AI编程的新计算方式当开发速度提升10倍后,我们需要重新思考一切
🚀 AI编程的新计算方式
当开发速度提升10倍后,我们需要重新思考一切
Amazon杰出工程师Joe Magerramov的深度复盘
📢 本文所有信息均来自公开互联网资源,仅供参考学习,不代表任何官方立场
在亚马逊云服务(AWS)的某个团队里,正在发生一场编程革命。
这个由资深工程师组成的团队,80%的代码由AI生成,但他们的开发效率达到了普通高速团队的10倍。这不是营销噱头,而是经过实际数据分析得出的结论。
✦ ✦ ✦
一 不是"氛围编程",而是"代理编程"
👤 人物背景:AWS副总裁兼杰出工程师
作者Joe Magerramov是Amazon Web Services的副总裁和杰出工程师(VP/Distinguished Engineer),在业界拥有极高的声誉。他不仅是Amazon Builders' Library的作者之一,还拥有多项网络安全和防火墙相关的专利。
过去三个月,Joe和他志同道合的工程师团队一直在Amazon Bedrock内部开发一个很酷的项目。但更独特的是:团队的大部分代码都是由AI代理编写的,比如Amazon Q或Kiro。
⚡ 关键区别:"Vibe Coding" vs "Agentic Coding"
在开始之前,Joe特别强调了一个概念:
❌ Vibe Coding(氛围编程)
盲目相信AI输出,不加审查地接受代码
✅ Agentic Coding(代理编程)
人类和AI代理协作产出代码,工程师对每一行代码负责
Joe的团队采用了严格的规则:
1每个提交都有工程师的名字,该工程师必须审查并为代码负责
2使用转向规则(steering rules)设置约束,限定AI代理在代码库中的操作方式
3使用Rust语言编写,利用编译器的安全性和正确性检查
💻 个人工作流程
Joe描述了他的个人工作流程:
"I break down the task until I have clarity in my own head, prompt the AI agent, review its output, iterate with it until I like the results, and occasionally take over the change set and finish it myself."
「我将任务分解到自己脑海中清晰为止,然后提示AI代理,审查其输出,与它迭代直到我满意结果,偶尔会接管变更集并自己完成。」
他强调:关注AI代理产生的每一行代码,在完全满意质量之前不接受它们——就像自己写的每一行一样。
📊 惊人的效率提升
对Joe个人而言,约80%的提交代码由AI代理编写
过去几个月是他职业生涯中编码产出最高的几个月
整个团队的代码产出达到典型高速团队的10倍
这不是夸张——他们实际收集并分析了指标数据
✦ ✦ ✦
二 以200英里时速驾驶:新挑战浮现
当速度提升10倍,数学规律改变
这就是有趣的地方。即使是经验丰富的软件团队,也不可能每次都做对。即使有良好的测试和工程实践,偶尔也会有bug漏进生产环境。
"Driving at 200mph, you need a lot of downforce to keep the car on the track!"
「以200英里时速驾驶时,你需要大量下压力才能让车保持在赛道上!」
⚠️ 数学规律的改变
AI辅助的代码也可能包含bug,即使经过人类彻底审查。Joe怀疑出错概率与传统编程并没有显著不同。
但是,当团队以10倍的速度提交时,整体数学就改变了:
传统开发 · 影响生产的bug一年出现1-2次
10倍速开发 · 同样的bug可能每周出现
即使大多数bug在集成或测试环境中被捕获,它们仍然会影响共享代码库,需要调查并拖慢团队其他成员。
⚠️ Joe的核心洞察:为了让代理开发将工程速度提高一个数量级,我们需要将有问题提交的概率也降低一个数量级。
而且可能需要降低更多,因为在高速下,单个提交可能会以意想不到的方式相互影响。
✦ ✦ ✦
三 成本收益的重新平衡:从"太贵"到"可行"
✈️ 从飞机制造业学习测试理念
减少bug机会的最佳方法之一是改进测试。Joe是个飞机迷,一直钦佩飞机制造商使用的测试理念:
✦ 早期模拟
✦ 组件测试
✦ 风洞测试
✦ 测试到破坏点
✦ 完整组装飞机的试飞
这些理念在软件行业尝试过,但远未普及。
🌪️ "风洞"式测试的困境
Joe一直喜欢"风洞"式测试——在受控环境中测试完全组装的系统。
实现方法:为外部依赖实现高保真的"假"版本,可以在本地运行。这样就可以编写在本地运行的构建时测试,验证整个系统的端到端行为。
❌ 以前为什么很少团队这样做?
• 为所有外部依赖创建假实现并不容易
• 即使做到了,还要持续维护与真实依赖同步
• 对于中等复杂度的服务来说成本太高
🎯 代理编程改变了计算
"AI agents are great at spitting out large volumes of code, especially when the desired behavior is well known and there's little ambiguity."
「AI代理非常擅长生成大量代码,尤其是当期望行为明确且歧义很少时。」
那些原理上可行但实施和维护成本过高的想法,其成本刚刚降低了一个数量级。
✅ Joe团队的实践
项目(在AI代理帮助下)维护了外部依赖的假实现:
• 身份验证
• 存储
• 链复制
• 推理引擎
然后编写了测试工具,使用这些假实现在开发者机器上启动整个分布式系统,包括所有微服务。
构建时测试针对完全组装的堆栈运行金丝雀,验证系统整体工作。
💡 重大意义
这种方法可以捕获过去只能在更改提交到测试环境后才能发现的一类bug。几年前,这样的想法会被抵制为"很好,但太贵"。这次,在相对复杂的系统上只花了几天就实现了。
✦ ✦ ✦
四 快速驾驶需要更紧密的反馈循环
CI/CD管道必须提速
软件团队的CI/CD管道通常需要几个小时来构建、打包和测试软件更改。然后可能需要几天时间将一批更改在预生产阶段和生产阶段之间滚动。
通常,拥有这种自动化级别的团队会被认为是健康的团队。
🏎️ F1黄旗类比
Joe是F1粉丝,这让他想到了赛道上的事故如何导致黄旗:
正常情况:赛车以惊人的速度和加速度在赛道上疾驰
发生事故:赛道管理员举起黄旗,所有赛车必须在安全车后减速
结果:激动人心的比赛变成了赛道上的悠闲驾驶,直到清理完碎片
赛事组织者竭尽全力为各种事故做准备,确保能在几分钟内清理赛道并重启比赛。
⏱️ 代理编程改变动态
在构建、打包和测试一组提交所需的时间内,可能还有十几个提交在等待发布。
当一组更改准备部署到生产环境时,它可能包含100个或更多提交。如果其中一个包含问题,部署需要回滚,管道就会停滞。
❌ 恶性循环
与此同时,更多的更改不断积累,增加混乱和风险。就像网络游戏中玩家输入与游戏反应之间的高延迟会让游戏无法玩一样,如果每个提交都需要很长时间才能看到反馈,就很难以10倍速度前进。
✅ 解决方案:当团队以每小时几十次提交的速度前进时,需要在几分钟而不是几小时或几天内识别、隔离和恢复有问题的问题。这意味着典型的构建和测试基础设施需要比现在快一个数量级。
✦ ✦ ✦
五 沟通瓶颈:团队必须在同一楼层
Joe喜欢观察运转良好的操作。如果你曾偷看过繁忙餐厅的后厨,乍一看可能觉得是混乱。
但如果仔细观察细节,你会发现所有成员都在不断协调。厨师、厨师助手、服务员、收盘员和经理以连续的信息流来回传递信息。
"By staying in constant sync, a well run restaurant manages to serve its patrons even during peak times, without sacrificing on quality or latency."
「通过保持持续同步,运营良好的餐厅即使在高峰时段也能为顾客提供服务,而不牺牲质量或延迟。」
📈 决策速度的指数级增长
实现类似的速度提升需要约束团队沟通方式。
当产出增加一个数量级时,不仅仅是写更多代码——而是做更多决策:
正常速度:团队可能每周做1-2个这样的决策
10倍速度:每天要做多个决策
挑战在于,许多决策会影响其他人正在做的事情。工程师A决定重构身份验证流程,这会影响工程师B即将扩展的API。
🚫 传统协调机制太慢
等待Slack回复或安排当天晚些时候的快速同步,意味着要么创建瓶颈——决策阻塞进度——要么冒险走错路。
在高产出下,协调成本可能占主导地位!
🏢 Joe团队的解决方案
✅ 同一楼层办公
Joe的团队坐在同一楼层,这对他们的速度至关重要。
当有人需要做可能影响其他人的决策时:
• 走过去
• 在白板前几分钟内讨论清楚
• 实时讨论权衡
• 双方回去工作
决策快速、正确地做出,不会造成被阻塞工作的堆积
⚠️ 开放挑战:Joe承认这不能解决分布式团队的问题——这仍然是一个开放的挑战。
✦ ✦ ✦
六 前进之路:整个软件开发生命周期需要协同进化
Joe对代理开发的潜力感到非常兴奋。他认为它不仅能提高软件开发效率,还能让我们解决以前太小众或太昂贵而无法解决的问题。
收益是真实的——他们团队的10倍产出增长不是理论上的,而是可衡量的。
🚗 涡轮增压器的比喻
"Like adding a turbocharger to a car with narrow tires and old brakes, the result won't be faster lap times - it will be crashes."
「就像给一辆轮胎窄、刹车旧的汽车加涡轮增压器,结果不会是更快的圈速——而是撞车。」
但这是关键部分:如果我们只是简单地将AI代理附加到现有的开发实践上,这些收益不会实现。
🔄 瓶颈只是移动了
在10倍代码速度下,我们当前的测试、部署和团队协调方法成为限制因素:
CI/CD管道:为每天10次提交设计的管道在100次下会崩溃
测试策略:在正常速度下"足够好"的策略在高速下会放过太多bug
沟通模式:以前有效的模式会不断造成被阻塞工作的堆积
💡 真正的机会
好消息是,我们已经有了全面测试、快速部署和高效协调的好想法——这些想法已经显示出希望,但还没有被广泛采用,因为它们实施和维护成本太高。
改变的是:代理开发本身可以大幅降低这些成本。
🎯 核心洞察
不仅仅是更快地编写代码,而是使用AI使以前不切实际的工程实践变得实用。成功使用代理开发的团队将是那些认识到整个软件开发生命周期需要协同进化的团队。
✦ ✦ ✦
💎 为什么选择Rust语言?
在Joe的博客中,他特别提到团队使用Rust作为主要编程语言,这不是偶然选择。
✅ Rust编译器的三大优势
1关注正确性和安全性:在编译时捕获许多问题
2有用的错误消息:帮助AI代理迭代和修正
3"如果能编译,就基本正确":大幅降低运行时错误
2025年,整个AI工程界正在向Rust迁移:
✦ OpenAI用Rust重写了Codex命令行界面
✦ Microsoft计划到2030年用Rust替换所有C/C++代码
✦ Meta已经大规模迁移到Rust,提升了开发效率和生产可靠性
✦ Anthropic工程师在构建Claude工具时也在学习Rust
"Rust is a perfect language for agents, given that if it compiles it's ~correct."
「Rust是AI代理的完美语言,因为如果能编译,它就基本正确。」
—— OpenAI联合创始人Greg Brockman
🎯 给开发者的启示
AI辅助编程不是未来,而是现在。但真正的机会不在于简单地"写更多代码",而在于重新思考整个软件工程实践。
📚 参考来源:
1. Joe Magerramov's blog - The New Calculus of AI-based Coding
2. ReversingLabs - Software quality's collapse: How AI is accelerating decline
3. The New Stack - AI Coding Tools in 2025: Welcome to the Agentic CLI Era
4. GitHub Blog - Agentic AI, MCP, and spec-driven development
5. Red Hat Developer - Why some agentic AI developers are moving code from Python to Rust
6. AIM - AI Engineers are Openly Choosing Rust Over Everything Else
7. DEV Community - How AI Coding Agents Are Reshaping Developer Workflows
参考原文信息列表:
1. https://blog.joemag.dev/
2. https://www.reversinglabs.com/blog/software-quality-collapse-ai-accelerate
3. https://app.daily.dev/posts/joe-magerramov-s-blog-the-new-calculus-of-ai-based-coding-gnhpjt7jj
4. https://aws.amazon.com/builders-library/authors/joe-magerramov/
5. https://github.blog/developer-skills/agentic-ai-mcp-and-spec-driven-development-top-blog-posts-of-2025/
6. https://thenewstack.io/ai-coding-tools-in-2025-welcome-to-the-agentic-cli-era/
7. https://thenewstack.io/ai-engineering-trends-in-2025-agents-mcp-and-vibe-coding/
8. https://developers.redhat.com/articles/2025/09/15/why-some-agentic-ai-developers-are-moving-code-python-rust
9. https://www.shuttle.dev/blog/2025/09/09/ai-coding-tools-rust
10. https://analyticsindiamag.com/ai-trends/ai-engineers-are-openly-choosing-rust-over-everything-else/
11. https://dev.to/eabait/how-ai-coding-agents-are-reshaping-developer-workflows-3249
12. https://www.faros.ai/blog/best-ai-coding-agents-2026
13. https://redmonk.com/kholterhoff/2025/12/22/10-things-developers-want-from-their-agentic-ides-in-2025/
✨
— END —