KeyFrame內部研究專用

AIE CODE: OpenAI, ArtCraft, Cognition, Exa, Anthropic, Amp, et al

AI Engineer英文
觀看原始影片

三句話摘要

AI工程師程式碼峰會2026最後一天,四位業界領袖探討AI時代軟體開發的演進:從強調開發者的創意自主權,到建構可測量的軟體工廠系統,再到用AI大規模複製和開源專業應用。 AI時代的軟體工程核心不是更多的代碼或工廠規模,而是開發者如何用品味、判斷力和跨領域好奇心來引導AI,並建構可持續維護的、有靈魂的系統。 從工具到創意表達:Jason認為AI不會造成「爛內容氾濫」的問題,重點在於開發者是否實際擁有自己創作的作品。以相機歷史類比說明,新工具本身不是威脅,關鍵在於使用者是否以藝術家而非被動操作者的身份參與創作。

重點整理

  1. 從工具到創意表達:Jason認為AI不會造成「爛內容氾濫」的問題,重點在於開發者是否實際擁有自己創作的作品。以相機歷史類比說明,新工具本身不是威脅,關鍵在於使用者是否以藝術家而非被動操作者的身份參與創作。

  2. 人類注意力才是真正瓶頸:Armin用數據證明模型效能每月進步,但開發者管理的項目數量卻保持穩定。即使完全自動化,當人類停止關注某個專案時,品質就會下降;人的判斷力和品味是無法自動化的。

  3. 軟體工廠需要工程化思維:Zach提出軟體工廠不僅是自動化,而是一個可測量、可改進的系統,需要Evals、基準測試、AB測試等工程工具,形成持續反饋迴圈,這本質上是新型的工程學科。

  4. 開源與AI結合的社區力量:Brandon展示Artcraft如何用AI快速複製專業應用,但成功的關鍵不在於個人,而在於4000+社區開發者的貢獻;應用跨越3000多種,打破了商業軟體的壟斷。

實用技巧與重點

  • Jason Louu (OpenAI) 關鍵觀點:
  • 三項原則:擁有權(Ownership)、品味判斷(Taste)、好奇心(Curiosity)
  • 品味 = 描述自己喜歡的東西並預測他人喜歡的能力
  • Wittgenstein名言:「我的語言極限就是我的世界邊界」
  • Armin Ronaher (Arendelle) 數據:
  • Opus 4.6 (12月):P90%代理運行時間 2.5分鐘
  • 最新模型:P90%代理運行時間 14分鐘以上
  • 每月提交次數:120~190次(穩定)
  • 活躍維護專案:10~15個(未隨提交數增加)
  • 代理工具使用:Bash使用率相對最高且持續上升
  • Zach Lloyd (Warp) 軟體工廠層級:
  • 代碼即基礎設施(Factories as Code)
  • 資料與上下文層
  • 計算層(沙箱、多平台)
  • 推論層(支援多模型、多代理)
  • 編排層
  • API和MCP優先
  • Brandon Thomas (Artcraft) 成果指標:
  • 24小時內複製Photoshop
  • 進度:50% → 60% → 目標99.99%
  • 社區貢獻:4,000名開發者
  • 應用數:300+款
  • 月均下載:170萬次
  • GitHub Stars:300,300+
  • Linux使用者佔比:25%
  • 支援多語言:包括官方不支援的阿拉伯語
  • 開源基礎設施:包括Raft、Paxos多使用者協作系統

結論

AI時代的軟體工程核心不是更多的代碼或工廠規模,而是開發者如何用品味、判斷力和跨領域好奇心來引導AI,並建構可持續維護的、有靈魂的系統。

完整解析

這場峰會的最後一天聚焦一個核心議題:當AI開發工具變得強大且民主化時,軟體工程師應該如何思考自己的角色和雄心。

OpenAI的Jason Louu用一個強有力的比喻開場。他回溯相機的歷史,指出當相機問世時,畫家們感到威脅,但攝影最終不僅成為一門藝術,而且開創了電影等全新媒體。他認為AI也是如此。關鍵不在於AI會製造更多「爛內容」,而在於開發者是否認真對待自己的創作。他提出了三項提升野心的原則:首先是擁有你製作的工作——承認這是你的作品,即便用了強大的工具;其次是培養品味判斷力——透過大量體驗、觀察和學習來理解什麼叫「好」;最後是保持好奇心——用AI工具去探索你在成為開發者時放棄的領域,例如設計、音樂、科學等。

Arendelle的Armin Ronaher從數據層面驗證了一個重要的真相:模型確實在進步,但這個進步有個天花板——人類的注意力和判斷力。他追蹤自己一整年使用AI代理的情況,發現每次模型升級時,他需要改正的次數減少了,代理運行時間卻拉長了。但真正值得注意的是,儘管他每月提交的代碼量在增加,但他實際上定期維護的專案數量保持不變,大約10到15個。這說明什麼?即使AI可以生成更多代碼,人類的維護能力是有限的。當你停止關注一個專案時,品質就會下滑,即使該專案已經完全自動化。這意味著軟體工程的未來不是「建造工廠」來自動生產,而是「建造工作室」來精心製作高品質的軟體。Armin強調,理解系統、推進品質、管理複雜性——這些都需要人類的判斷力。

Warp的Zach Lloyd則提出了「軟體工廠」的新定義:它不只是一堆自動化,而是一個可測量、可改進、閉環的系統。他描述了一個完整的工程堆疊:從將工廠配置定義為代碼(允許分支、回滾和自我改進),到集中記錄所有代理的執行過程和輸出,再到建立Evals系統(用其他代理評分執行結果),最後形成自我改進迴圈(代理自己診斷失敗模式並提交PR修復工廠配置)。這不是文藝思考,而是硬核工程——測量、基準、AB測試。工程師的新技能不再只是寫代碼,而是設計和改進代理系統本身。

最後,Artcraft的Brandon Thomas用一個驚人的案例展示了AI的實際威力。他的團隊用AI在24小時內複製了Adobe Photoshop的核心功能,並以開源形式發布。這個舉動意外地引發了社區轟動——300多個類似的應用被社區開發,4000多名開發者參與貢獻,月均下載量達170萬次。Brandon的故事更深層的意義在於,他不是在建造一個新公司,而是在復興互聯網早期那種「去中心化、所有人都能創造」的精神。每個藝術家、工作室、組織現在都能擁有自己定制的專業應用,無需為Adobe或Microsoft的天價訂閱買單。這重新定義了誰能參與軟體創作——從曾經的少數工程師,到現在任何懂得如何提示AI的人。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。