AI Engineer YouTube 频道的订阅量刚刚突破了一百万。感谢所有观看过演讲、分享给同事或将所学应用于生产环境的朋友。在这一期特别节目中,我们邀请到了一位嘉宾,共同探讨许多人在工作中都在思考的一个问题:现在的软件工程师究竟应该学些什么?
Mihail Eric 有两个实践场景来验证他的答案。他在斯坦福大学讲授《现代软件开发者》(The Modern Software Developer),同时在 Monaco 负责 AI 业务,那里的工程师们正在使用编码智能体(coding agents)交付软件并排查线上故障。我请他带我们梳理了一遍教学大纲,并分享了其中哪些内容经受住了他自己工程团队的实战检验。
这也算是为下周即将在旧金山参加 AIE Code 的朋友们准备的前瞻预习,作为大家接下来与演讲嘉宾、赞助商和与会者交流的必备背景知识。如果你作为 Latent Space 订阅用户看到了这篇内容且尚未购票,可以使用此优惠码享受七折优惠(抱歉,不支持退款)。
去年的课后作业,现在一条提示词就能搞定
CS146S 课程的第一期包含九次作业和一个大作业项目(capstone)。在其中一项练习中,学生们需要在一个代码仓库上运行 AI 代码审查工具(AI code reviewer)并评估其反馈。到了下一期课程时,Mihail 发现学生们只需一条提示词(one-shot)就能搞定其中的大部分练习。当他在满是斯坦福大二、大三学生的教室里询问他们的编程方式时,所有接受调查的学生都已经在日常使用智能体了。
因此这一次,作业的一部分改为了向开源项目贡献代码,由该代码仓库的维护者来审查学生的补丁代码(patch)。我很欣赏这种作业设计带来的改变。你确实可以在一个下午让智能体实现某个功能,但你仍然需要弄清楚维护者是否需要该功能、现有代码为什么会这样实现,以及你的补丁可能会破坏哪些其他部分。而这种沟通交流,也正是初级工程师向资深工程师学习的必经之路。
本期节目中有一个练习,你完全可以借鉴到下一次 PR(Pull Request)中。Geoffrey Litt 开发的 explain-diff 技能可以将代码变更转化为可视化的导览讲解,随后针对变更内容向你提问。不妨在你的智能体刚刚生成的补丁上试一试:面对哪些问题,你必须重新打开代码才能答得上来?观看讨论。
Monaco 的采购与自研策略
在 Monaco,团队评估了多款代码审查产品后选择继续使用 Devin。但在智能体工作区(agent workspaces)方面,他们采取了截然相反的做法。在后台运行的智能体需要一个环境来运行产品、重现故障并测试补丁。具体细节取决于 Monaco 的云环境配置方式,因此团队自行构建了专属的工作空间。Mihail 的经验法则是:“买来学经验,自研求长久(You buy to learn, and you build to keep)。”
这方面的一个成果是 Hal。工程师可以让它排查故障并提交 PR;销售人员也可以向同一个系统询问产品的工作原理。在前一种场景中,有价值的输出是可供审查的代码变更;而在后一种场景中,则是可以解释给客户听的产品说明。如果你给两类人都输出一整屏的调试日志,那你就只能满足其中一方的需求。
我反复思考的一个问题是:在 PR 的另一端会发生什么?智能体只能看到当前的代码。但它去哪里才能查到为什么团队在六个月前否决了完全相同的改动?这引申出了从 Basis 的权威地图(Authority Map) 到 Mihail 的一个预测:开源代码仓库将演变成由智能体运营的软件工厂。这也是如今让学生去对接维护者的充分理由——总得有人来决定哪些改动真正属于这个项目。
如果你正在基于编码智能体进行构建,欢迎来 AI Engineer CODE 交流。如果你自己也在教授相关内容,我也很想了解你最先重写的是哪一项作业。
节目笔记
- 斯坦福 CS146S 课程 —— 为期十周的教学大纲、作业以及开源合作方。你也可以切换至上一学年的课程进行对比。
- 构建编码智能体与深入了解 Claude Code 内部架构 —— Mihail 对工具调用循环(tool loop)及其外围封装运行环境(harness)的全面剖析。
- 理解代码成为了新的瓶颈 —— Geoffrey Litt 探讨如何理解由 AI 生成的 Diff 变更。
- Monaco 的智能体-开发者工作区 —— 团队关于构建供智能体运行与测试应用程序环境的思考与实践。
- 如何终结代码审查与背后的 Faros 研究报告 —— 深度采用 AI 的团队合并的 PR 数量增加了 98%,但 PR 审查时间却延长了 91%。
- Basis:如何让我们的 Monorepo 更契合智能体使用