2026年为何还要写代码

# 2026年为何还要写代码 来源：https://softwaredoug.com/blog/2026/07/09/write-code 构建软件工厂是我们的职责——而不仅仅是软件本身。软件工程师维护着流水线，使任何人都能通过提示发起变更并立即发布。 我们搭建基础设施，让智能体得以成功。我们通过提示（技能、AGENTS.md、知识库等）主动出击，通过自动化评估（测试、代码检查、类型系统、评估、其他AI等）被动保护软件。 这一切都在让智能体保持正轨。即使是一个愚蠢的模型，只要拥有新鲜的上下文，也能在这些约束下工作，并产生足够好的变更。盯着代码看都显得荒谬起来，至于想手动写代码，更是可笑至极。 我不同意。写代码仍然有用。 即使拥有类似"寓言"般的智能，人类从写代码中也能获得价值。不是因为智能体编程能力不如人类，而是为了直接在执行环境中思考，而不是通过英语作为代理。 这关乎注意力与理解。要保持专注，我必须超越像远距离旁观智能体那样"阅读代码"的被动方式。要真正与系统架构建立联系，亲身*体验*代码会更有帮助。我不需要你那扁平的二维差异与补丁系统。时不时地，我需要完整的四维虚拟现实体验，连裆部都连着痛觉传感器，去感受正在发生的一切。 不，这不是因为"代码不够优美"，而是为了体验脆弱性。如果对我来说，在这段代码上构建而不触发问题的难度很大，那么对智能体来说，理解它会更难。如果我能将其清理干净，并为架构记录下一致的原则——而不是夹杂半打例外——软件工厂就能运转得更好。如果我能调试、发现测试策略薄弱之处、并找到修复方案，我就能消灭一整类全新的缺陷。 是的，不写代码也能做到这些。我不会教训你，不会叫你"垃圾代码猫"，也不会说真正体验软件的唯一途径是靠磁化针和稳健的手（https://xkcd.com/378/）。我自己也染上了"AI精神病"。我的绝大多数代码都是AI生成的。 尽管如此，我发现写代码是一个有用的工具。我鼓励其他人也这么做。当我仅仅是一个"反向半人马"（https://doctorow.medium.com/https-pluralistic-net-2025-09-11-vulgar-thatcherism-there-is-an-alternative-f1428b42a8fd）时，我很难集中注意力。当我阅读并批准代码时，我发现自己没有同样的主人翁感。垃圾代码就会悄悄溜过雷达。微调也变得困难。而从长远来看，垃圾代码也会损害智能体（https://arxiv.org/abs/2603.24755）。脆弱性之所以积累，恰恰是因为我们没有关注细节。另一方面，当人类做一些工作、提出一种方法，然后智能体将模式批量复制出来时，我就参与其中并拥有了结果。 写代码帮助我思考。 英语是一种描述不足的语言，它无法精确表达计算过程。对于真正的算法工作，我希望用可执行的步骤来进行构思和思考。我需要校准过的精度级别。有时是低层语言，拥有巨大的设计空间；有时是高层语言，计算环境更受限。 然而，我们正在转向一种错误的思维方式，认为编码智能体就像编译器一样。这种思维方式给了我们发布写得糟糕的代码的许可。智能体并非编译器——它们更像是刚入职的实习生。它们阅读部分的、可能已被劣化的代码，接受一个不精确的变更描述，然后必须生成一个变更。 人类不能将自己的思考和品位交托给一支实习生大军。亲力亲为，而非仅仅作为消费者，会有所帮助。 例如，你见过智能体遵循"童子军规则"吗？即离开代码时让它比你发现时更好？你希望它们尝试这样做吗？ 智能体倾向于尽可能安全地完成当前变更。我之前在一个代码库中遇到过这样的情况：一个早上，还没喝咖啡，我的肉身大脑提到了使用浏览器本地存储。于是某些随机状态通过本地存储管理，而其他所有东西都通过后端数据库。当我查看代码时，为了保留这个愚蠢的人类失误而增加的封装和间接层，大概把代码行数翻了三倍。智能体因为过于保守，反而会放大我们的一次性错误决定。 从头到尾愉悦地删除代码并进行探索，帮助我找到了更好的架构，而这远非仅仅通过英语来代理更改所能相比。我的思考、我的作者身份、我引导因素的能力，因为关心代码而得到了极大的放大。 如果我们正在构建一个软件工厂，细节很重要。那些建立架构模式的细节。深入到算法和性能。智能体推动我们去评估、测量和保护。它们让早期在副项目中加入CI变得很酷，而不是事后才想起来。 这对软件状态来说是巨大的改进。 但任何流水线都有薄弱环节。 偶尔在汽车工厂，我们需要拆开流水线。或者深入内燃机的细节，以获得10%的改进。或者花一整天观察刹车片测试，以搞清楚为什么某些现场问题未能被及早发现。 我们需要在做到这些的同时，头脑中不必装着工厂的全貌。我们将微小的细节与大局联系起来。在软件中人为划定你可以触碰的边界，会阻碍这种努力。 希望你能加入我的"使用智能体在搜索中作弊"课程（https://maven.com/softwaredoug/cheat-at-search），学习如何在搜索中使用智能体，打造更好的RAG，并在查询理解中使用LLM。