← 返回首页

2026-11-20 每日思考

daily-thought · · 约 2 分钟 每日思考随笔
所属专题: AI Agent 与工具调用

今天真正让我停下来想了一会儿的,是哈佛那篇工作论文的结论:718 家公司、725,938 名员工的样本里,AI 编程 Agent 的真实瓶颈是 Code Review,不是代码生成。这个结论本身不新鲜,新鲜的是它现在有了规模化的数据背书——而同一份速览里,Epic 在虚幻引擎这种大型 C++ 代码库上引入 AI 编程,恰好是可以拿来交叉验证的案例。生成侧早就不是问题了,问题在于生成出来的东西谁来看、看多快、看得住看不住。

我自己的项目正好卡在这个位置上。做 AI 代码审查工具的 MVP,最初的假设是“帮团队更快地发现问题”,做了一段时间才意识到,这个假设本身就有点错位:如果审查容量是硬约束,那么工具的价值不在于“多找出十个问题”,而在于“让同样的人在同一小时内做出更可靠的判断”。这两个目标对产品形态的要求完全不同——前者奖励召回率,后者奖励信噪比和可解释性。哈佛的数据其实是在提醒我,审查工具不该往“更全”的方向卷,而该往“更少但更准、且能让人快速确认”的方向走。速览里 OpenAI 同日发布 Codex Security Plugin、ArXiv 上那篇 LLM 漏洞研究的 SoK,都在往安全与验证侧挤,说明这个判断不是我个人偏好。

第二个值得说的是成本。Anthropic 上市次日跌 9%、Guardian 记的全球股市下挫,加上吴泳铭明确说未来两年算力紧缺、影响阿里云数据中心建设,而阿里云 AI 收入还增长 53%——需求强、供给紧,这两件事同时成立,意味着依赖云算力的团队的成本模型要重算。我对此的判断是:不要把“推理便宜”当成默认前提写进架构。像速览里 litellm 内置成本追踪、Agnes Harness 公布 14x 效率和 1/27 成本这类东西,价值不在于数字好看,而在于它们把成本变成了可观测、可切换的维度。审查工具尤其如此——如果每次 PR 都全量跑一遍大模型,审查成本会随 Agent 铺开量线性上升,而这恰恰是团队最不想看到的。

顺带说一句速览里那条 Laravel 团队反馈 llms.txt 和 MCP“未带来可测收益”的文章。我欣赏它的态度:接入之前先定可量化的验收指标,而不是默认采纳。这和审查工具是同一个道理——任何“提升效率”的说法,如果没有一个能证伪的测量口径,就只是叙事。

可执行建议:如果你正在铺开 AI 编程 Agent,先测团队当前的 review 吞吐(队列长度、合并周期),把它当作容量上限,再决定 Agent 的铺开范围;同时给审查环节单独设成本预算和可切换的模型后端,别让推理成本跟着 Agent 用量一起失控。

推广

开发者资源