未来的程序员就像今天的厨师、司机，谁都可以做，但又不是谁都去做。属于没人在意的群体。

就酱，period 。

几乎可以肯定不会。交互延时、计算效率、交互确定性，都决定了 App 不会消失： /t/1181856
但肯定是与 AI 深度融合的。

其实 benchmark 分数可以证明，不过我还是喜欢这个帖子里的视觉测试：
/t/1192001

当时我测试了只有 codex 5.3 extra high 能解决。不知道最新的 5.4 能不能解决，起码 Opus 4.6 是不行的。

这个只要看 OpenAI 做的就可以了： https://openai.com/zh-Hans-CN/index/harness-engineering/

首先是完全由 Agent 编码百万行代码：
「我们用了几周的时间来交付最终达到一百万行代码的项目。」
「每一行代码 — 从应用逻辑、测试、CI 配置、文档、可观察性到内部工具 — 全都是由 Codex 编写的。」

然后是针对架构漂移的处理：
「完全自主的智能体也引入了新的问题。Codex 会复现代码仓库中已存在的模式 — 甚至包括那些不均衡或不够理想的模式。随着时间的推移，这不可避免地导致漂移。」

「最初，人类是手动处理这个问题的。我们的团队过去每周五（占一周的 20%）都要花时间清理“AI 残渣”。不出所料，那并不具备可扩展性。」

「相反，我们开始将我们称为“黄金原则”的内容直接编码到代码仓库中，并建立了一个循环清理流程。这些原则是带有主观意见的机械规则，旨在保持代码库的可读性和一致性，以便将来运行智能体。例如：(1) 我们更倾向于使用共享的实用程序包，而不是手工编写的辅助工具，以便将不变式集中管理；(2) 我们不会使用“YOLO 式”探测数据 — 我们会验证边界，或依赖类型化的 SDK ，这样智能体就不会意外地基于猜测的结构进行构建。我们会定期运行一组后台 Codex 任务，扫描偏差、更新质量等级，并发起有针对性的重构 Pull Request 。其中大多数都可以在一分钟内完成审查并自动合并。」

「其功能类似于垃圾回收。技术债务就像一笔高息贷款：不断地以小额贷款的方式偿还债务，总比让债务不断累积，再痛苦地一次解决要好得多。人类的品味一旦被捕捉，就会持续应用于每一行代码。这也使我们能够每天发现并解决不良模式，而不是让它们在代码库中传播数天或数周。」

波动吧，现在好像又没事了。

不是 Cursor 限制，是它的模型供应商限制。
需要让 Cursor 走代理，同时禁用一下 http2 。详细看这个帖子： https://0.51bbc.workers.dev/t/1145723

我看了下，之前就有这个选项吧？跟之前的规定有什么差别吗？我的是关闭着的。

发现一个很有意思的趋势，平均每次 commit 的行数（ Add lines ），是在稳步减少的，从最初(25 年年中)的大几千行，到 3000 行，到 2000 行，到最近的不足 2000 行。是不是因为越来越便宜了😂。

虽然但是，我前两天看了，里面的 AI 内容非常丰富，有些回复有些水（刷活跃度），但也有很多回复非常好。比如 v 友 @seeksky 制作的 golutra ，在里面获得了上百条非常好的回复和讨论，但在 v 站是没有的。

所以，该“舔”还得“舔”。

还有就是现在是通过安排一个路线图（里面很多的待办任务）来实现的。我理想中的应该是，可以随时喂给 CEO Agent 任务，并让他给我定时汇报这样的机制。相当于是异步的机制，就像跟人的对话一样，我随时打断 Agent 要求总结汇报东西，Agent 也可以捡起来之前的任务。

不过，这个演示不错，让我看到了多 Agent 协作时，对话框方式的好处，所有对话都集中在一个对话框里面。不用到每个 agent 窗口去看了。

看了下，好像还是有人介入😂。前面几轮对话，有重复的对话，不知道是为啥？
另外，我注意到，目前记忆这块，超出上下文的时候，还是利用的 Agent 自己的记忆压缩机制。

@anivie #6
首先是对需求的描述，就不能做到完整、精确。然后即使一次性写完，还是要调试啊。
最后即使是一次 vibe coding 成型，那二次开发的成本也更低啊。

我最近也准备买，特意问了 AI ，说叠瓦式与垂直式，都是磁性存储，在数据持久性上没有差别，差别只在于写入速度（叠瓦式是先整取再修改再整存，垂直是直接存），对于冷存储这个场景来说，写入次数很少，似乎不是大的问题。目前看好了西部数据的。现在机械硬盘也贵了吗？

楼主考虑网盘吗，我准备使用阿里云的 OSS 深度冷存储，1TB 数据一年只要 90 块（按量计价）。官方保证 11 个 9 （ 99.999999999%）的数据持久性。OSS 深度冷存储的收费特点是，你只存着，那就只有这么些费用（按量计价），如果需要取的话，就收取一些费用（提取费+网络传输费： https://www.aliyun.com/price/detail/oss ），根据冷存储/深度冷存储，需要几个小时的提取等待时间，提取也是按量计价，这特别适合担心本地数据损坏的情形，哪个文件坏了就提取下来。就看价格是不是能接受了，可以把那些相近的照片只筛选出一份，减小体积。

这是我之前发的帖子「如何保存数据跨越 50 年？」： /t/1173178

成本决定一切。我来推理一遍：

首先，你也承认，即使有了 AI ，软件还是需要存在的。AI 本身不能被当成软件使用，比如它不能被当作数据库。

然后，既然软件必然存在，那么就必须要开发，无论是机器自主开发，还是人机协作。

然后，既然软件需要开发，这个过程就要有成本，这个成本，一是 token 费用，二是时间成本。后者尤其贵重。人不可能为了使用一个软件，就让他的 AI 助理提前 1 个月开发。或者充当小白鼠去迭代自己要用的软件。

最后，既然有开发成本，那么，如果成本更低的就会获胜。每个人自己 vibe coding 显然不是成本最低的。

一个比较显然的思路是：相比于每个人的 Agent 助理自己去开发一套软件，从其他 Agent 那里获取一套软件，并进行二次开发定制，显然是低成本的。定制软件的 Agent 节省了 token 以及大量时间，而分发软件的 Agent 则通过大量分发，覆盖了其开发成本。

这种授权+定制的模式，虽然不一定是未来的模式，但毫无疑问，比自己开发的成本要低的多。时间是最贵的成本。

经济和社会是一个系统，是带有反馈和循环的，是非线性的，A 作用于 B ，B 作用于 C ，C 反过来又作用于 A 。不能拿线性的眼光看。

就拿我们最熟悉的“三体”小说为例，三体中 3 个太阳的轨迹复杂到无法预测，就因为这 3 个太阳彼此给予反馈：引力导致位置变化，位置变化又导致引力变化。

拿 AI 对社会的影响来说，
生产力提升->产品的成本下降->东西便宜->人们需求更多->需求增多；
生产力提升->公司对人员的需求减少->裁员->人们失业减少消费和需求->需求减少；

到底是沿哪个路径发展呢？如果是同步发展的话，哪个路径更占据优势呢？发展过程是怎样随时间变化和展开的呢？

上面还仅仅是 2 条反馈路径。真实世界的反馈路径又何止 2 条，简直有成千上万个变量和反馈。

这比 git 提交记录还要有监控性：git 是以一个软件功能为单位，反映一个人的工作量，token 则直接反映一个人的工作时长，几乎是实时监视了。

我天，前几天正是 v 站最密集的 AI 失业焦虑期。