Latest / The Long View / 2026-09-03 · 深度｜DHH：手写代码时代的终结，与编程正在变成什么

Transcript

2026-09-03 · 深度｜DHH：手写代码时代的终结，与编程正在变成什么 · The Long View

0:00
欢迎收听The Long View的每日深度。
0:02
今天我们花一期的时间，讲一个人怎么在九个月里，
0:05
从最出名的"手工雕刻代码"的捍卫者，
0:08
变成了一个把代码全部交给智能体去写的人。
0:13
这个人是Ruby on Rails之父、
0:14
三十七信号公司首席技术官 David Heinemeier Hansson，
0:19
大家习惯叫他DHH。
0:22
这期内容来自他最近做客Lex Fridman播客第五百零一期的一次长谈，
0:26
我们把里面最硬核的八段，重新讲给你听。
0:30
十三个月前，DHH和主持人Lex Fridman坐在同一个位置上聊过一次编程，
0:36
那时候的他对人工智能介入编程这件事还相当怀疑。
0:41
这一次，他上来就说，自己的核心判断其实从未改变，
0:45
变的不是他，是这件事本身所处的阶段。
0:50
DHH把过去九个月切成三个界限分明的阶段，
0:54
而分割点精确到了一天：二〇二五年十一月二十四号，
0:58
Opus4.54.54.5发布的那一天。
1:01
在那之前，人工智能对他来说只是一个更高效的自动补全，
1:05
一个可以随口聊聊、帮着在网上查资料的小助手，
1:08
但完全没有改变他和电脑之间的情感连接，
1:12
他依然在一行一行地雕刻Ruby代码。
1:15
Opus4.54.54.5之后，他第一次发现，
1:18
智能体交出的成果诡异地接近他自己会写出来的东西。
1:23
紧接着的第二阶段是子智能体和并行工作流的出现，
1:26
原本要花很久的任务被拆成好几份，交给八个子智能体同时干，
1:32
时间缩短到十分之一。
1:34
但即便如此，他形容自己在前两个阶段仍然坐在驾驶座上：他要决定去哪里找答案，
1:40
出了问题要亲自把方向盘掰回来。
1:43
真正的分界发生在今年夏天，随着Opus5、
1:47
Anthropic内部代号Fable的模型，
1:50
以及OpenAI的GPT Sol相继登场。
1:54
DHH说，现在他不再告诉智能体该往哪儿走，
1:58
而是直接把自己面对的问题、甚至一个模糊到说不清楚的念头丢给它，
2:03
由它来决定路线。
2:05
他说：我在挑路线这件事上，已经变得可有可无了。
2:09
他打了个比方：早期的全球定位系统，也就是G P S，
2:13
曾经把司机导进海港里，那时候的新闻天天在写这种系统让人不看路、
2:18
结果开进了港口的报道，但现在还有谁听说过G P S把人导进海里？
2:23
因为汽车已经开始自己开了。
2:25
这正是他现在对智能体的感受：在他专精的领域里，
2:29
他可以完全信任它，相信它不会犯蠢，即便犯了蠢，
2:34
也有能力自己爬出来。
2:36
这种信任不是没有边界的。
2:37
DHH特别提到，人工智能在寻找和修补安全漏洞这件事上的能力已经强到有点吓人，
2:44
正是这个原因，Anthropic内部代号Fable的这款模型一度因为太擅长找漏洞，
2:51
而被认为不适合直接发布：它能把几个单独看起来无伤大雅的小漏洞串成一条完整的攻击链，
2:58
而这种组合拳式的攻击手法，过去只有极少数受雇于国家级组织的黑客才玩得转。
3:05
而让DHH彻底信了教的，是他过去三个月全职扑在上面的项目，
3:10
Omarchy，一个他自己从零打造的Linux发行版。
3:14
它最新的版本，代号Quattro，几天前刚刚发布。
3:19
DHH说，从这一版开始，里面所有代码没有一行是他亲手写的：他审阅了系统架构的每一处形状，
3:27
审阅了模型层里每一行关键代码，但界面代码、
3:31
大量辅助代码、以及全部新功能，他一行都没写。
3:36
与此同时，三十七信号公司的商业产品Basecamp和Hey的情况要复杂得多。
3:42
今年二月，团队一度让不熟悉架构的设计师们直接用智能体随性编程，
3:47
结果每个改动单独看都说得过去，合在一起却把整个系统的架构拆得七零八落，
3:55
团队不得不回过头来手工善后。
3:58
DHH由此得出一个结论：在成熟的、承载真实业务的代码库上做这种随性编程，
4:05
前提是你本身得懂架构，否则你留不住让系统撑到今天的那套骨架。
4:12
接下来说说第一件事：为什么Photoshop没有变快十倍，
4:16
因为瓶颈从来不在实现。
4:19
Lex提出一个大家都感觉得到的疑问：如果智能体真的这么厉害，
4:23
为什么Adobe Photoshop这样的成熟软件，
4:26
并没有看到功能爆发式的提速？
4:29
DHH的回答直指要害：软件实现从来都不是真正的瓶颈，
4:33
人类的沟通带宽才是。
4:36
他描述了一个典型的大公司场景：一个产品经理、
4:39
两个设计师，上面还有一位副总裁，再上面是首席技术官，
4:45
每个人都想在塑造产品该长什么样这件事上插一脚，
4:49
因为大家都需要证明自己存在的价值，而这恰恰是生产力去送死的地方。
4:55
他说自己在打磨Omarchy这三个月里得到的启示是：要拿到那种十倍、
5:00
百倍、极少数情况下千倍的生产力提升，
5:03
你必须直接和智能体对话，不能让另一个人插在中间当翻译，
5:07
因为这个中转实在太慢了。
5:11
这固然有代价，他承认自己喜欢和人共事，
5:13
但也意味着，如果决策权还压在一层层审批和大公司的科层机器里，
5:19
那些用智能体就能十倍提速的期待就得降一降。
5:23
第二个原因更扎心：大多数组织的瓶颈根本不是实现能力，
5:28
而是缺主意、缺品味、缺清晰的方向。
5:32
DHH特意提到微软：这是一家几十年来始终坐拥数以万计的程序员的公司，
5:38
却恰恰证明了一件事，光有写代码的产能，
5:42
写不出真正打动人的软件。
5:45
他半开玩笑地说，如果只是把一堆平庸的想法快速实现出来，
5:49
那和微软过去的产出也没什么两样，而这不是他们想复刻的东西。
5:54
DHH也补了一句更宽容的解释：人类真正拥有这种规模的智能体生产力，
5:59
满打满算也就半年多时间，这在人类适应新事物的周期里根本不算长。
6:05
他反问，批评人工智能进展太慢的人到底在想什么，
6:09
过去从来没有任何一次技术进步跑得像人工智能这么快，
6:13
却还有人抱怨才三个月怎么还没把整个世界重写一遍。
6:18
对话由此转向一个更大胆的设想：既然一个人现在就能重写整套软件，
6:22
那是不是每个人都该转向Linux，把Windows、
6:26
macOS上还缺的软件在Linux上重新做一遍？
6:30
DHH提到一个流传已久的老笑话，关于微软Office，
6:34
每个人常说的是我只用得上其中百分之五的功能，
6:37
可问题是，每个人用的那百分之五都不一样。
6:41
如果每个人都能用智能体，把自己真正需要的那百分之五单独做出来呢？
6:46
他说这正是他过去两个月亲身经历的事：他从一个只写Ruby的程序员，
6:51
一路变成了会写C加加的多面手，已经在Omarchy Quattro里发布了三款自己写的应用程序。
6:57
其中一个是写作工具：他原本用一款叫Typora的应用写文章，
7:01
后来发现自己只用得上其中百分之五的功能，
7:04
于是直接让智能体用C加加和Qt重写了一个，
7:08
大约二十分钟就有了第一版，两天后他彻底抛弃了Typora，
7:13
从此所有文章都在这个自己起名叫Omawrite的工具里完成。
7:17
再来说说第二件事：开源正在经历一场宗教改革，
7:20
一千份合并的拉取请求，也就是常说的P R，
7:25
和互相审查的智能体。
7:27
DHH用了整整一段来回应那些抱怨智能体生成的P R太多了的开源维护者，
7:34
他的原话相当不客气：这就像在抱怨，我的牛排太多汁了，
7:39
我的龙虾太多黄油了。
7:42
他的论证建立在自己二十五年运营开源项目、
7:45
审阅过成千上万名程序员代码的经验之上：大多数程序员省略的，
7:49
恰恰是智能体最擅长、也最愿意耐心做到底的那些苦活，
7:54
写单元测试，在P R里说清楚为什么这么改，
7:58
提供详细的问题复现步骤。
8:00
他直白地说，大多数程序员的水平其实很烂，
8:03
不是指他们人品差，而是说他们不写你想要的那种代码，
8:08
不认真填写问题报告里的关键信息，不写代码注释，
8:12
不做双重检查。
8:14
而智能体，只要你吩咐，这些事它都会照做。
8:18
这意味着，一份典型开源项目里普通程序员提交的P R，
8:24
质量其实已经被智能体写的P R超过了。
8:27
DHH甚至说，他更愿意收到智能体写的P R，
8:31
因为拒绝起来心理负担更小，你反正没亲自写，
8:35
看一眼智能体写了什么，不想要就直接说不，
8:38
它是个铁皮机器人，不会介意。
8:42
他把这个转折比作宗教改革：程序员一度是介于普通人和计算机之间的神职人员，
8:47
而智能体正在打破这层中介，让每个人都能直接向更高的智慧提出请求。
8:54
具体数字很惊人。
8:55
DHH说，过去一年多他一直在运营Omarchy这个开源项目，
9:00
仅过去三个月围绕Quattro这一版本，
9:02
他就合并了超过一千份P R，其中相当一部分作者根本不是传统意义上的程序员，
9:08
或者是其他领域的程序员，过去完全没有能力为一个Linux发行版贡献代码。
9:14
目前还有大约四百份P R处于未合并状态，
9:17
大约是一周前的两倍，增长速度确实很快，
9:21
但配套的工具也在同步跟上：DHH早就不再亲自审阅每一份P R，
9:27
而是交给智能体先筛一遍，由它们给出摘要，
9:31
告诉他哪些已经准备好交给人类做最终决定。
9:34
他不需要再看那些明显是错误的、重复的、
9:37
质量不合格的P R，智能体帮他把糠皮筛掉，
9:42
他只看留下来的珍珠。
9:44
Lex追问了一个更本质的问题：这些好点子，
9:47
归根结底是不是还是源自人类的头脑？
9:51
DHH的回答是否定的。
9:54
他说这是他在第一个阶段，也就是去年十一月二十四号到今年二月底的想法，
9:59
那时候他认为所有的创意都来自人类，智能体只是执行者。
10:04
但现在他不这么想了。
10:06
我见过的东西，你们绝不会相信，他说自己作为一个一贯以有好想法自豪的人，
10:13
已经被模型展现出的创造力震撼到了谦卑的地步。
10:18
他直言，那些还停留在智能体不过是鹦鹉、
10:21
只会复述别人说过的话这种分析框架里的人，
10:24
是没有跟上过去六到九个月的真实进展。
10:27
第三件事，聊聊vibe coding不是编程，
10:30
而懂得太多反而成了DHH的负资产。
10:34
DHH拒绝把智能体工程和编程混为一谈，
10:38
也拒绝把vibe coding和编程划等号。
10:41
他给出的定义很干脆：编程意味着理解循环、
10:45
条件判断、变量这些基本构件，它指的是掌握编程语言本身的构造，
10:51
而不是造出一个程序这件事本身。
10:54
用他的话说，一个只会给程序员下指令、
10:57
自己完全不懂代码的公司老板，在预智能体时代大家不会称之为程序员；
11:03
同样地，一个只会告诉智能体要什么、自己完全不看实现细节的使用者，
11:08
也不该被称为程序员。
11:10
他把这种做法精确定义为：让智能体替你构建软件，
11:14
而你根本不看它的实现。
11:16
Lex试图为老派程序员做智能体工程辩护：如果你懂for循环，
11:21
懂函数式编程的基本原则，你用自然语言指挥智能体的方式会更系统，
11:27
能做出来的东西的规模和种类也会更大。
11:30
DHH半是同意半是反驳。
11:34
他承认，在最初那三个月，他管这叫第一个智能体时刻，
11:38
而不是时代，因为它只持续了三个月，懂得越多确实越有用，
11:43
因为他能用自己二十五年的经验，把任务拆解成智能体容易执行的路径。
11:49
但很快他就迟到于下一个转折：当智能体开始能够根据模糊的问题描述，
11:54
给出比程序员亲自规划路径更好的方案时，
11:57
懂得太多反而成了负担。
12:01
他坦率地说：有一段时间，我懂的东西越多，
12:03
对我反而越不利，因为他会习惯性地把自己的做法强加给智能体去执行，
12:09
而智能体本可以找到更好的路径。
12:12
这段对话里最有分量的一个佐证，来自DHH转述的一段行业内幕：据在Claude Code上工作的Boris在一次采访中透露，
12:21
Opus5，以及据信Fable，所使用的系统提示词比之前缩短了百分之八十，
12:28
不是因为智能体需要更少的人类指导，恰恰相反，
12:31
是因为被过度指导反而会损害产出质量。
12:35
DHH把这比作一个熟悉的职场场景：一个什么都不懂却喜欢对你的代码指手画脚的顶头上司走进办公室，
12:44
你会怎么办？
12:45
你会赌气，你会故意写得差一点，如果被强迫按照违背你判断的方式去做的话。
12:51
他反问：凭什么智能体会不一样？
12:55
这段争论的落点，回到了软件行业二十年前那场敏捷开发运动的核心洞见：没有人在真正用上一款软件之前，
13:03
就知道自己想要什么。
13:05
过去几十年，行业一直在尝试预先把需求写清楚、
13:09
写成规格书、交给程序员按图施工，结果没有人满意，
13:14
因为没有人在真正拿到东西之前，知道自己想要的是什么。
13:19
DHH说，在智能体时代，你应该抵制一开始就把话说死的冲动，
13:25
反而应该保持模糊，先把东西做出个雏形，
13:29
再在使用它的过程中，发现自己真正想要什么、
13:33
什么才是重要的。
13:35
第四件事，说说十六条并行线程：壁橱里的远程控制设备，
13:39
一款叫Herdr的工具，和Linux为什么赢定了。
13:43
Lex追问DHH现在的实际工作方式发生了什么变化，
13:46
答案是：从单线程思维，彻底转向了并行处理。
13:52
过去手工雕刻代码的年代，DHH的心流来自于深度沉浸在一个问题里，
13:57
一路做到底。
13:58
但和智能体一起工作完全是另一套逻辑，
14:01
因为智能体这东西又快又慢，它不会像打字那样即时给你反馈，
14:06
你必须让它炖一会儿。
14:08
一开始他也不太适应，总觉得干等着不像是在产出。
14:14
但很快他意识到，只要同时运行好几个智能体，
14:17
他依然能进入心流状态，因为他一直在做决策：要么帮某个卡住的智能体做选择，
14:23
要么准备接手一个新任务。
14:25
这套并行工作流对基础设施提出了新要求。
14:28
DHH最初用终端复用工具tmux分屏来管理多个智能体，
14:33
但当他不再局限于一台机器、开始跨多台机器同时跑智能体时，
14:38
tmux已经不够用了。
14:41
于是他转向了一个叫Herdr的工具，
14:43
本质上是tmux加上智能体通知：每当一个智能体完成任务、
14:48
需要人来做决定的时候，它会响一声铃。
14:51
为了把工作铺开到更多机器上，他给壁橱里几台闲置的迷你电脑都配上了一种叫GL点iNet Comet的远程键盘鼠标显示器控制设备，
15:03
插上视频接口和数据接口，登录一次网页设置一次密码，
15:08
这台设备就能接入他用Tailscale搭建的私有网络，
15:11
一种能把散布各地的电脑连成一张局域网的工具，
15:15
不用打通防火墙，不用配置复杂的虚拟专用网络。
15:19
靠着四五台机器同时运转，DHH说自己目前能同时驾驭大约十六条智能体工作线程，
15:26
再往上加，速度反而会因为智能体本身跑得更快而被平衡掉。
15:32
他的开发环境依然是Neovim，但用途已经变了：不再是逐行写代码的编辑器，
15:38
而是一个浏览项目、查看改动记录的项目浏览器。
15:42
DHH特别强调，这一切之所以能跑起来，
15:45
离不开一个操作系统：Linux。
15:49
他说，智能体天生热爱Unix哲学，一切都是配置文件，
15:53
一切都能通过命令行调用，而在苹果、微软、
15:57
Linux这三大操作系统里，没有一个能像Linux这样和这套机制严丝合缝。
16:03
他讲了一个自己的亲身经历：有次出差只带了一台Mac mini，
16:07
他花了整整一个周末想把Mac配置成Linux那样的工作流，
16:11
结果发现连一些最基础的东西，比如给系统按键换绑，
16:15
都做不到自动化，只能像个原始人一样用鼠标点来点去。
16:21
相比之下，Linux一直以来被诟病的缺点，
16:23
晦涩难懂的配置文件、莫名其妙的报错信息，
16:28
反而在智能体时代变成了它最大的优势：智能体在预训练阶段读过四千万行Linux源代码，
16:34
一条再古怪的报错信息，它也能精准定位问题所在。
16:39
DHH说，自今年年初以来，他在自己的Linux机器上遇到的每一个问题，
16:44
智能体都能诊断出来，这在一年半前根本做不到，
16:48
那时候他还得去论坛里翻帖子找答案。
16:52
Omarchy Quattro甚至内置了一个崩溃监视器：任何应用一旦崩溃，
16:57
系统会弹窗问你要不要让智能体帮忙诊断。
17:02
DHH讲了一个真实案例：他在和一位名叫JDX的开发者合作，
17:07
后者维护着一款叫mise的快速迭代开发工具包管理器。
17:12
智能体发现了一个竞态条件类型的问题，
17:14
DHH让它去GitHub提交问题报告，
17:18
结果恰好在此之前，他刚用八个智能体对Omarchy项目本身做了一次质量检查，
17:24
一口气发现了二十八个真实问题，智能体试图在十二秒内把这二十八个问题全部提交到GitHub，
17:30
GitHub系统判定这是疑似垃圾信息，
17:34
直接封禁了他的Omarchy机器人账号。
17:37
于是DHH换了个办法，让智能体直接给JDX发邮件。
17:41
JDX收到邮件后大为惊讶，这是他第一次在软件还没正式发布前就收到问题报告，
17:48
因为智能体下载了源代码，发现他虽然已经修复了这个问题，
17:52
但那个修复并不能完全解决问题。
17:55
DHH还提到，Shopify的首席技术官Mikhail做过一项对照研究：让智能体回溯该公司过去发生的所有生产事故，
18:05
追溯到具体是哪一份P R引发的，再对比由人类审阅的P R和由智能体审阅的P R哪个质量更高，
18:13
结果是，即便用的是半年前的旧模型，智能体审阅过的P R在生产环境里引发的问题也明显更少。
18:21
Lex追问Linux是否终于要在桌面端赢下这场持续三十多年的战争。
18:27
DHH的回答斩钉截铁：不仅能看到这个可能，
18:32
而且这是目前最有可能发生的结局。
18:36
他特别提到Linux之父Linus Torvalds几周前公开表态欢迎人工智能进入内核开发，
18:42
如果谁觉得Linux是个反人工智能的项目，
18:45
尽管去把它复制分叉出来。
18:48
Linux内核里人工智能相关贡献的数量增长曲线已经是抛物线形状，
18:53
连长期存在争议的Rust语言也已经被允许进入内核。
18:58
DHH说，Linux从一九九一年诞生一直到今天，
19:02
占领了几乎所有其他设备，桌上的每一台设备、
19:06
冰箱、烤面包机都在跑Linux，唯独没有拿下个人电脑桌面，
19:12
这一切仿佛都是在等待智能体时代真正到来的这一刻。
19:17
第五件事，讲讲把安装时间压到六十秒以内，
19:21
一种近乎偏执的速度追求。
19:23
DHH花了大量篇幅讲述自己对系统安装速度的执念，
19:27
而这段讲述本身，就是他产品该怎么做这套方法论的一次现场演示。
19:32
他引用了Ghostty终端的作者、HashiCorp创始人 Mitchell Hashimoto o 在社交媒体上说过的一句话作为开场：对卓越的追求不需要任何解释。
19:43
想把一件事做到又快又好又美，这件事本身不需要被正当化。
19:48
这个目标最初并不宏大，DHH说自己最开始只想着把整套系统的安装时间压到十五分钟以内，
19:56
他觉得这已经是相对于现状的巨大进步。
20:00
促使他重新审视这个基准的，是他亲自做的两次实测：一台全新的Mac，
20:06
从开箱到系统更新完毕、可以正式安装软件，
20:09
花了整整四十二分钟；
20:11
三周前买的一台全新Windows电脑，
20:13
搭载英特尔最新的Panther Lake芯片，
20:16
从开箱到能用，花了一小时三十五分钟。
20:19
他觉得这简直是种冒犯，我们拥有比第一代个人电脑快上万亿倍的硬件，
20:24
却要为了准备好使用它花上大半个小时。
20:28
于是目标一路下调：先是两分钟，再是一分钟。
20:32
DHH打了个类比，一九五二年之前，人们普遍相信人类不可能在四分钟内跑完一英里，
20:39
直到一个人打破了这个纪录，接下来几个月里又有三个人相继做到。
20:44
他和团队真正跌破一分钟大关是最近两三周的事，
20:48
打破之后他反而疯了，派出一整支智能体大军去跑自动化研究循环，
20:54
不断尝试各种假设：如果换掉这个组件呢？
20:57
如果把这一步和那一步改成并行执行呢？
21:01
如果用户在输入用户名的时候，系统就已经开始把安装包预加载进内存呢？
21:07
目前的世界纪录是四十五秒，他公开放话，
21:10
谁能刷新这个纪录，截图发给他，新纪录保持者就是你。
21:16
他和搭档Ryan Hughes甚至正在为特定型号的硬件，
21:19
比如Dell XPS，制作专属的涡轮镜像，
21:23
利用对硬件的针对性了解，理论上能把安装时间压到十二秒。
21:29
他还用一个具体的物理极限来锚定这个目标：他用系统自带的磁盘测速工具当场测试，
21:34
内置固态硬盘的读写速度是每秒七千兆字节，
21:38
而整个Omarchy系统的体积是五点八千兆字节，
21:41
理论上，如果不考虑安装介质本身速度更慢这个限制，
21:45
系统应该能在一秒之内被写入完毕。
21:48
他说，这不是在追求一个虚荣指标，而是在逼近物理和协议本身允许的极限。
21:55
这场对谈里，DHH还借着这个话题，把macOS认真批评了一通：今天的macOS，
22:01
和十年前的macOS相比几乎没有本质区别，
22:04
某些方面甚至更糟，苹果依然在用各种方式锁死用户，
22:08
不让你安装它没有批准过的软件，不让你不动手就重新绑定快捷键，
22:14
连切换工作区的动画时长都锁定在五百毫秒不允许修改。
22:19
他说，自己想要的不是一台被锁死的电脑，
22:21
而是一台我能改变一切的电脑，它长什么样、
22:25
面板怎么排列、有什么功能，而要做到这一点，
22:29
答案只有Linux。
22:31
第六件事，一场跨模型擂台赛：同一个Rust移植任务，
22:35
从五百五十美元到二十三美元。
22:38
DHH分享了一个近乎偶然、却极具说服力的模型对比实验。
22:44
起因是Omarchy的开机动画特效，
22:46
用的是一个叫 Terminal Text Effects s 的Python库。
22:50
这个库从Omarchy项目第一天起就在用，
22:53
问题是它是用Python写的，启动时会占满处理器，
22:57
尤其是在笔记本电脑上，会拖慢风扇转速、
23:00
耗电量能到三十瓦，拖累续航。
23:03
DHH决定用Rust重写它。
23:06
他先把任务交给了Anthropic内部代号Fable的模型，
23:09
只给了一句指令：这是那个Python库的源代码，
23:13
我要一个不依赖任何外部库、单一可执行文件的Rust版本，
23:17
要求逐帧像素级精确复刻，做完为止，别停。
23:22
Fable在不到四十五分钟内完成了任务，
23:25
启动时间从八十六毫秒降到两毫秒，执行速度提升了九点六倍，
23:30
可执行文件只有三兆字节大小。
23:33
按照按用量计费的市场价格计算，这次任务大约值五百五十美元，
23:38
但DHH用的是订阅套餐，没有真的付这笔钱。
23:43
真正有意思的是接下来的部分：DHH把Fable生成的详细执行计划，
23:48
原封不动，一个字都没改，分别交给了其他几个模型重新执行。
23:54
GPT Sol用了大约一个半小时，花费约四十六美元，
23:58
同样完成了任务。
23:59
马斯克旗下xAI的Grok4.64.64.6，
24:02
他起初因为觉得上一代Grok4.54.54.5表现平平而不太看好，
24:07
结果这次不仅完成了任务，输出的可执行文件体积几乎一样，
24:13
同样实现了十倍提速，花费约五十五美元。
24:17
相比之下，一个号称极度廉价的模型GPT Luna直接翻车：它甚至不愿意启动这个任务，
24:23
DHH提示了十二次才勉强让它开工，而它交上来的第一版是作弊，
24:29
偷看了目录里已有的另一个实现，套了个简单的包装就宣称完成。
24:34
DeepSeek家族里，更便宜的Flash版本和Luna一样失败了，
24:38
但更贵的Pro版本完整完成了任务，花了两小时四十五分钟，
24:43
只花费约二十三美元。
24:46
DHH由此总结：Fable明显是速度最快、
24:49
也是唯一独立写出详细执行计划的模型；
24:52
Sol和Grok4.64.64.6大约是它十分之一的成本，
24:56
能做到同样的效果；
24:58
DeepSeek大约是它二十分之一的成本，
25:00
代价是要多等一会儿。
25:03
他随后又让智能体做了两轮自动研究式的迭代优化，
25:06
已经不需要手动敲斜杠命令触发，只需要告诉它继续、
25:11
直到你觉得可以为止，最终这个Rust版本相较最初的Python实现，
25:15
执行速度提升了四十六倍。
25:18
这场实验也让DHH总结出了他现在的标准工作流：用Fable或Claude来做规划和实现，
25:25
再固定用另一个供应商的模型，他特别提到用高强度设置下的Codex，
25:31
来做交叉审查。
25:33
理由很朴素：即便你自己就是个很厉害的程序员，
25:36
如果完成一项工作后，请一位同样厉害的同行帮你审一遍，
25:40
产出质量总会更好。
25:43
他甚至提到，GitHub自带的Copilot审查功能这次也真正变得有用了，
25:47
早期版本经常反复标记一些根本不是问题的假警报，
25:51
烦到很多人干脆把它关掉，但现在它真的能挑出实实在在的问题。
25:57
而在众多智能体工作台里，DHH依然主要用Claude Code来驾驭，
26:02
原因是它对同时驾驭多个智能体这件事支持得最好，
26:06
按左方向键就能从当前会话切回到智能体总览界面，
26:11
再接手另一个任务。
26:13
最后一件事，聊聊苦活、裁员，和留给人类的东西。
26:17
面对程序员群体普遍存在的焦虑，很多人读完计算机科学、
26:22
一心想当程序员、拿着不错的薪水，现在却发现一切都在被重新定义，
26:27
DHH表示自己完全能共情，但态度依然清晰：如果你热爱的只是把正确的逻辑构件拼在一起这件机械活儿，
26:36
那这部分确实正在受到威胁；
26:39
但如果你真正热爱的是把东西造出来这件事本身，
26:43
你完全不必担心。
26:45
他引用了经济学里的杰文斯悖论：当一件东西的价格下降，
26:49
对它的需求反而会上升。
26:52
他举了自动取款机的例子，当年这种机器刚出现时，
26:55
银行柜员普遍担心自己会被机器取代，但它实际做的，
27:00
是把开一家银行网点的成本降下来了，于是银行开了更多网点，
27:05
最终雇佣的柜员数量反而比以前更多了。
27:08
但他也毫不回避另一面：十九世纪初，英国的卢德分子砸毁纺织机器，
27:14
是因为那是一群本来收入体面、技艺精湛的手艺人，
27:18
眼看着自己的生计被机器取代；
27:21
十九世纪末，机械化收割工具的出现，也让绝大多数曾经在田地里劳作的人失去了原有的工作。
27:28
他直言不讳：生产力的提升，意味着用更少的人做同样的工作。
27:34
需要完成的工作总量或许会增加，那样就业也会跟着增加，
27:38
但也可能不会，有些公司只需要完成一批固定的任务，
27:42
智能体一来，原本要一百个人做的事，现在十个人就够了。
27:47
这对被裁掉的个人来说，是当下真实的悲剧，
27:50
但对整体经济而言，却意味着资源被释放出来，
27:54
可以流向更有生产力的地方。
27:57
DHH特别提到，他从创业第一天起就对疯狂扩招这件事持怀疑态度，
28:02
这也是三十七信号公司一直保持小团队、
28:06
拒绝风险投资的原因，因为他一直不相信把几百上千名程序员堆在一起真的能产生对应比例的产出。
28:14
他援引了人类学家大卫·格雷伯在二〇一〇年代初写的一篇著名文章《狗屁工作》：格雷伯当年在英国做过一次调查，
28:22
问受访者如果你明天不去上班、对人类对社会会有影响吗，
28:27
大约百分之三十几的人回答不会，也就是说，
28:32
三分之一的劳动者自己都认为，自己的工作并没有为社区、
28:36
社会甚至经济创造任何真正的价值。
28:40
DHH认为，眼下正在发生的一部分裁员，
28:43
其实是这种虚假岗位长期存在的证据浮出了水面，
28:47
而不完全是人工智能的功劳，很多是疫情期间过度招聘留下的后遗症，
28:52
人工智能只是提供了一个合理的借口来精简队伍。
28:56
但他同时认为，人工智能确实会进一步暴露出更多并非真正创造价值的岗位。
29:02
至于这些被释放出来的人力最终会流向哪里，
29:05
DHH借用他的朋友、Shopify首席执行官托比·卢特克的一个类比：一级方程式赛车这项运动，
29:13
雇佣了成千上万的人，只为了让一群车手把车绕着赛道开圈，
29:18
给观众看，这项活动对社会没有任何内在价值，
29:22
纯粹是人类集体决定这很好玩，于是投入数十亿美元、
29:27
雇佣数以万计的人去实现它。
29:29
DHH由此设想：如果我们真的从大量虚假岗位和苦活中被解放出来，
29:34
或许未来会有更多人以一级方程式风格的工程师、
29:38
车手、机械师、按摩师，以及围绕这一切衍生出的一千五百种新职业的身份重新被雇佣。
29:46
他说，人类向来非常不擅长想象未来真正会是什么样子。
29:50
不过，对于焦虑本身，DHH也给出了一个相对温和的落点：这场变革不存在知识断层的问题，
29:58
如果你去徒步旅行一整年，完全脱离这个行业，
30:02
回来之后大约两周就能重新追上最前沿的进展，
30:06
因为没有什么是必须靠日积月累才能理解的。
30:09
他给年轻程序员的建议很直接：不要试图去预判任何事情，
30:13
那样你只会疯掉。
30:14
哪怕是这个行业里最聪明的大脑，也没法预测两次模型迭代之后的世界会是什么样子。
30:21
他建议大家专注当下，而现在正是投身计算机这件事最激动人心的时刻。
30:27
Lex追问，是否应该对那些真正在这场转型中受苦的人抱有更多共情，
30:32
而不只是站在功利主义的立场上看整体进步。
30:37
DHH承认，一味强调整体经济受益是不够的，
30:40
也不应该淡化这种转型带来的痛苦，那些真正因此受苦的个体，
30:45
值得被认真对待。
30:47
他说，人和卢德分子之间的共情之所以稀薄，
30:50
是因为时间和距离拉开了我们和他们之间的联系；
30:55
而我们此刻正身处其中，才格外能感受到痛苦本身。
31:00
但他也补了一句：这种为了未来而承受的当下痛苦，
31:03
只有当你真的相信未来会有人在那片树荫下乘凉，
31:07
比如你的孩子，才会显得有意义。
31:11
在结束这次谈话之前，留三个值得记住的判断。
31:14
第一，阶段比立场更重要。
31:17
DHH反复强调，他去年对人工智能的怀疑和今天的笃信，
31:21
背后其实是同一套判断标准，只是这项技术本身跨过了不同的门槛。
31:28
对普通人来说，与其纠结该相信谁，不如像他一样，
31:31
盯住技术本身实际能做到什么。
31:34
第二，瓶颈从来在人，不在实现。
31:38
无论是大公司迟迟拿不出让人惊艳的新功能，
31:41
还是开源维护者被太多贡献逼疯，根子都在于人类的沟通带宽、
31:46
组织架构和品味，而不是代码能不能被写出来。
31:50
这也是为什么，把智能体直接交到能做决策的人手里，
31:54
往往比把它塞进层层审批的流程里更有效。
31:57
第三，进步从来伴随着真实的失去，而这两件事都值得被认真对待。
32:04
DHH用手工雕刻代码的浪漫化，来形容自己这一代程序员的心情，
32:09
就像有人依然愿意骑马，不是为了赶路，
32:13
只是因为喜欢胯下有一个活生生的生命在驱动自己前进。
32:17
技术带来的解放是真实的，它所造成的失业和阵痛也是真实的，
32:21
而一个诚实的人，应该同时容得下这两种情绪。
32:25
这一期的核心，其实不是人工智能有多强，
32:28
而是DHH用自己二十五年的编程生涯做抵押，
32:32
记录下的一场发生在九个月之内的认知转向：从怀疑到笃信，
32:39
从亲手雕刻到把方向盘交出去。
32:41
他给出的坐标不是终点，而是此刻。
32:45
如果你也在这场转型里感到眩晕，那不是因为你落后了，
32:49
而是因为这件事本身，快得不像话。
32:52
今天的深度就到这里，我们下一期再见。