[转载] 如何做 AI Agent 喜欢的基础软件

https://mp.weixin.qq.com/s/BZcRwgGZNinBK9K2L38LYg

在朋友圈看到这篇文章，是一个叫Dongxu Huang，好像是做数据库的，

我觉得很有道理啊

未来的软件是不是用户只要用自然语言描述需求，这个agent就可以按用户的意思自己写一个软件出来，装到用户本地使用？

这个agent可以调用一些云上的存储空间、环境、gpu资源使用，但隐私数据放在本地。

相当于现在专门雇一个码农给自己写软件。

软件行业要大变了

英文版

me.0xffff.me

Welcome to the Machine, a guide to building infra software for AI agents -...

By continuously observing how these agents use databases—how they create resources, how they read and write data, how they experiment and fail—I’ve learned a great deal. The way AI uses systems is very different from how human developers do, and it...

原文意思有点散，我总结一下

第一部分是说AI agent写出来的东西不是像原来码农写的那样是严格约束的

如何约束agent的代码？

内部用他说的心智模型，大概就是文件系统、操作系统之类的抽象模型、接口规范

这类模型在软件工程有几十年大规模试验，产生了大量代码AI也已经学会

而且根据这些模型AI写出上层的胶水也容易

这些心智模型因为设计的好，可扩展性也好

外部接口采用自然语言，但最终确定方案后，用代码形式固化逻辑。

这类似于人类程序员先用自然语言交流，再固定编码产生软件

自然语言虽然有不精确的缺点，但在心智模型的规范下，以及大量上下文约束的情况下，已是软件开发从需求到硬编码逻辑最省力的形式

AI agent的出现，让需求描述这一步可以更加模糊，直接基于自然语言

但不可能每次执行都要消耗同样的token，固化成编码形式最好。下次再使用可以理解编码逻辑。

金句：自然语言负责探索空间，符号负责收敛空间

第二部分是说AI agent出现后，软件工程的基础设施要如何变化。

AI agent的特点是出代码的速度快，所以相比人类工程师，agent可以

快速产生日抛型的代码，总之不在乎效率，也不用怎么维护
可以用高并发多分支试错
在商业上可以接受以前高成本的长尾需求，比如说一些定制化的软件

就比如说你可以让十个agent分别干不同的任务，或尝试一个问题里的几个解决方案。

也有可能代码产生出来就是日抛，或用的频率很低，但没有不行。

基础设施要适应agent的特点。

他觉得要给每个agent，每个分支干净独立的物理环境，但是为了避免开销过大，要用虚拟化技术复用资源。

对于日抛型代码，有能力廉价快速启动并发的实例，并随时可以销毁。

你总结偏了

他文章开始的说数据事实和 infra面向的用户从真人变成ai agent的问题定义和思考很清晰

你的开头强调自然语言

看了原文又看了你的解读 觉得你解读偏差不小（

他文章里有一些关于结果输出确定性的约束我反而不认可

我总觉得一些人对不稳定的输出接受度反而会变高

（当然我知道现在的deliverable或者到下游的输入都还是要一定程度上的确定性才能连起来）

【引用自 Lunasol】:
看了原文又看了你的解读 觉得你解读偏差不小
你能解读一下？

我不是做软件的，根据自己的理解总结，没有用AI
【引用自 Lunasol】:
他文章里有一些关于结果输出确定性的约束我反而不认可
作者有他的看法

我给他的文章总结了一下，也不自觉加入了自己的看法

你能不能解读一下他到底什么意思，他里面举的一些例子我看不懂

再然后你如果不同意他的看法，那是你的看法，并不能说我总结偏了。

切题了 我和他看法不同是两件事 我换行换段落了

你确实很多没读懂 我总结了开头

以往的saas 是方便看，现在给agent 的saas是方便改（回滚，纠错）

马上解雇所有程序员了，转行quant来不来得及