从Vibe coding到Dark factories：AI接管软件生产的完整路线图丨Lenny's Podcast

从Vibe coding到Dark factories：AI接管软件生产的完整路线图丨Lenny's Podcast 从Vibe coding到Dark factories：AI接管软件生产的完整路线图丨Lenny's Podcast Modified April 5 🔗 原文链接： https://mp.weixin.qq.com/s/T8k2oprA... 原创 Capihom Capihom 晚点再听LaterCast2026年4月4日 23:02 云南 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 4100 字，如果你现在没有时间，试试转成播客稍后再听 "今天，我 95% 的代码 都不是自己打的——我甚至在遛狗时用手机写代码。" "到上午 11 点，我就已经精疲力竭了。AI 让最会用它的人，比以前更累。" "97% 的拦截率仍然是不及格——每 100 次攻击里，有 3 次会把你所有数据一扫而空。" Simon Willison 是 Django 的联合创始人——那个同时托着 Instagram、Pinterest、Spotify 的 Web 框架。过去二十年，他是人人心里的 10x 工程师。但他真正让自己出名的，是另一件事：他比绝大多数工程师更早、更彻底地跳进了 AI 原生开发，然后把所有过程都写在了博客 simonwillison.net 上。他创造了"prompt injection"这个词，普及了"AI slop"和"agentic engineering"的概念，还有超过 100 个开源项目，其中 Datasette 已经成为全球调查记者的常用工具。在这期 Lenny's Podcast 对谈里，他带来的不是预测，而是一个在最前线工作的工程师，对这个行业正在发生的事情最诚实的描述。 2025年11月：AI编程跨过了拐点 2025 年，Anthropic 和 OpenAI 几乎把全部力气都押在了同一件事上：让模型更会写代码。Claude Code 在二月一上线就爆了，用户愿意为此付 $200/月，两家公司立刻意识到这是最值得烧钱的方向。再加上推理模型——让模型"先想清楚再回答"——配上代码，效果出奇的好。 这一切积累到 11 月，GPT 5.2 和 Claude Opus 4.5 同时出现，越过了某个临界点：编程 agent 从"大部分时候差不多能用"变成了"几乎每次都做对"。 听起来只是量变，但这个区别是质的。差不多能用，意味着你必须时刻盯着它。几乎每次都对，意味着你可以同时开四个 agent、去泡杯茶回来再看。工程师们在假期里第一次感受到这个差异，2026 年一二月的觉醒就是那时候埋下的种子。 "以前让它生成代码，你还得自己跑一遍测一遍。现在 agent 替你做了这一步——你告诉它'帮我做一个 Mac app'，它给回来的东西真的能跑。" 拐点的意义不在技术本身，在于工程师的心理预期被重置了。那个"这个功能要两周，不值得做"的判断，现在可能只需要 20 分钟。以前因为代价太高而主动放弃的很多事情，现在都值得重新评估，去试一试。 "氛围编程"和"智能体工程"，别混为一谈 Karpathy 说的"vibe coding"，原意是"不看代码、不管细节、完全靠感觉"——你告诉 AI 做一个东西，它做出来了，你觉得不错，就这样。Simon 非常喜欢这个概念：它把"让电脑帮你做事"这件事民主化了，任何人都能敲出自己的小工具。 但他也很担心这个词被滥用：当专业工程师用 agent 写要上线的生产代码时，把这叫做"vibe coding"是在偷换概念。 那是另一件事，他管它叫"agentic engineering"——用 agent 写高质量、可部署、经过审查的代码，这需要你 25 年工程经验的每一分。 "如果你是在为自己做东西，vibe coding 完全没问题。一旦是为别人做、可能出错会伤害他人，你就需要认真想想这样做是否负责任——而判断这件事本身，就已经是一种专家级的技能了。" 判断自己在哪个象限——个人原型还是生产代码——直接决定了你该给 agent 多少自主权。给太多自主权但又没有足够的工程判断力，是一个很危险的组合。 "暗工厂"：没人读代码，软件照样能是好软件 "暗工厂"这个概念来自制造业：如果一家工厂自动化程度够高，不需要工人在场，就可以把灯关掉——机器在黑暗里自己运转。软件开发能达到这个水平吗？安全访问管理公司 StrongDM 从去年 8 月开始做这个实验：先订立"没人手动打代码"，再加上"没人读代码"。如果你不审查代码，怎么知道软件是好的？他们的答案： 用 AI agent swarm 来扮演真实用户 ——几百个虚假员工在模拟的 Slack 频道里 24 小时不停地发请求："我要 Jira 的权限"、"帮我开通 Slack 访问"。每天光这些 token 就要花 $10,000。 "工厂自动化到不需要人在场时，就可以关灯——机器在黑暗里自己运转。软件工厂能达到这个水平吗？他们正在摸索答案。" 为了不被 Slack 和 Jira 的 API 限流，他们甚至让 agent 读了这些服务的 API 文档，然后仿造了一套可以无限并发的模拟环境。QA 没有消失，只是从"人工测试"变成了"agent 群测"——质量保障的成本结构，彻底变了。 瓶颈已经转移：写代码不再是最慢的那步 以前的流程是：产品经理写完 spec，扔给工程团队，3 周后才能看到实现。现在这个"3 周"可能变成 3 小时。速度瓶颈被移走之后，新的瓶颈暴露出来了： 你想做什么？怎么判断做对了没有？ Simon 的回答是，原型现在"免费"了。以前你只能验证一个方向，现在可以同时做三个不同的原型来对比。ChatGPT 和 Claude 可以帮你直接生成任何你描述的 UI，不需要一行代码。 "UI 原型现在是免费的了。不用这个的产品设计师，正在错过目前最强的加速器。" 但 Simon 也承认，验证"哪个原型对"目前还没有很好的 AI 替代方案。让 AI 模拟用户点原型，效果远不如真人在 Zoom 上操作一遍。以前"想到了但没验证"是资源问题，现在是优先级问题——从 1 个原型做成 3 个来对比，这是 AI 时代产品人该用上的基本操作。 最危险的不是初级工程师，是中级 Thoughtworks 召集了 20 多家公司的工程副总裁开了一次闭门会，讨论 AI 对团队结构的影响。他们的结论有点反直觉： 资深工程师最受益 ，因为 AI 放大了他们的经验； 初级工程师也在受益 ，因为入职速度大幅提升——Cloudflare 和 Shopify 都说，以前新员工要一个月才能做实质性工作，现在一周就行了。最岌岌可危的，是夹在中间的中级工程师：没有足够的经验可以放大，又已经失去了初学者的优势。 "知道如何把技术 X 和技术 Y 组合起来解决一个新问题——这种积累，是 AI 无法替代你的地方。你可能是世界上唯一一个同时尝试过这两种技术的人。" Simon 给中级工程师的建议很具体：主动去碰你没有用过的技术领域。以前学 AppleScript 要两三个月，现在有 AI 帮你，几天就能上手。他自己用 AI 学会了 AppleScript，现在可以随手自动化 Mac 上的各种事情——这在两年前是"太贵了，不值得学"的事情。AI 已经把任何技术的入门成本压到接近零，也就是说，一个中级工程师现在可以用极低代价去积累那些原本需要数月才能建立的技术认知。囤积技术深度，比历史上任何时候都便宜。 三个让 agent 真正好用的实战模式 第一个：红绿 TDD。 让 agent 先写测试、看测试跑失败、再写实现、看测试通过。Simon 本人不喜欢这套流程，觉得它繁琐，多年来一直避开。但 agent 不在乎无聊——你让它做，它就做，而且结果更好：更不容易漏掉边缘情况，也更不会写出不必要的代码。更妙的是，你不需要解释一大段，只需要说"use red/green TDD"——五个字换一段说明，agent 完全理解。他还有一个观察：以前你写 100 行代码配上 1000 行测试，被视为过度测试，是坏习惯；现在他完全不在乎——因为更新那 1000 行测试是 agent 的工作，不是他的。代码廉价了，测试覆盖率的标准就该随之变化。 第二个：项目模板。 每个新项目从一个极简骨架开始，里面放一个只测"1+1=2"的测试，用你喜欢的代码风格写好。agent 会自动沿用这个风格继续写下去——比在 CLAUDE.md 里写一大段"我的代码风格是……"有效得多，因为代码比文字描述更具体。Simon 在 GitHub 上公开了他自己的 Python 库模板、Datasette 插件模板和命令行工具模板，任何人都可以直接拿来用。 "写测试很无聊。但 agent 不会厌倦。它们可以写出大量枯燥的样板测试，而且效果真的好。" 第三个：囤积技能。 Simon 在 GitHub 上有两个专门用来"囤"的仓库：一个放他用 agent 做的 193 个小工具，每个都是一个想法的具体实现；另一个放他的 AI 驱动研究项目，每个研究结果是一个有跑通代码的 markdown 文件。下次遇到类似问题，他直接告诉 agent：去读那几个项目，然后帮我解决这个新问题。这三个模式的共同逻辑是降低未来的边际成本——今天多做一点沉淀，明天的 agent 任务就更好用。 提示词注入："致命三角"与 AI 的挑战者号事故 2022 年，Simon 给一类漏洞命名——"prompt injection"：当你构建在 LLM 上的应用接受外部输入时，那段输入可能包含指令，让模型忽略你原来的要求、去做别人想让它做的事。后来他有些后悔这个名字——太多人把它和"SQL 注入"混为一谈，以为可以用同样的方法解决。SQL 注入有解法，prompt injection 目前没有。于是他造了第二个词： "致命三角" 。三角的三条边是：私有信息（比如你的邮件）、恶意指令的入口（任何人都可以给你发邮件）、外泄渠道（agent 可以转发邮件）。三条边同时存在，agent 就是一个打开的保险箱。 "这就像挑战者号事故里的 O 型圈——所有人都知道它不可靠，但每次发射都没出事，于是大家越来越觉得这不是问题。我们现在对 AI agent 也在做同样的事。" 97% 的拦截率在 Simon 看来仍然是不及格：每 100 次攻击里有 3 次成功，每 3 次就会有一次数据被全部偷走。正确的防守思路不是"堵所有漏洞"，而是"限制爆炸半径"——不是让 agent 做不了坏事，而是让它被允许做的事本身不具破坏性。这个判断需要经验，需要你在设计系统时就想清楚。 方向盘还在人手里 Simon 今年的新年决心和往年完全相反：以前每年都告诉自己"要更专注、做更少的事"，今年他的目标是"做更多事、更大胆"。他把 AI 当成了清理积压 side project 的机会——那些多年来一直想做但没时间做的东西，最近几个月一个个都做完了，甚至有点失落：积压清零了，现在要做什么？他也承认一个矛盾：AI 应该让大家更省力、更有时间休息，但他自己每天到上午 11 点就已经精疲力竭。四个 agent 并行跑着，你要同时追踪它们在做什么、判断每一个结果够不够好——这消耗了他 25 年积累的工程经验的每一分。他希望这只是一个新鲜感阶段，随着使用习惯成熟，人会找到新的节奏。 "到今年年底，说自己几乎所有代码都是 AI 写的工程师，将不再是少数派——技术已经够好了，剩下的只是人们愿不愿意真的去学怎么用它。" 他相信这个时代最重要的技能不是掌握某个工具，而是"代理性"（agency）——主动决定去解决什么问题，用 AI 撬动什么事情。 agent 没有动机，没有好奇心，没有野心，它只是在等你告诉它做什么。暗工厂会来，但坐在驾驶室里的，仍然是人。 内容来源："An AI state of the union: We've passed the inflection point & dark factories are coming"丨Lenny's Podcast（嘉宾：Simon Willison） 原视频：https://www.youtube.com/watch?v=wc8FBhQtdsA 如果你喜欢深度好文，可以用「晚点再听 LaterCast 小程序」，将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s/T8k2oprA... simonwillison.net 🔗 原文链接： https://mp.weixin.qq.com/s/T8k2oprA... https://mp.weixin.qq.com/s/T8k2oprA... 原创 Capihom Capihom 晚点再听LaterCast2026年4月4日 23:02 云南 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 4100 字，如果你现在没有时间，试试转成播客稍后再听 "今天，我 95% 的代码 都不是自己打的——我甚至在遛狗时用手机写代码。" "到上午 11 点，我就已经精疲力竭了。AI 让最会用它的人，比以前更累。" "97% 的拦截率仍然是不及格——每 100 次攻击里，有 3 次会把你所有数据一扫而空。" Simon Willison 是 Django 的联合创始人——那个同时托着 Instagram、Pinterest、Spotify 的 Web 框架。过去二十年，他是人人心里的 10x 工程师。但他真正让自己出名的，是另一件事：他比绝大多数工程师更早、更彻底地跳进了 AI 原生开发，然后把所有过程都写在了博客 simonwillison.net 上。他创造了"prompt injection"这个词，普及了"AI slop"和"agentic engineering"的概念，还有超过 100 个开源项目，其中 Datasette 已经成为全球调查记者的常用工具。在这期 Lenny's Podcast 对谈里，他带来的不是预测，而是一个在最前线工作的工程师，对这个行业正在发生的事情最诚实的描述。 simonwillison.net 2025年11月：AI编程跨过了拐点 2025 年，Anthropic 和 OpenAI 几乎把全部力气都押在了同一件事上：让模型更会写代码。Claude Code 在二月一上线就爆了，用户愿意为此付 $200/月，两家公司立刻意识到这是最值得烧钱的方向。再加上推理模型——让模型"先想清楚再回答"——配上代码，效果出奇的好。 这一切积累到 11 月，GPT 5.2 和 Claude Opus 4.5 同时出现，越过了某个临界点：编程 agent 从"大部分时候差不多能用"变成了"几乎每次都做对"。 听起来只是量变，但这个区别是质的。差不多能用，意味着你必须时刻盯着它。几乎每次都对，意味着你可以同时开四个 agent、去泡杯茶回来再看。工程师们在假期里第一次感受到这个差异，2026 年一二月的觉醒就是那时候埋下的种子。 "以前让它生成代码，你还得自己跑一遍测一遍。现在 agent 替你做了这一步——你告诉它'帮我做一个 Mac app'，它给回来的东西真的能跑。" 拐点的意义不在技术本身，在于工程师的心理预期被重置了。那个"这个功能要两周，不值得做"的判断，现在可能只需要 20 分钟。以前因为代价太高而主动放弃的很多事情，现在都值得重新评估，去试一试。 "氛围编程"和"智能体工程"，别混为一谈 Karpathy 说的"vibe coding"，原意是"不看代码、不管细节、完全靠感觉"——你告诉 AI 做一个东西，它做出来了，你觉得不错，就这样。Simon 非常喜欢这个概念：它把"让电脑帮你做事"这件事民主化了，任何人都能敲出自己的小工具。 但他也很担心这个词被滥用：当专业工程师用 agent 写要上线的生产代码时，把这叫做"vibe coding"是在偷换概念。 那是另一件事，他管它叫"agentic engineering"——用 agent 写高质量、可部署、经过审查的代码，这需要你 25 年工程经验的每一分。 "如果你是在为自己做东西，vibe coding 完全没问题。一旦是为别人做、可能出错会伤害他人，你就需要认真想想这样做是否负责任——而判断这件事本身，就已经是一种专家级的技能了。" 判断自己在哪个象限——个人原型还是生产代码——直接决定了你该给 agent 多少自主权。给太多自主权但又没有足够的工程判断力，是一个很危险的组合。 "暗工厂"：没人读代码，软件照样能是好软件 "暗工厂"这个概念来自制造业：如果一家工厂自动化程度够高，不需要工人在场，就可以把灯关掉——机器在黑暗里自己运转。软件开发能达到这个水平吗？安全访问管理公司 StrongDM 从去年 8 月开始做这个实验：先订立"没人手动打代码"，再加上"没人读代码"。如果你不审查代码，怎么知道软件是好的？他们的答案： 用 AI agent swarm 来扮演真实用户 ——几百个虚假员工在模拟的 Slack 频道里 24 小时不停地发请求："我要 Jira 的权限"、"帮我开通 Slack 访问"。每天光这些 token 就要花 $10,000。 "工厂自动化到不需要人在场时，就可以关灯——机器在黑暗里自己运转。软件工厂能达到这个水平吗？他们正在摸索答案。" 为了不被 Slack 和 Jira 的 API 限流，他们甚至让 agent 读了这些服务的 API 文档，然后仿造了一套可以无限并发的模拟环境。QA 没有消失，只是从"人工测试"变成了"agent 群测"——质量保障的成本结构，彻底变了。 瓶颈已经转移：写代码不再是最慢的那步 以前的流程是：产品经理写完 spec，扔给工程团队，3 周后才能看到实现。现在这个"3 周"可能变成 3 小时。速度瓶颈被移走之后，新的瓶颈暴露出来了： 你想做什么？怎么判断做对了没有？ Simon 的回答是，原型现在"免费"了。以前你只能验证一个方向，现在可以同时做三个不同的原型来对比。ChatGPT 和 Claude 可以帮你直接生成任何你描述的 UI，不需要一行代码。 "UI 原型现在是免费的了。不用这个的产品设计师，正在错过目前最强的加速器。" 但 Simon 也承认，验证"哪个原型对"目前还没有很好的 AI 替代方案。让 AI 模拟用户点原型，效果远不如真人在 Zoom 上操作一遍。以前"想到了但没验证"是资源问题，现在是优先级问题——从 1 个原型做成 3 个来对比，这是 AI 时代产品人该用上的基本操作。 最危险的不是初级工程师，是中级 Thoughtworks 召集了 20 多家公司的工程副总裁开了一次闭门会，讨论 AI 对团队结构的影响。他们的结论有点反直觉： 资深工程师最受益 ，因为 AI 放大了他们的经验； 初级工程师也在受益 ，因为入职速度大幅提升——Cloudflare 和 Shopify 都说，以前新员工要一个月才能做实质性工作，现在一周就行了。最岌岌可危的，是夹在中间的中级工程师：没有足够的经验可以放大，又已经失去了初学者的优势。 "知道如何把技术 X 和技术 Y 组合起来解决一个新问题——这种积累，是 AI 无法替代你的地方。你可能是世界上唯一一个同时尝试过这两种技术的人。" Simon 给中级工程师的建议很具体：主动去碰你没有用过的技术领域。以前学 AppleScript 要两三个月，现在有 AI 帮你，几天就能上手。他自己用 AI 学会了 AppleScript，现在可以随手自动化 Mac 上的各种事情——这在两年前是"太贵了，不值得学"的事情。AI 已经把任何技术的入门成本压到接近零，也就是说，一个中级工程师现在可以用极低代价去积累那些原本需要数月才能建立的技术认知。囤积技术深度，比历史上任何时候都便宜。 三个让 agent 真正好用的实战模式 第一个：红绿 TDD。 让 agent 先写测试、看测试跑失败、再写实现、看测试通过。Simon 本人不喜欢这套流程，觉得它繁琐，多年来一直避开。但 agent 不在乎无聊——你让它做，它就做，而且结果更好：更不容易漏掉边缘情况，也更不会写出不必要的代码。更妙的是，你不需要解释一大段，只需要说"use red/green TDD"——五个字换一段说明，agent 完全理解。他还有一个观察：以前你写 100 行代码配上 1000 行测试，被视为过度测试，是坏习惯；现在他完全不在乎——因为更新那 1000 行测试是 agent 的工作，不是他的。代码廉价了，测试覆盖率的标准就该随之变化。 第二个：项目模板。 每个新项目从一个极简骨架开始，里面放一个只测"1+1=2"的测试，用你喜欢的代码风格写好。agent 会自动沿用这个风格继续写下去——比在 CLAUDE.md 里写一大段"我的代码风格是……"有效得多，因为代码比文字描述更具体。Simon 在 GitHub 上公开了他自己的 Python 库模板、Datasette 插件模板和命令行工具模板，任何人都可以直接拿来用。 "写测试很无聊。但 agent 不会厌倦。它们可以写出大量枯燥的样板测试，而且效果真的好。" 第三个：囤积技能。 Simon 在 GitHub 上有两个专门用来"囤"的仓库：一个放他用 agent 做的 193 个小工具，每个都是一个想法的具体实现；另一个放他的 AI 驱动研究项目，每个研究结果是一个有跑通代码的 markdown 文件。下次遇到类似问题，他直接告诉 agent：去读那几个项目，然后帮我解决这个新问题。这三个模式的共同逻辑是降低未来的边际成本——今天多做一点沉淀，明天的 agent 任务就更好用。 提示词注入："致命三角"与 AI 的挑战者号事故 2022 年，Simon 给一类漏洞命名——"prompt injection"：当你构建在 LLM 上的应用接受外部输入时，那段输入可能包含指令，让模型忽略你原来的要求、去做别人想让它做的事。后来他有些后悔这个名字——太多人把它和"SQL 注入"混为一谈，以为可以用同样的方法解决。SQL 注入有解法，prompt injection 目前没有。于是他造了第二个词： "致命三角" 。三角的三条边是：私有信息（比如你的邮件）、恶意指令的入口（任何人都可以给你发邮件）、外泄渠道（agent 可以转发邮件）。三条边同时存在，agent 就是一个打开的保险箱。 "这就像挑战者号事故里的 O 型圈——所有人都知道它不可靠，但每次发射都没出事，于是大家越来越觉得这不是问题。我们现在对 AI agent 也在做同样的事。" 97% 的拦截率在 Simon 看来仍然是不及格：每 100 次攻击里有 3 次成功，每 3 次就会有一次数据被全部偷走。正确的防守思路不是"堵所有漏洞"，而是"限制爆炸半径"——不是让 agent 做不了坏事，而是让它被允许做的事本身不具破坏性。这个判断需要经验，需要你在设计系统时就想清楚。 方向盘还在人手里 Simon 今年的新年决心和往年完全相反：以前每年都告诉自己"要更专注、做更少的事"，今年他的目标是"做更多事、更大胆"。他把 AI 当成了清理积压 side project 的机会——那些多年来一直想做但没时间做的东西，最近几个月一个个都做完了，甚至有点失落：积压清零了，现在要做什么？他也承认一个矛盾：AI 应该让大家更省力、更有时间休息，但他自己每天到上午 11 点就已经精疲力竭。四个 agent 并行跑着，你要同时追踪它们在做什么、判断每一个结果够不够好——这消耗了他 25 年积累的工程经验的每一分。他希望这只是一个新鲜感阶段，随着使用习惯成熟，人会找到新的节奏。 "到今年年底，说自己几乎所有代码都是 AI 写的工程师，将不再是少数派——技术已经够好了，剩下的只是人们愿不愿意真的去学怎么用它。" 他相信这个时代最重要的技能不是掌握某个工具，而是"代理性"（agency）——主动决定去解决什么问题，用 AI 撬动什么事情。 agent 没有动机，没有好奇心，没有野心，它只是在等你告诉它做什么。暗工厂会来，但坐在驾驶室里的，仍然是人。 内容来源："An AI state of the union: We've passed the inflection point & dark factories are coming"丨Lenny's Podcast（嘉宾：Simon Willison） 原视频：https://www.youtube.com/watch?v=wc8FBhQtdsA 如果你喜欢深度好文，可以用「晚点再听 LaterCast 小程序」，将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣