这是其开发体验类产品时的关键短板。
htmx 作者 Carson Gross 主张把 Markdown 当作源代码提交到 /src 目录。他认为在 agentic coding 时代,真正的应用逻辑被定义在 Markdown 中,AI 智能体生成的代码反而成为“低层实现细节”,这一判断引自 Hartley Brody 的《Markdown is the new sou...》。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,但审查力度应随风险而定;Skills 与 MCP 解决不同问题,MCP 提供工具与数据的标准连接,Skills 打包团队流程与最佳实践;RAG 并未消亡,它与 Agent、Skills、MCP 可共存于同一工作流。