🎉 Giảm 20% cho đơn hàng đầu tiên!✦🚚 Miễn phí vận chuyển cho đơn trên 500.000₫✦⚡ Flash Sale — Số lượng có hạn!✦🎁 Quà tặng kèm cho đơn từ 1.000.000₫✦🎉 Giảm 20% cho đơn hàng đầu tiên!✦🚚 Miễn phí vận chuyển cho đơn trên 500.000₫✦⚡ Flash Sale — Số lượng có hạn!✦🎁 Quà tặng kèm cho đơn từ 1.000.000₫✦
Lauren Tan:“别人的代码都是AI slop,我的代码不是”——一个月3,127个拉取请求,靠“打理”代码库花园
Quay lại Blog

Lauren Tan:“别人的代码都是AI slop,我的代码不是”——一个月3,127个拉取请求,靠“打理”代码库花园

16 tháng 11, 20261 phút đọcVũ Khôi
Tiếng Trung
#Tiếng Trung
Vũ Khôi

Vũ Khôi

Tác giả tại Wotech Electronics Blog

插图:代码库如同一座花园,AI智能体每天打理它

Lauren Tan:“别人的代码都是AI slop,我的代码不是”——一个月3,127个拉取请求,靠“打理”代码库花园

Lauren Tan是帖子介绍的来自SpaceX的软件工程师,她曾带着浓浓的讽刺意味开玩笑说:“所有的代码都是AI slop,除了我的代码。”玩笑背后是一种结构化的AI Agent工作方式:仅在一个月内,她就提交了3,127个拉取请求,据Học lập trình cho người mới bắt đầu页面2026年11月15日的帖子。附带的视频记录了Lauren Tan本人(昵称Potato)的演讲,她在演讲中提出了核心论点:当今软件工程师的工作是找到一种方法,在大幅提高生产力的同时维持甚至改善代码质量——通过投资于智能体的环境,而不是盲目信任。本文根据视频的自动生成字幕和原帖呈现演讲内容;字幕中一些内部工具名称不清楚,因此仅作一般性表述。Wotech曾在2026年11月12日的文章中介绍过Lauren Tan的5层基础模型;本文呈现的是她本人的演讲,包括其中的实例和数字。

快速回答:据演讲称,Lauren Tan(Potato)在一个月内向生产环境提交了3,000个拉取请求——帖子给出的确切数字是3,127个——靠的是投资于智能体的环境,使智能体值得信任去做正确的事,而不是盲目信任。她的论点是:软件工程师的工作是在大幅提高生产力的同时维持或改善代码质量。她使用倒金字塔模型来分配时间:底部的两个确定性层——代码库本身(良好的API设计、架构、重构)和lint规则、类型系统、编译器和测试——接着是验证(运行时验证和形式化验证),顶部只有一点“散文”(规则、技能、AGENTS.md——需要判断力的东西)。代码库被比作一座花园:因为代码库是智能体最大的输入,每一个变通方法、反模式或旧代码都会被下一个智能体复制;要让智能体始终复制好的东西,就要让代码库尽可能“原始纯净”。据演讲称,整个团队的成果是:一个月11,000个拉取请求,大约每天发布一个新稳定版本,10月份有227名贡献者,回滚率稳定在约0.5%,应用性能仍在改善。*

AI slop是对AI批量生成但质量低下、缺乏思考的代码的嘲讽性称呼。倒金字塔(inverse pyramid)是Lauren Tan用来决定在智能体环境中把时间花在哪里的模型:大部分时间花在确定性层(代码和自动检查工具)上,较少时间花在验证上,最少时间花在需要判断力的书面说明上。

“变slop为金子”的论点是什么?

在演讲开始时,Lauren Tan问观众是否有人曾经看过别人写的代码并认为“那全是slop”——然后她承诺要说服大家,slop可以变成金子。她说上个月她向生产环境提交了3,000个拉取请求;帖子给出的确切数字是3,127个。

在智能体时代之前,她说,没有人真正关心数量——除了那些被称为“编码机器”的例外,比如Brett Taylor,他以在一个周末重写整个Google地图而闻名。有了智能体,现在每个人都可以成为一台“编码机器”。她的论点是:软件工程师的工作——这个职业的“元游戏”——是弄清楚如何在大幅提高生产力的同时维持甚至改善代码质量。

她不称之为“软件工厂”,而是保持简单:一切都关乎信任。不是盲目的信任,而是投资于智能体的环境,使你能够相信智能体会做正确的事。她说她花了6个月才达到能够提交数千个拉取请求的水平,其中许多是在她睡觉时完成的——但其他人所需的时间会比她少得多。

倒金字塔由哪些层组成?

层(从下到上) 内容 性质
代码库 良好的API设计、架构、重构——用代码本身约束智能体 确定性
检查工具 Lint规则、类型系统、编译器、各类测试——迫使智能体默认做正确的事 确定性
验证 运行时验证和形式化验证——发现bug、检查系统必须保持的属性、检查智能体是否理解目标 补充层
散文 规则、技能、AGENTS.md——需要判断力的东西 最少,只有一点

她强调的原则是:每当你纠正智能体时,想想如何把这次纠正变成一个确定性检查,而不是在规则或AGENTS.md中再加一行——因为代码中的检查可复现性要高得多,也更值得信任。

为什么代码库被比作花园?

Lauren Tan用了一个比喻:代码库就像一座花园。代码曾经一次只来几个拉取请求——她记得2024年上班时每天审查同事写的3个拉取请求;如今这个数字更像是300。每位工程师现在都是一个由数百甚至数千个智能体组成的团队,代码来得如此之快,几乎像一股连续的流,几乎是有机的,像一个生命体。

因为代码库是智能体最大的输入,任何变通方法、反模式、已弃用的代码或技术债务都可能被下一个智能体复制,因为它们看起来像是代码库中已确立的模式——就像杂草或害虫在花园中蔓延。因此,她建议让代码库尽可能“原始纯净”,使智能体始终复制好的东西。施加在代码库上的约束——团队竖起的“辅助轮”——就是智能体编写的新代码赖以生长的混凝土地基,就像她插图照片中的建筑物一样。在许多方面,软件工程师的工作正变得像园艺。

演讲中提到了哪些实际例子?

她举了Dune框架的几个例子——Dune是她的团队为自己的Electron应用创建的客户端框架,她将其描述为大致相当于“Electron应用的Next.js”,但有趣之处在于它的大量约束和lint规则,这些规则编码了构建桌面应用时学到的教训:

  • 在产品代码中禁用useEffect:任何需要细微差别才能用好的东西——典型的例子是React中的useEffect,经常被误用——都容易导致slop,因为智能体不擅长使用需要细微差别的东西。团队的解决方案是在产品代码中彻底禁用它,只允许在Dune API内部的某些地方使用。这个问题被按类别彻底消除,再也不需要在代码审查中发现它。
  • 通过目录结构提供上下文:团队发现了一个反模式:智能体将主线程代码导入到Electron应用的渲染线程中,导致长任务和卡顿。团队将其规范化:两个顶级目录分别命名为electron-main和electron-render,它们之间的导入被依赖图分析器和lint规则禁止。
  • 禁用99%的注释:智能体使用markdown——文档、代码注释、规则、技能——作为为不做正确的事写辩解的地方,或者将一个小的纠正过度放大并将其视为永远不能打破的硬规则。团队曾经遇到智能体过度使用命令式计时器(setTimeout、requestAnimationFrame)作为快速修复,掩盖架构冲突,并附上代码注释解释为什么这种快速修复是合理的——然后计时器蔓延到各处,应用性能受到损害。团队决定禁用99%的注释,因为注释是不可执行的:像“告诉下一个智能体不要做某事”这样善意的东西最终永远不会成为任何值得信任的东西。相反,团队使用带有有用错误消息的lint规则,告诉智能体修复根本原因而不是绕过问题。

一般原则是:每次纠正智能体时,要么将其变成一个确定性检查,要么思考如何通过更好的API设计和架构按类别彻底消除该问题。这样做足够多次后,代码审查中需要注意的东西就会越来越少——到某个时候,你会意识到已经没有什么可审查的了,可以让智能体合并它们自己的大部分拉取请求。

验证扮演什么角色?

验证也是她的团队使智能体更加自主并增强对其工作信心的重要组成部分。团队的代码审查流程已经缩小为查看验证产物:视频、屏幕截图、图表和形式化验证。

  • 运行时验证:给智能体一种运行代码的方式——团队的运行时验证技能中包含一种叫做“功能地图”的东西,基本上是从用户角度列出应用中所有功能的站点地图,创建共享词汇,使智能体不必猜测“左侧边栏的那个东西”是什么;还包括智能体可以重复使用的自定义CLI,减少token使用并且可测试。
  • 形式化验证:团队使用TLA+对主要用户流程(如跨多个设备和平台的通知)进行模型检查,并使用Lean证明某些算法——例如一个自定义虚拟化库,检查是否存在闪烁或抖动问题。团队仍在试验这种方法,已经用它发现了相当多的bug,但强调这不是“银弹”——只是智能体环境中的又一层。
  • 面向UI的基于属性的测试:团队使用一个库(其名称在自动生成的字幕中不清楚),已经发现了几个UI bug。

她转述了Cindy在X上的一篇帖子:六个月前,Cindy说她无法信任自己的智能体,因为一些微妙的bug被合并了;缺少的正是验证流程。六个月后,Cindy说她每天70%的token都用于验证——Lauren Tan说这与她所观察到的情况一致:她自己的大部分token使用也用于验证。据她说,这些技术没有一项是新的;它们只是过去使用成本高得令人望而却步的优秀软件工程工具,而智能体已大幅降低了这种成本——我们正在进入“软件测试和验证的黄金时代”。

取得了什么成果?

据演讲称,团队的速度正在起飞:上个月团队向生产环境提交了11,000个拉取请求,客户端发布节奏也有所加快——大约每天发布一个新稳定版本——并且有更多临时或路过的贡献者,他们的上下文较少但仍能做出贡献;仅10月份就有约227人至少贡献了一个拉取请求。

尽管速度在加快,被回滚的拉取请求数量按相对比例下降,并稳定在约0.5%。与发布时相比,应用性能不仅保持稳定,而且在多个方面都有所改善:启动、输入、打开新聊天和切换聊天都变得更快。

团队还自动化了外层循环:每当发布一个新版本时,系统会自动启动一个新项目,对整个应用进行模糊测试,像真实用户一样使用应用来发现bug,为每个bug打开修复拉取请求并自动合并——因为代码库足够好,拉取请求默认就是好的,大多数产品代码不再需要深入的人工审查。

教训:从哪里开始?

在急于构建软件工厂并自动化一切之前,Lauren Tan建议:每当纠正智能体时,首先从改进代码库开始——添加一条lint规则以防止反模式的新出现,然后清理旧模式——并确保验证体系真正强大。无论如何,这些工作大部分都是自动化的先决条件:如果内部编码循环产生slop,自动化该循环只会产生更多的slop,并消耗更多的token,而大家都知道这是非常昂贵的。一旦在代码库、静态分析以及运行时和形式化验证方面进行了投资,许多事情就会变得可能——你可以在这些基础之上构建自己的工厂。有了坚实的基础和良好的有机架构,你就可以变slop为金子:以高质量和高速度发布代码而不牺牲质量。

常见问题

1. Lauren Tan是谁,她取得了什么成就? 据帖子称,Lauren Tan(昵称Potato)是SpaceX的软件工程师;据帖子称,她在一个月内提交了3,127个拉取请求,并在附带的视频中介绍了她与AI Agent共事的方式。

2. 演讲的主要论点是什么? 软件工程师的工作是在大幅提高生产力的同时维持或改善代码质量——通过投资于智能体的环境使智能体值得信任,而不是盲目信任。

3. 倒金字塔由哪些层组成? 从下到上:代码库、确定性检查工具(lint、类型、编译器、测试)、验证(运行时和形式化),顶部只有一点散文(规则、技能、AGENTS.md)。

4. 为什么她的团队禁用useEffect和99%的注释? 因为需要细微差别才能用好的东西智能体用不好,而且注释是不可执行的——智能体用注释来为不做正确的事辩解。团队用lint规则和按类别消除问题的设计取而代之。

5. 她的团队取得了什么成果? 据演讲称:一个月11,000个拉取请求,大约每天发布一个新稳定版本,10月份有227名贡献者,回滚率约为0.5%,应用性能有所改善。

本文改写自Học lập trình cho người mới bắt đầu页面2026年11月15日的视频(reel),记录了Lauren Tan(Potato)的演讲。内容来自视频的自动生成字幕和原帖;字幕中一些内部工具名称不清楚,因此仅作一般性表述。数字来自演讲和帖子,未经独立核实。

Bài viết liên quan

'看完之后,你的大脑将不再一样':Lara Boyd关于神经可塑性的4堂课

16 tháng 11, 2026 · 1 phut doc

'看完之后,你的大脑将不再一样':Lara Boyd关于神经可塑性的4堂课

Dung Lê于2026年11月14日在Facebook群组中发表的一篇帖子讲述了观看脑科学家Lara Boyd TEDx演讲的经历——以及这次演讲如何改变了作者对学习的理解。本文转述作者从演讲中得出的4堂课,以及作者的个人故事。文中的科学内容和引文均按作者对演讲的转述,未与原版独立核对。

Breakscale:不要等应用崩溃才知道它在哪里崩溃——先让它崩溃

16 tháng 11, 2026 · 1 phut doc

Breakscale:不要等应用崩溃才知道它在哪里崩溃——先让它崩溃

你用VibeCoding做了一个网站,10个人测试时运行良好,第二天一投广告,人一多就崩溃了——却不知道它在哪里崩溃、该修哪里。这就是Breakscale想要解决的问题:这是一个开源的系统设计模拟器,它反其道而行之:搭建起系统,把用户量加到它崩溃为止,并向你展示它在哪里崩溃、为什么崩溃。本文基于Code Web Không Khó页面2026年11月16日的介绍帖子;各项功能和数据均来自该帖子及…

IT专业学生失业怪AI:'AI没有抢走工作,懒惰和自以为是才正在淘汰你'

16 tháng 11, 2026 · 1 phut doc

IT专业学生失业怪AI:'AI没有抢走工作,懒惰和自以为是才正在淘汰你'

2026年11月16日上午,Facebook群组IT for Beginners中的一篇匿名帖子引起了关注,其论点与主流相反:IT专业学生毕业后失业不是因为AI抢走了工作,而是因为他们在大学期间的学习方式和态度。本文转述作者的观点——作者自称自己也还是一名在校学生——以及作者给出的例子和观察。这些是作者的个人意见,未经独立核实。