同一天,两份回答
“Software is both art and utility. AI is both an Industrial Revolution and a Renaissance. Factories are for utilities, at AIE Code I talked about how we can make better art.”
(软件既是艺术,也是公用事业。AI 既是一场工业革命,也是一场文艺复兴。工厂造的是公用品;我在 AIE Code 上讲的,是我们怎样做出更好的艺术。) —— Thariq Shihipar(@trq212),2026 年 11 月 19 日,X 推文
2026 年 11 月 19 日,两条推文前后相隔 2.22 小时△C。先发的是宝玉(@dotey)的《程序员不死,只是凋零》(原帖,抓取时 4.2 万次浏览●A),回应的是 @xDinoDeer 的一句追问:“如果共识是:软件已死,程序员职业已死。那反共识是?”宝玉的回答是:编程最核心、恒定不变的本质,是“将模糊的人类意图转化为精确、无歧义的逻辑规则,以解决现实世界的问题”;变的只是人与机器之间那层“翻译工作”。所以“精确、无歧义”并没有消失,“只是位置换了”。
后发的是 Thariq Shihipar(@trq212)。他离开 Anthropic 后,在 AI Engineer CODE Summit 2026 上做了一场 18.8 分钟●A的演讲《The Sweet Side of the Bitter Lesson》(视频,转发推文抓取时 3.1 万次浏览●A)。大会官方账号给这场演讲配的一句话是:“Vibe coding a game is fun until you don't know what your own characters do.”(用 vibe coding 做游戏很好玩,直到你不知道自己的角色在干什么。)演讲里他自己说得更直白:“Wow, I have no idea what this character actually does.”(11:34)
两篇放在一起读:宝玉给的是诊断——精确性现在要由人来守。可人用的是天生模糊的自然语言,靠什么守?Thariq 没有给出完整答案,他明说自己 “still quite early on”。他给的是一个正在用的做法。本文把 144 段逐字稿●A和宝玉原文逐段对照:前六幕梳理两人说了什么,第七幕反过来质疑这个做法,第八幕按风险给出分级建议。
翻译税:编译器不再把关之后,精确性去了哪里
宝玉先把镜头拉回计算史。按他的说法,“传统意义上的程序员其实早就死了”——现在没人写机器语言与汇编,更没人用制表机打孔。载体从黄铜齿轮、打孔纸卡变成云端服务器,工具从汇编演进到 AI 生成,变的始终是人与机器之间那层翻译。
1. 写代码,有很大一部分是“翻译税”
“翻译税”是本文对宝玉这段话的概括:因为机器听不懂人话,“我们不得不迁就机器:背诵繁琐的语法、手动管理内存、把朴素的业务需求拆解成密密麻麻的控制流与接口调用”。久而久之,很多人把熟练写某种程序语言当成了程序员的全部,“却忘了代码本身只是沟通的媒介”。
2. 这一次不一样:抽象层变成了概率性的
宝玉也指出了这一次和以往的区别:
“以前从汇编到高级语言,每一层抽象都是确定的,同样的代码编译 10,000 次●A,结果一模一样。自然语言天生模糊,模型的输出又带着概率,同一句话说两遍,得到的可能是 2 个不同程序●A。”
—— 宝玉(@dotey),《程序员不死,只是凋零》
在确定性的旧抽象里,编译器替人把关:少一个分号、类型对不上,直接报错。到了概率性的新抽象里,这道关没了。一句含糊的需求不会触发 Syntax Error,模型会交出一段能跑的代码,把你没说清的部分悄悄补上。
3. 精确性前移
所以宝玉说:“以前精确靠语法保证,写错了编译器会报错。现在得靠人自己:把需求想清楚、讲清楚,把大问题拆成 AI 能稳定生成的小问题,还得要验证它生成的结果对不对,最后还得要人为结果负责。”最容易被替代的,是“把别人定义好的需求翻译成代码”;而搞懂真正的问题、在几个方案之间取舍、验证结果、承担后果,“从打孔时代起这些就是这个职业最难的部分”。下方图 0 演示四代抽象中,精确性的把关点如何移动:
一位从业者的三次自我纠错
Thariq 先点出 AI 行业的一个习惯:判断错了就悄悄忘掉,事后好像自己一直都看准了(“you sort of just memory-hole the things that you're wrong about”)。
然后他先列了自己说对的 3 项命中预言●A:模型能生成和编辑视频;模型能 "use HTML to understand their work";模型能帮人弄清自己的未知、做计划和学习(0:34–1:12)。接着列了说错的 3 项被证伪执念●A(1:26–3:35):
| 当时的判断 | 当时的理由 | 他现在怎么说 |
|---|---|---|
| 1. “Bash is all you need” (一切都变成 CLI) |
Agent 很会用 bash,Claude Code 本身就是围绕 bash 工具构建的,于是大家觉得“把一切都变成 CLI”就够了。 | “我现在其实更喜欢 MCP 而不是 CLI”,而且还有 code mode、skills 和渐进式披露(progressive disclosure)。模型偏爱 bash,只是“一开始以某种方式训练留下的奇怪遗留”。 |
| 2. “React is all you need” (React 会是最后一种语言) |
模型写 React 写得特别好,似乎做 AI 应用就该全部上 Web、上 React。 | 现在模型写 HTML、React、Swift,甚至 Figma 的私有 JSON 格式,效果“都差不多”;“很多人现在都在写自己的语言”。 |
| 3. 扩散模型会吃掉艺术 | 担心人对模型生成的艺术失去控制,模型只会自己产出“最美的东西”。 | “完全没有发生”。模型可以通过写代码、操控电脑,用 Blender、Photoshop、Figma 来做艺术。 |
1. 为什么 Bash 让位(作者展开)
演讲对这一点只说了一句。下面是作者自己的展开,不是 Thariq 的论证。把外部系统全部拍平成命令行字符串,有三个代价:输出没有结构,日志和转义符会挤占上下文;没有类型约束,管道拼接容易断;模型要反复调用 --help 摸索接口。MCP 用带 Schema 的接口代替解析 stdout;code mode 让 Agent 写一段脚本一次编排多个调用,省掉大量单步往返;skills 封装领域流程;渐进式披露先只给目录,用到时再加载完整说明,避免工具一多就把上下文撑满。
2. 《苦涩的教训》的另一面
演讲标题来自 Rich Sutton 2019 年的文章《The Bitter Lesson》(Sutton 后来获得 2024 年度图灵奖)。文章回顾 70 年 AI 研究史●A,结论是:依靠通用算力的搜索与学习方法,长期总会胜过把人类知识硬编码进系统的方法。Thariq 说,“bitter lesson”“alien intelligence”“shoggoth”这些词,表达的是同一种担心:模型会有一套陌生的做事方式,人只能接受,只能 “submit to this like foreign intelligence”。他的判断是:“I don't think that's what happened.”
下表是作者对这条线索的整理,借用了“正—反—合”的结构,属于本文的读法,不是 Thariq 的原话:
| 阶段(作者划分) | 主导范式 | 人与模型的关系 | 典型表现 |
|---|---|---|---|
| 1. 正:手工先验 | 人把领域规则硬编码给机器 | 人定义机器,也被死板的形式语法所困 | 专家系统、手工特征工程、严格的编译器语法 |
| 2. 反:算力胜出、能力偏科 | 通用学习击败人类先验,但模型能力参差 | 人迁就模型的训练痕迹,替模型做 QA、搭脚手架 | “Bash is all you need”、“React 是最后一种语言”、层层叠加的 QA harness |
| 3. 合:平滑内部 | 常见任务上模型不再偏科 | 人按自己想要的方式工作,模型去适配 | MCP 与渐进式披露、跨语言同等水准、为单个项目定制的可读规范语言 |
平滑内部:模型已经做得好的那片区域
谈 AI 能力时,人们常说“参差前沿”(jagged frontier,5:53)。Thariq 举的例子是任务一直在升级:两年前让 AI 写一个函数,后来是做一个功能、做一个简单的待办应用、克隆 Slack,“现在是从零做一个 Mario Kart,再把它移植到 Wii 之类的”。评测和基准上看到的,就是这条锯齿状的前沿。
他更想谈的是“平滑内部”(smooth interior):前沿以内、模型已经聪明到能做好的那些事。“如果它能写 React,它就能写 Figma、写 JSON”,这片区域里没有锯齿。他说:“我其实已经不太在乎它们能从零做出 Mario Kart 了……我真正在乎的是,我们做的软件质量高不高。”
为了让人看到模型“知道多少”,他展示了一个评测(9:19):给模型一个经纬度,问这里是陆地还是水,再把所有答案画成一张地图。他说这个实验“我记得是 Karpathy 发的”。Opus 4.6●A 画出来“有点模糊”,Opus 5.5●A“几乎完美”。他接着说,令人兴奋的是 “we can use intelligence to understand and shape how we use intelligence”,并认为这会是下一年的主题(10:21)。
一个类比:两种不确定
下面是作者的类比,不是严格的信息论推导。可以把系统最终行为的不确定拆成两部分:一是人的意图里没说清的部分,记作 H(Intent);二是规范已经写清楚之后,模型实现仍可能出错的部分,记作 H(Code | Spec)。在参差前沿上,后者很大,只能靠层层 QA 和脚手架事后兜底。进入平滑内部,后者变得很小。Thariq 的设想是:理想的模型写完代码说“我做完了”,你检查之后会说,“according to the spec and the goals……you did it correctly”(9:04)。到那时,剩下的不确定主要来自人自己没想清楚、没说清楚的地方。图 1 可以切换模型代际和输入方式,比较两部分的变化:
软件作为公用事业,软件作为艺术
大会官方账号转发这场演讲时,配图是 Thariq 的一页幻灯片,上面写着:
“Industrializing is about competing to deliver goods quickly, reliably and cheaply.
—— Thariq Shihipar 演讲幻灯片「The Software Renaissance」
Renaissances are about delivering things people have never seen before, where every edge you can find is useful.”
(工业化,是比谁把东西交付得更快、更可靠、更便宜;文艺复兴,是交付人们从未见过的东西,你能找到的每一点优势都有用。)
他在演讲里说(4:40),今年主要是工业革命:我们常说“软件工厂”,软件从一门不可靠、难执行的手艺,变成了不再是瓶颈的东西。但同时也有一场文艺复兴:人们想要质量越来越高的软件,你投入的每一点创意、精神和“灵魂”,都有用,也有经济价值。
作者补充一个历史类比。十九世纪银版摄影出现后,靠画写实肖像谋生的画师受到很大冲击。绘画并没有因此消失,而是把“忠实记录外貌”这件事交给相机,转向光色、情绪和形式的探索,印象派、表现主义、立体主义相继出现。软件可能会这样分化:
- 公用事业:后台 CRUD、数据报表、胶水代码、一次性迁移脚本,越来越像水和电,按需生成,成本趋近于零。
- 艺术:手写样板代码的成本降下来以后,软件能更多地承载作者的审美、对领域的直觉和世界观。这篇用 SVG 状态机讲技术思想的长文,也是一次这样的尝试。
两层代码库:人读的一层,交给 Claude 的一层
演讲后半段(10:38 起),Thariq 讲了自己的项目:一个 2D 等距视角的格斗游戏,灵感来自《降世神通》(Avatar)和《任天堂明星大乱斗》。他说做起来很好玩,也很挫败。他会说“我想让这个角色扔一块石头”,然后发现一堆事没定:这个角色还能召唤一堵墙,石头穿不穿墙?速度多快、多大、怎么蓄力?“模型替我做了一堆选择,然后我一试:哇,我根本不知道这个角色到底会干什么。”
还有一个代价:发出 prompt 后他会去干别的,回来再看,“不太在状态”,“老实说,进展反而更少”。他一度以为和 AI 协作本来就是这样,后来觉得这“不可接受”,这样做不出值得一场文艺复兴的软件。
他现在的做法(12:54 起)分两层,按他自己的话说还“很早期”。代码库分成 2 层代码库结构●A:一部分是引擎代码,“相机怎么工作之类的,我不懂”;另一部分是一个文件夹,“我想叫它 spec,但现在大概叫 human”。这是他会读的代码,有 lint,有给 Claude 定的规则,“读起来应该像英语”,密度要做到“我一读就知道发生了什么,能改、能调”。
现场演示里,他打开岩石招式的定义:注释清楚,用的是米这样的单位,“而不是 x: .5 之类的”(x: 0.5 归一化坐标●A);能看出这个角色有 3 种投石触发路径●A,比如从地上取、从墙上取。他想把石头做大,就把尺寸改成 1.5 meters(米)●A,回到游戏里蓄力、扔出。他说,这“几乎是为我的游戏自制的一门脚本语言”,有点像规范驱动开发,只不过规范就是这门脚本语言。
下面的透视窗是作者按这个结构画的示意。两段代码都不是 Thariq 项目的源码,参数也是虚构的,只用来说明两层怎么分工。
这样分工的意义在于:原本会被模型默默替你决定的选择——石头穿不穿墙、有多大、怎么蓄力——变成了人一眼能看懂的几行条目。要改的时候,人改的是这几行,而不是在几千行引擎代码里让模型猜。
Thariq 也说了这个做法的边界:遇到复杂的事,“我仍然需要让 Claude 去做”,让它写底层原语;但“我很容易看懂发生了什么,感觉掌控得多”。他还开始更多地用 Cursor 的 tab 补全,在规范层里直接写下一个动作,让补全接上;Claude 在后台干活时,他也能同时审阅。宝玉说精确性“现在得靠人自己”,这一层就是人守住精确性的地方。
图 2 也是示意,用四个状态演示这个过程:从纯聊天的黑盒,到启用 human 规范层,再到在 IDE 里微调、需要新原语时再唤醒 Claude。
反方意见:可读规范会在哪里失灵
前六幕基本是在复述和梳理。这一幕反过来问:Thariq 的做法在一个人做的游戏里很好用,放到团队协作和生产系统里会怎样?以下是作者的推演,所举例子都是假设场景。
- 跨层调试黑洞。Joel Spolsky 2002 年提出“抽象泄漏定律”:所有不平凡的抽象,在某种程度上都会泄漏。规范层写得再清楚,bug 也可能出在引擎层。比如某一帧石头穿了模,规范里每一行看起来都对,可开发者从没读过引擎代码,无从下手。
护栏:让引擎能把运行时状态映射回规范的具体行,出了问题先定位到“是哪一条规则触发的”。 - 规范语言自我膨胀。格林斯潘第十定律说,足够复杂的程序里总会长出一个半吊子的 Lisp 解释器。规范语言也会这样:今天加个条件,明天加个循环、加个回调,最后变成一门没有调试器、没有类型检查的残缺语言。还有一类问题本来就不在规范的视野里:单帧实体数上限、内存、帧时间、联机两端的一致性。假设规范允许碎片撞墙后继续分裂,语法完全合法,引擎却可能在一帧之内生成上万个实体。
护栏:规范层保持声明式,禁止循环和并发原语,复杂控制流下沉到引擎原语;再用属性测试(property-based testing)在 CI 里检查“不管规范怎么配,单帧实体数都不超过上限”这类不变量。 - 团队巴别塔。一个人自创一门类英语 DSL,是给自己用的外骨骼。到了 5 人以上■D的团队,每个人都可能发明一套方言,新人要学的不再是业务,而是同事的私人语言。
护栏:团队场景优先用宿主语言(TypeScript、Rust 等)的强类型受限子集来做内嵌 DSL,沿用现有的类型系统、调试器和工具链。
在图 3 中可以逐个拆掉这三道护栏(场景为假设),看架构检查如何报警:
落到团队:按风险分三档
这一幕是作者的建议,不是 Thariq 的内容。核心意思只有一句:不要用同一种方式对待所有代码。点击下面的系统类型,查看对应的分工建议:
| 维度 | Tier 1:公用事业层 (Software as Utility) |
Tier 2:双层创作层 (Software as Art & Product) |
Tier 3:深水防御层 (Mission-Critical Infra) |
|---|---|---|---|
| 典型场景 | 数据迁移脚本、内部管理 CRUD、一次性抓取与报表转换 | 核心业务策略、游戏手感与规则、复杂交互前端、AI Agent 工作流 | 账务清结算、分布式共识、高并发存储、权限与安全沙箱 |
| 模型能力位置 | 基本处在平滑内部 | 引擎在平滑内部,产品取舍与规则由人掌握 | 经常碰到参差前沿,并发与边界问题容易漏网 |
| 人掌握的媒介 | 自然语言 Prompt + 端到端输入输出样例(Golden I/O) | 可读的领域规范(自定义 DSL / 声明式状态机 / 策略表) | 形式化不变量(TLA+ / Alloy)+ 属性测试 + 破坏性测试 |
| 底层代码怎么处理 | 用完即弃,坏了整文件重新生成 | 引擎层由 AI 维护,人不手改引擎,只通过规范层驱动 | AI 可以生成候选实现,但必须通过确定性仿真和破坏性测试 |
四条可以先试的做法
盘点每周都在改的模块(计费折扣、风控规则、UI 状态流转、动画编排)。与其让 AI 在几万行代码里直接打补丁,不如先让它把这部分规则抽成一份简短的声明式规范和解析器,人的审查集中在这几十行上。
Thariq 演示时,改完数值就回到游戏里试。没有即时反馈的规范只是文档;让 AI 一并做一个热重载预览,改一行就能看到效果。
针对第七幕的盲区,在 CI 里加入属性测试(如 Hypothesis、fast-check):不管规范怎么配,引擎都要满足“单帧实体数不超过上限”“随机输入序列下不泄漏内存”“联机两端结果一致”这类不变量。
AI 生成的引擎和胶水代码,交给编译器、linter 和测试去拦。人工评审把主要精力放在两件事上:规范层是否准确表达了领域意图,不变量测试是否足够完备。
这篇文章自己如何接受检查
EXTERNAL CHECKS一篇讲“可读规范和可运行检查”的文章,自己也应该经得起检查。每次构建都会自动运行以下检查,不通过就不出包:
程序员不死,只是换了守住精确性的位置
回到开头那两条推文。宝玉借麦克阿瑟的话说:“老兵不死,只是凋零。”凋零的是一代代的工具和手艺,留下的是把想法变成现实的能力。Thariq 在演讲结尾说,模型并不是要把我们逼进某种特定工作方式的外星智能,“它们几乎什么都能做,也会去做”,而“我们的工作,是把这场文艺复兴带来”。
两人说的是同一件事的两面。被淘汰的,是把别人定好的需求翻译成语法的那部分工作。精确性本身没有消失,它移到了别处:移到人能读懂的规范里,移到对手感、节奏和审美的取舍里,也移到给模型生成的代码划定边界的不变量和测试里。
宝玉原文的最后一句是:“这种能力过去只属于少数会写代码的人,以后属于每一个能把问题想清楚并且变成现实的人。”