
开发者Mike Nakhimovich回顾编程启蒙:从高中C++课堂到软件工程
来源标题:Flying without know how the plane works
Mike Nakhimovich在文章中回顾了自己少年时因高中计算机课程爱上软件工程的经历。他提到当时的CS老师Brian Miller设法让捐赠的iMac运行C++工具链,这让他第一次感受到编程的魅力。比起写代码本身,更吸引他的是从无到有创造新事物。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Mike Nakhimovich · 2026年11月11日 · 阅读时长5分钟
我十几岁时就爱上了软件工程,那时我有幸进入了一所有计算机科学系的高中。比起写代码本身,更让我着迷的是从无到有地创造出新东西。我喜欢观察事物,然后琢磨它们可以怎样被组合、拼装、拆解,以及总体上变得更有用。
可惜,正如我多年前最初学到的那样,做软件也意味着要应对现实世界,而现实世界充满了约束。我记得我的第一位计算机老师 Mr. (Brian) Miller 试图找到一个足够小的 C++ 工具链,好让那些被捐赠给我们班的糖果色 iMac 跑起来。一开始感觉这不可能。然后在那几周里,我看着老师把那台硬件折腾到能运行这个:
cout << "What's your name? "; cin >> name; cout << "Hello, " << name << "!" << endl;
太神奇了!那一年我吸收了一个多么迷人的新世界——变量、循环、函数和对象!
最让我震惊的是,一台计算机竟然在运行我从未想过它能运行的东西,就像一棵树从不指望自己会变成一把椅子。在计算机科学里,这种转变似乎是无中生有的。我可以不靠资源就造出东西,至少我当时是这么想的。
后来我接触了一门叫 True BASIC 的奇怪语言,然后追随 Mr. Miller 的脚步去了 Penn State 学计算机科学。那些年里我一直注意到两件事:第一,有了新想法时那种蝴蝶扑翅般的兴奋;第二,当我没有足够的 CPU、内存、安全性或其他资源来实现它时的失望。我会做动画,花几周时间让它们在受限的移动设备上跑起来。我会写应用,而它们随着规模增长变得卡顿。这个模式持续了20年,从 web 到移动端到基础设施再到 AI 工程师。大胆梦想,然后想办法付账。我就是这么看待事情的。
同样在这20年里,世界从安装式应用走到 web 应用,再到手机,如今一切都在被 AI 重新创造。每一步都把某件困难的事变得简单、即时可用。安装 Corel WordPerfect(是的,我老了)再去书店买一本讲它怎么用的书的日子已经一去不复返了。
今天早上我和儿子站在校车站时,冒出了写这篇文章的念头。从有想法到在手机上打开一个 Google Doc,用了不到30秒。我记下标题就关掉了应用。回到屋里,我拿起笔记本电脑,重新打开同一个文档继续写。我不需要安装、升级、维护或托管任何东西。一切就是能用。我的购物、银行以及无数其他应用也是如此。消费级服务早在很久以前就已经与手里的硬件解耦了。这已经是一个被解决的问题。
但对软件工程师来说,它并没有被解决。我此刻身边围着2台 Mac、一台 Windows 和一台 Linux 机器,而我需要它们全部来写软件。在我甚至还没开始写代码之前,我就得是配置终端、调试器、工具链和大量依赖的专家。如果我从一个博客项目切换到数据库开发,我需要用新的工具、新的环境,甚至可能是新的操作系统。最大的变化是我们工作的地方。很多工作已经从笔记本电脑转移到了远程机器、云端开发环境和 CI。但我坐下来构建的地方,仍然是一台把我拴在桌子上的机器。
然后 AI 让我丢掉了过去那套工作打法。用 AI 构建给我带来了多年前刚开始编程时的那种喜悦。有了 AI 的支持,我可以合成输出,或者发现我以为自己没能力解决的问题。我可以梳理积压事项,做橡皮鸭来把思路想清楚,写代码、做设计,而且做这些事都比我手工做时稍微好一点。作为一个梦想家,AI 简直不可思议。
但和大多数事情一样,AI 是有代价的。保持更新需要时间。有新工具、要升级的模型、要掌握的新技能、要试的沙箱、要落地的工厂。我仍然需要过去写软件时的大部分部件,而现在我还得在上面维护 AI 工具、供应商、技能和指令。这汁水似乎值得一挤,因为我很少在切换到新的 AI 流程后又退回去。但保持与时俱进是大量的工作。
过去几年里,用 AI 做开发的流程经历了五次迭代:复制粘贴;自动补全;使用终端;web 体验;最后是编排与工厂。每一次变化都意味着把你所有的部落知识、集成和经验教训拿来适配一种新的工作方式。曾经感觉很对的东西,比如 RAG 或大量的人类在环,如今显得过时了。远程沙箱中的 agent 正从最前沿变成基本门槛。
折腾这些是我作为工程师最喜欢的部分,但我不认为对每个人都如此。不是每个人都想成为如何使用 AI 的专家,他们更愿意把精力和时间花在自己的项目上。
过去几年我在 Airbnb 工作,就在做这个转型。我们如何把实践迁移到新的东西上,而不让这变成我们的全部工作?我和我的团队每天在做抽象、工具、策略和课程,好让周围的人不用知道飞机怎么运作也能飞。我们的目标是让每个人都能即时使用最前沿的 AI,不需要自己管理它,也不必每次出现更好的东西就折腾着切换。
在这个项目中,我们最大的胜利是把 AI agent 从公司笔记本电脑上搬到一个服务器农场,在那里10个甚至100个 agent 可以协同工作。这改变了可解决问题的范围和速度。我用许多机器能做什么是一回事,更大的事是 agent 能用它们做什么。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。