当 C++ 标准委员会成员认为写代码不再重要
Source: http://x.com/i/article/2091718659274366976
最近在写一个 leap call 的策略,需要花时间处理不少数据,暂时没功夫关注市场,先发一篇最近给我挺大共鸣的演讲吧。
欢迎关注我的公众号:预测市场那些事儿。
导读:当一位在全球最硬核、最底层的编程领域(C++ 标准委员会、超算并行系统)深耕近十年的技术老将,坦然承认“写代码本身已经没那么重要了”,软件工程究竟正在发生怎样的剧变?本文将梳理 Anthropic 核心工程师 Daisy 在 NDC 的深度技术演讲,为你拆解 Agent 落地的最佳实践。
“It doesn’t matter”——当技术老炮不再骄傲
在软件开发的世界里,C++ 程序员常被视为“纯粹代码手艺”的鄙视链顶端:他们对内存对齐斤斤计较,对模板元编程的细枝末节如数家珍,习惯在极端严苛的性能边界上逐字节雕琢。
Daisy 就是这样一位顶尖的“硬核代码匠人”。他深度参与 C++ 标准委员会近十年,甚至担任过委员会主席,长期奋战在高难度编程的最前线——为超级计算机研究并行与分布式编程模型,专注编写能横跨整座数据中心扩展的底层代码。
然而,在加入 Anthropic 并深度参与 Claude Code(最初内部名为 Claude CLI)的架构设计与实现后,他在 NDC 大会的演讲台上,面对满场资深工程师,抛出了一个足以颠覆许多人职业信仰的命题:
“我过去经常做演讲,深入探讨 C++ 元编程中极其细枝末节的问题。我曾经为自己的编码手艺无比自豪。但在 Anthropic 的经历让我真正相信:纯粹写代码的能力,已经没那么重要了。”
I am a person who used to give talks on C++ metaprogramming minutiae. I was so proud of how good a coder I was. The past year and a half at Anthropic has really convinced me that it doesn't matter.
研究机构(如 METR)的数据显示,模型能够以 50% 成功率完成的任务时间跨度,大约每四个月就会翻一倍;Mozilla 公布的实战数据也表明,借助新一代 Agent,单月交付的安全漏洞修复量,已经超过此前 15 个月的总和。
从“玩具”到“生产”:这场布道的真正目的
在 Anthropic 内部,Daisy 负责 Claude Code 的核心模块——**插件系统(Plugins)**与 多 Agent 协作(Agent Teams)——的设计与实现。她首先要解决的第一个问题是:为什么直到今天,大多数团队依然觉得 Agent “不够好用”、“只能写写小 Demo”?
Daisy 给出了极其一针见血的断言:
“如果 Agent 不能触碰到你所能做的一切,它就无法替你完成你的工作。”
开箱状态下的 Agent 通常被关在一个孤立的小盒子里(只能访问当前目录和终端)。但真实的专业软件工程,绝大部分决定与关键信息根本不在源代码里——它们分散在团队的 Slack/Lark 沟通串、CI/CD 跑测流水线、生产环境监控大盘、内部架构设计文档以及组织历史记忆中。
因此,想要让 Agent 在复杂业务环境中扛起大旗,必须在底层架构上完成全域资源接入、上下文精细治理、群智多机协同:
全域资源接入
- 技术内核:打破终端孤岛:如果 CI 失败还需要人手动复制错误日志喂给 AI,那就是人在给 AI 打工。必须让 Agent 直接读取 CI 结果、监听消息、调用调试工具。
PostToolUse Hook(即时纠错):传统模式下,Agent 改错代码要等到后续编译或运行时报错才发现,白白耗费成千上万的 Token。而在工具调用(如编辑文件)后立刻挂载 Hook,以原生脚本执行静态检查、Linter 或规范校验,在出错的瞬间直接把提示贴在工具返回结果中。这就像人类写代码时 IDE 实时标出的**“红色波浪线”**,极大幅度缩短了反馈回路。
- 跨行业场景扩展:金融量化与合规风控:投研 Agent 在生成交易策略代码时,不应只看历史行情。通过集成 Bloomberg/Wind 终端 API,并在每次生成后挂载合规 Hook,实时检测持仓上限与穿透监管规则,违规立刻触发内部报警并回退。
电商与全渠道运营:营销策划 Agent 在制定大促方案时,底层打通 ERP、实时仓储水位与毛利计算系统。一旦生成的打折组合导致负毛利或库存超卖,Hook 立即就地拦截并给出修正建议。
上下文工程与“零开销原则”
- 技术内核:上下文窗口是极其稀缺的盒子:即使模型能力突飞猛进,前沿模型的上下文窗口依然受限,且前缀 KV Cache 命中与否直接决定了成本和延迟(差异可达 10 倍)。
零开销原则(Zero-Overhead Principle):绝不为未使用的信息支付 Token 代价。面对上亿行单体仓库或数千个微服务,盲目把所有规范硬塞进上下文必然导致模型注意力稀释与崩溃。
四种定制原语的分层取舍:MCP(模型上下文协议):适合跨环境的标准工具暴露,但 MCP 工具过多会占满系统提示词,必须配合 Tool Search(工具搜索) 按需加载; Skills(技能包):本质是延迟加载的系统提示词。平时只在上下文里保留简短描述,只有当任务判定相关时才展开全文; Subagents(子智能体):在主上下文之外独立开辟空间执行专项子任务,仅把最终浓缩的摘要带回主干,保护主上下文干净; Hooks(终极扩展原语):完全在上下文外部以极低成本的 CPU 脚本运行。不匹配时直接退出(0 Token 消耗),只有匹配命中时才向上下文注入精准信息。
- 跨行业场景扩展:法律合规与合同审查:无需一开始就把全国法典和几千份合规案例全部喂入。通过 Skill 和 Hook 机制,平时只加载目录索引;当审查到“跨境数据安全”条款时,才动态唤醒对应的数据合规子模块和审查规范。
医疗临床辅助诊疗:主上下文仅保留病患当前体征与主诉。当输入涉及罕见并发症或特定药物联合禁忌时,后台 Hook 自动命中并局部注入药典与临床指南,既避免了海量医学知识造成的幻觉,又保障了诊断专注度。
Agents 编排(注意力管理与自主循环)
- 技术内核:多 Agent 并行隔离与认知减负:利用 Git Worktree 为每个长程运行的 Agent 分配独立的物理工作区,防止相互踩踏;使用 /rename 和 /color(分配不同命名与颜色标识),大幅降低人类在大规模任务间切换的认知负荷。
Agent Teams & SendMessage:赋予 Agent 相互发送消息的原语,实现团队内部分工协同与平级 Review。
后台自主巡航(/loop 与 Auto Mode):通过类似 Cron 的循环探针定时唤醒 Agent 检查长时间任务(如跑测试、等构建),结合多层安全分类器保障下的 Auto Mode,彻底告别“人类坐在屏幕前不断按回车确认”的低效模式。
范式大转移:2025 年的重点:是“向模型输入信息”(Prompt 工程、修补模型犯的低级错误); 2026 年的重点:是“从模型向人输出信息”(Fleet View / 舰队视图)。“人类的注意力,才是整个系统中最小、最宝贵的盒子。”
- 跨行业场景扩展:游戏/动漫内容工业化:一个游戏制作人通过 Fleet View 统一调度:世界观剧情 Agent、数值平衡 Agent、关卡生成 Agent 与美术脚本 Agent 组成 Team 协同作业。各个 Agent 在独立分支上并行产出、相互交叉 Review,最后向制作人提交综合构建报告。
企业级 IT 与云原生智能运维(AIOps):7×24 小时巡检 Agent(利用 /loop 机制)监控全网服务健康度。一旦发现网络抖动,自动派发子 Agent 抓取堆栈日志、定位根因、在沙箱隔离区编写修复补丁并跑通单测,最终汇总为精炼方案供 SRE 一键确认发布。
当敲代码不再是壁垒,工程师的核心价值是什么?
回顾计算技术数十年的演进史,从穿孔纸带、汇编语言、C/C++ 到现代高级语言,每一次抽象层级的跃升,都曾引发“程序员是否会被取代”的恐慌。但历史一次次证明,技术演进从未消灭工程,它只是消灭了低效的重复劳动。
Daisy 在演讲最后给出的三条核心准则,值得每一位从业者深思:
给模型充分的系统访问权限(让它能做你能做的一切);
时刻警惕“那个盒子”(精心设计上下文,严格遵守零开销原则);
选择能够扩展到真实世界超大规模工程的架构抽象。
当模型接管具体的编码细节后,工程师最核心的工作,是厘清业务的真实边界,把系统架构拆解清楚。未来拉开差距的关键,在于能否为多个 Agent 接通日志、测试与即时错误反馈规则,搭建一套顺畅的协作流程。把反馈机制做扎实,让它们能自主跑通测试、修正代码,研发效率自然就能提升。