Dane Dai
数据结构
当下的 AI Agent Coding 趋势已经不可逆。未来会出现一批新的角色——熵减工程师。未来工程师的绝大部分工作将通过 AI Agent 协作完成，不再直接接触代码。但当遇到极端复杂的问题，或 AI Agent 尚未覆盖的边界场景时，仍然需要人去做全局判断和深度介入。这些人必须保持着对整个系统的深度理解，或者对某个特定领域拥有深层的 insight。最近我看到一篇关于 Anthropic（Claude）一位 Team Lead 的分享。她既管产品也管研发，提到 Anthropic 虽然在大规模招聘软件研发人员，但她认为需要两种人才：第一种是有产品力的人，对产品有想法、有前瞻性；第二种是对系统底层有深厚理解力的人。而她说的第二种，正是我上面提到的熵减工程师。我还看到了陶哲轩的一篇文章。他在做数学形式化证明时，大量使用 AI 来编写证明过程。但他发现，AI 在编写过程中只懂得局部优化，并不理解整个数学形式化证明的全局过程——比如某个定理的封装、类似这样的结构性知识。AI 做了一些局部优化，但没有做到全局优化。这正是熵减工程师的核心价值所在：对系统要有全局上的认识，而 AI Agent 很可能做不到这一点。在 Agent 大规模输出代码的时代，熵减工程师充当 AI Agent 输出与代码库之间的护栏（Guardrail）——约束 Agent 的输出，最大化保护项目的健康度和正确性。类似于 Boris 所说的：不断地写 loop，将团队的隐性知识显性化，通过 loop 让系统更健康，持续消除系统中的问题。作为熵减工程师，人类是最后一道屏障。因为 Agent 对系统全局可能失去把控，人类需要从全局层面去理解系统、定位问题、分析并解决，然后将洞察反馈给 Agent，推动系统进一步优化。这就是 Agent Native 工程体系中的关键角色。熵减工程师有一个非常重要的前提条件：对他们所管理的系统要非常了解——至少在某一个领域要非常了解，要深入底层。他们需要亲临代码一线，能够准确地抓住代码中的漏洞，以及模块与模块之间的功能遗漏。与此同时，另一部分具有产品力的人会负责系统级别的产品开发。两者互补，共同构成 Agent Native 时代的工程团队。
发布于 四川
分享
2
1
未登录
友善发言
评论
加载中
