返回资讯中心
外部精选
软件工程
#工程实践#架构

纳德拉回应微软首次给工程师发“离场费”:Claude Code 让微软措手不及,二十年 IDE 优势半年动摇

微软曾经教全世界的开发者如何写代码,如今,它开始为自己的一部分工程师支付离开的费用。

InfoQ 中国林绮蓓2026/11/18 · 今天30 分钟阅读中文

以下正文同步自 InfoQ 中国,版权归原站所有,已转换为易读排版。

微软曾经教全世界的开发者如何写代码,如今,它开始为自己的一部分工程师支付离开的费用。

10 月 26 日,微软宣布推出新的自愿离职方案。11 月 16 日,在《The Pragmatic Engineer》播客中,主持人 Gergely Orosz 向微软 CEO Satya Nadella 提出了一个尖锐的问题:为什么是现在?这会不会 AI 提效之后,进一步裁员的前奏?这个问题背后,还有一场让微软始料未及的技术变化。

Claude Code 这个问世才几个月的产品,竟然开始挑战积累了二十多年经验的开发工具。

“我 99% 肯定 Anthropic 公司对微软的任何战略都一无所知,他们也毫不在乎。他们完全无视所有现有技术,开发出了一款非常优秀的工具。”Gergely 感慨。他认为,这件事对微软的冲击将远远超过其他任何事情。“不仅仅是微软,JetBrains 也同样措手不及,同样猝不及防。”

过去二十多年,IDE 几乎一直是软件开发的中心。微软拥有 Visual Studio、VS Code 和 GitHub,还凭借 GitHub Copilot 率先进入 AI 编程市场。即使 Cursor 出现,竞争也仍然发生在微软熟悉的编辑器生态中。这曾是一项看似难以撼动的优势。

Gergely 最近在 X 上回顾微软的 VS Code 战略时,用了三个词概括它:“拥抱、延伸、熄灭”(Embrace, Extend, Extinguish)。微软花了十多年时间构建起了一条近乎万无一失的路线:把 VS Code 做得足够出色,开放源代码,让开发者能够自由地在此基础上构建产品,但又很难在开发工具本身的竞争中超越微软。

而 Claude Code 的出现改变了竞争的方式。Nadella 也承认,Anthropic 在模型能力上的重大进展给微软带来了冲击。短短六个月左右,IDE 就在某种程度上“淡出了人们的视野”。

产品上的失速,正在与组织上的重构同时发生。面对自愿离职的问题,Nadella 没有承诺一切照旧。他明确表示,未来的团队规模、工作流程和人员配置都会不同,微软的 20 万名员工需要以新的方式重新组织。“我当然希望能够告诉所有人,一切都会和过去一样,但我做不到。”

变化同时也影响着微软对人才的需求。Nadella 透露,对于初级工程师招聘放缓的现象,现在就断言这种趋势会长期持续还为时过早。企业需要先建立新的“软件工厂”,重新安排人员和 Token 资源,才能决定未来需要怎样的工程师。

这场访谈因此有了比“AI 能写多少代码”更尖锐的问题:当代码越来越便宜,微软过去几十年积累的工具优势、组织经验,以及工程师赖以获得回报的能力,还能按原来的方式定价多久? Nadella 给出的方向是“软件工厂”:人负责规格、意图和验证,Agent 承担越来越多的执行。对于一家靠软件工程建立起庞大帝国的公司,这意味着它必须亲手改造自己的生产方式,也必须重新决定,什么样的工程师值得继续投入,什么样的工作需要被重新安排。

Gergely 在访谈结束后,对微软接下来的变化作出了更直接的判断:“微软内部还会出现大量组织调整,团队会变小,岗位会变化。自愿离职方案,为那些不愿经历这一轮变化的人提供了退出机会。接下来的变化,很可能会比以往更加密集、更加剧烈。我想,这种组织重组、岗位变化,以及比过去更强烈的转型压力,也会出现在很多其他科技公司里。”

对于企业在 AI 浪潮中应该守住什么,他的总结同样尖锐:“对一家企业来说,如果不掌握自己的 AI 基础设施和 AI 知识产权,那实际上是一种自毁式的战略。Satya 认为,每一家成功的公司都会建立自己的 AI 基础设施,而那些依赖单一供应商或某一家 AI 实验室的公司,正在犯下重大的战略错误。”

Gergely Orosz:微软很早就推出了 GitHub Copilot,随后 Cursor 出现,双方不断竞争。但 2025 年 Claude Code 的崛起,让开发者在短短六个月内开始淡化 IDE 的使用。为什么拥有深厚开发者基因的微软,没有第一时间应对这场变化?

Satya Nadella:当模型能力出现非线性跃升时,产品形态就必须迅速改变。这是 AI 优先产品开发非常残酷的地方。你不能迷恋自己已经构建的产品。Cursor 在 Agent 模式上做得很好,随后 Anthropic 的模型进展又让 CLI 成为可行的产品形态,开发者开始把完整任务交给模型处理。不过,我不认为 IDE 会永久消失。随着决策引擎等新能力出现,IDE 甚至可能迎来复兴。

Gergely Orosz:你多次提到“软件工厂”。如果代码主要由 AI 生成,这种新的软件开发方式究竟意味着什么?

Satya Nadella:在一个代码生成成本已经变得很低的世界里,真正困难的事情变成了验证。代码从输入变成了输出,规格说明、开发意图和验证机制因此变得更加重要。工程师需要把任务交给 Agent,检查任务是否真正完成,并根据失败构建测试用例。还可以利用生产环境日志发现问题、验证修复结果,再将修复部署到生产环境。这仍然是软件工程,只是工程师与代码交互的层次发生了变化。

Gergely Orosz:微软推出自愿离职方案后,有开发者担心,这是否意味着 AI 提高团队效率之后,公司将进一步裁员。微软为什么做出这个决定?

Satya Nadella:未来仍然会有大量机会,但机会的形态会发生变化,包括团队规模、工作流程和岗位配置。推出自愿离职方案,很大程度上是希望让员工拥有更多自主选择权,根据长期职业发展寻找适合自己的位置。我不能说微软的每个部门都在以同样的速度转型。如果员工觉得自己被困在一个没有跟上变化的团队里,应该能够选择其他机会,包括微软内部的岗位。我希望公司能创造这些机会,但我无法保证一切都会和过去一样。

Gergely Orosz:很多公司已经放缓甚至停止招聘应届毕业生,因为经验丰富的工程师似乎更能利用 AI 提高生产力。微软怎么看待年轻工程师的招聘?

Satya Nadella:我认为,现在就把招聘放缓视为长期趋势还为时过早。企业首先需要调整内部人员配置和工作方式,建立新的软件工厂,然后才能决定引进什么样的人才。AI 原生公司可能从一名员工和一定的 Token 预算开始,当员工用尽预算后,再增加下一名员工及其 Token 预算。未来更多团队可能采用类似方式,但完成组织重构需要时间,因此应该在更长的时间跨度内观察招聘变化。

Gergely Orosz:很多公司正在构建自己的 Harness、上下文层和推理基础设施。你认为大多数企业都应该拥有这些系统,并让各个组件可以独立替换吗?

Satya Nadella:完全正确。企业必须掌控自己的学习循环,不能在使用 AI 的过程中泄露最有价值的知识。上下文、记忆、Harness 和模型应该相互分离,否则就可能被某个供应商彻底锁定。我的检验标准很简单:你应该能够替换任何一个模型,同时仍然在自己的私有评估指标上持续改进。如果做不到,就必须问问自己,究竟还能否自主掌控企业的产出。

Gergely Orosz:企业正在构建大量新的 AI 系统,但很多系统还没有成熟的架构蓝图。你认为企业应该如何应对其中的可靠性和安全问题?

Satya Nadella:我认为企业必须建立信任架构。缩放定律带来了更强的模型能力,但不意味着模型的对齐程度同步提高。我们必须在架构上将智能与权限分离。如果一个不够可靠的 Agent 同时拥有执行权限,就可能带来严重的内部风险。因此,需要把 Agent 当作潜在的内部风险来管理,在运行时建立监控、可观测性、审计日志和安全防护机制,并确保企业始终能够控制自己的学习循环。

Gergely Orosz:微软正在尝试让闭源模型直接运行在笔记本电脑上。与此同时,你们也在自主研发 MAI 模型。微软未来打算怎样选择和使用这些模型?

Satya Nadella:我们会继续通过合作使用 OpenAI 的模型,同时从零开始构建自己的 MAI 模型家族。我们关注的不只是模型能力,还包括训练阶段的 FLOPs 效率和部署阶段的 Token 效率。未来,一个任务可能由多个子 Agent 完成,不同子 Agent 可以使用不同的模型家族,也可以结合本地与云端模型。我们的目标是让系统根据任务自动选择最合适的模型,而不是始终绑定某一个模型家族。

Gergely Orosz:如果一名软件工程师希望在未来一两年内,成为 AI 时代非常优秀的工程师,你会给他什么建议?

Satya Nadella:少说一点,多做一点,多学习一些,真正亲自动手体验这些新技术。不要只关注新闻标题或者追逐一轮又一轮的炒作热潮。即使对我自己而言,如果能够改变花在讨论和实际动手上的时间比例,我也愿意这样做。无论你是资深工程师、CEO,还是刚毕业的大学生,都应该尽可能花时间学习和实践,加入真正使用新技术开展工作的团队。我状态最好的时候,往往就是处于学生状态的时候。所以,让我们重新回到学校吧。

主持人 Gergely Orosz:2014 年你出任微软 CEO 时,我其实还在微软工作。我清楚地记得,当时微软仍然非常坚持闭源模式。但你上任之后,微软开始积极拥抱开源。后来,Visual Studio Code 发布了,微软收购了 GitHub,并全面转向 Git,而我们以前使用的是 TFS。TypeScript 也以开源形式发布。

我想回到那个时间点,你当初为什么会做出这样的决定。当时很多人都感到意外,我那些不在微软工作的朋友很惊讶,甚至连我自己也觉得意外。微软为什么决定全面拥抱开源?

Satya Nadella:我认为,从某种程度上说,人们对一家公司的认知和评价一旦形成,就很难改变。但如果你回头看看微软过去的工作,就会发现,即使在我出任 CEO 之前,微软也已经向 Linux 提交了大量代码,并且持续投入相关工作。我认为我们当时已经做出了相当重要的贡献。

不过,我觉得我们真正努力做到的一件事,是让微软内部以及外部世界都清楚地认识到:微软坚定地支持开源。无论是将 SQL Server 等微软自身的工作负载引入 Linux,还是直接为 Linux 贡献代码,或者将 TypeScript 等项目开源,这些都是我们参与开源生态的方式。

当然,微软作为 GitHub 的管理者,也让我们处于开源生态的核心位置。我们希望通过真正对社区有益的行动,赢得开源社区的信任。

事实上,这件事很有意思,我一直在思考一个问题:如果我们认真统计一下,各家公司使用了多少开源软件,以及它们各自为开源社区做出了多少贡献,我认为微软很可能排在最前面,即使不是第一,也一定是贡献最多的公司之一。你看其他一些所谓的科技公司,就会发现,其中很多从开源中获益最多的公司,几乎没有做出多少贡献。但人们似乎从来不会这样看待它们。当然,你也没什么好抱怨的,世界就是这样运作的。很多时候,人们相信的是流行的叙事,而不是事实。

Gergely Orosz:没错,这确实是叙事与事实之间的差异。我觉得,微软在 20 世纪 90 年代形成的 Windows 时代形象,至今仍然影响着人们对这家公司的看法。不过,在我的印象中,真正对开发者社区产生最大影响的,其实不完全是开源,而是 Visual Studio Code。

VS Code 是开源的,同时也是免费的。我自己也是一名开发者,以前一直使用 Visual Studio,那是一款非常出色的软件。即使是 Visual Studio 2003,放到今天来看,仍然是一款很棒的产品。但微软后来决定,把 Visual Studio 以免费、开源的版本提供给更广泛的开发者社区。结果,五年或者十年之后,VS Code 几乎无处不在,所有人都在使用它。这是你们有意推动的结果吗?

Satya Nadella:是的,完全是有意为之。当时,Erich Gamma 和其他参与这个项目的人就是这样考虑的,而且他们从一开始就非常重视与社区共同构建产品。

事实上,当我回顾产品开发的经历时,我发现那也是我第一次真正接触到如今人们经常谈论的“开放式开发”(Building in the Open)。那是我们第一次真正理解,什么叫作以开放的方式构建产品:让社区参与进来,并且围绕社区建立持续的反馈循环。

我记得,当时我还花了不少时间与 Amanda Silver 等人交流,了解那个团队是如何工作的。我尤其想知道,在这样的团队里,产品经理究竟意味着什么,他们每天又是如何利用社区反馈来推动产品开发的。他们的工作方式不再是自上而下地听从管理层的指示,不是“我听副总裁的”,而是“我听社区的”。

所以,我认为,开放式开发带来的改变远远不只是开源本身。它还涉及许多文化层面的变化,而这些变化从根本上改变了我们的产品开发方式。有时候我甚至觉得,我们当时从中学到了很多非常宝贵的经验,但我们本应该把这些经验理解得更加透彻,并将它们推广到更广泛的组织和业务中。

Gergely Orosz:说到更深入、更广泛地学习,当时 Visual Studio Code 已经无处不在,GitHub 的发展也非常好。随后,Copilot 出现了。我一直觉得很不可思议,微软竟然那么早就意识到了 AI 在编程领域的潜力。那是在 ChatGPT 和 GPT-3.5 出现之前,我记得当时使用的应该是 GPT-3 的某个版本。Copilot 的表现简直像魔法一样。

至少在接下来的一年里,Copilot 几乎没有真正的竞争对手,直到 2023 年 Cursor 出现。即便如此,我仍然觉得微软在 VS Code 上的布局非常聪明,因为 Cursor 就是基于 VS Code 构建的,开发者对它的界面非常熟悉。GitHub Copilot 和 Cursor 开始并驾齐驱,彼此竞争,也不断追赶对方。

但到了 2025 年,Claude Code 突然出现了。对于我自己,以及那些在初创公司、甚至大型科技公司工作的开发者来说,短短六个月左右,大家似乎就把 IDE 抛在了脑后。这让我至今仍然非常惊讶。微软一直是一家拥有深厚开发者基因的公司,开发者文化可以说早已融入了你们的 DNA。

所以我很好奇,你认为微软为什么没有预见到这场突如其来的转变?这也是我第一次感觉到,面对开发方式的重大变化,微软没有立即拿出应对方案。

Satya Nadella:这是一个非常值得深入讨论的问题。正如你所说,我们确实很早就开始探索 AI 编程了。当时甚至还没有 GPT-4,而我们已经开始推进相关工作。即使只是代码补全,那时的效果也已经让人觉得不可思议。如果你还记得,最初的 Copilot 主要就是做这件事。

在此之前,我们已经投入很多年开发 IntelliSense,也取得了不错的进展。但当我们看到 AI 代码补全真正发挥作用时,还是感到非常震撼。坦率地说,当时很多人都怀疑这项技术究竟能不能成功。而当我亲眼看到它开始奏效时,我自己对缩放定律(Scaling Laws)的信心也得到了根本性的强化。

我认为,我们当时在产品开发方面做得不错。但基于模型构建产品,有一个非常关键的特点:当模型能力出现非线性跃升时,产品形态就必须迅速改变。

从这个意义上说,开发一款真正以 AI 为先的产品是非常残酷的。你必须围绕当前模型的能力构建整个产品,同时还要随时做好准备,迎接下一个模型可能涌现的新能力,并据此重新调整产品架构。你不能对自己已经构建的东西过于留恋。

所以,当 Agent 开始具备编程和任务处理能力时,情况就发生了变化。它不再只是补全代码,而是能够接受并完成一些小型任务。Cursor 正是在这个阶段做得非常出色。他们基于 IDE 进行了分叉开发,并且在 Agent 模式上投入了大量精力,取得了很好的效果。

随后,我们也在 Agent 模式上追赶了上来,因为即使基于 OpenAI 的模型,我们同样能够实现这些能力。但接下来真正让我们受到冲击的,是 Anthropic 在模型方面取得的重大进展。他们的模型能力,让命令行界面(CLI)真正成为了一种可行的产品形态。开发者甚至可以直接把完整的编程任务交给模型,让它负责从输入到输出的整个过程。我认为,这才是那六个月里发生的根本性变化。正如你刚才提到的,IDE 在某种程度上逐渐淡出了人们的视野,取而代之的是一种全新的思考方式:如何将代码及其相关要求作为输入,交给 AI 完成后续工作。

因此,如果让我重新思考 IDE 的形态,我会更关注如何输入规格说明(Specs)、Markdown 文档,以及围绕“软件工厂”(Software Factory)运行所需的其他信息。整个开发方式都因此发生了变化。

不过,有意思的是,我们现在讨论这个话题时,我又开始产生另一种想法。随着这些决策引擎模型(Decision Engine Models)的出现,我发现自己似乎又重新回到了 IDE。

从某种角度来看,这些模型有点像函数,只不过它们是嵌入软件内部的智能函数。因此,当我们开始思考如何以更高的 Token 效率将智能嵌入软件时,IDE 可能会迎来一次复兴。所以,我并不认为开发方式已经发生了某种永久性的、不可逆转的转变。更准确地说,我们现在需要多种不同的产品形态,让它们分别适应并发挥模型的不同能力。

Gergely Orosz:你刚才提到了决策模型,也谈到了自己为什么对这项技术感到兴奋。我们最近都曾在不同场合与 Diego 交流过。我很好奇,你现在对决策模型的看法发生了哪些变化?与此同时,你又如何看待大语言模型(LLM)的局限性,尤其是在程序化任务、编程以及可靠地构建软件这些方面?

Satya Nadella:我认为这正是问题的关键。LLM 确实非常出色,但既然我们都是工程师,不妨直接讨论它们表现不够好的地方。比如,当我们思考如何构建软件工厂时,就会遇到很多值得深入讨论的问题。而决策引擎最吸引我的一点,在于它提供了一种新的基础构件(Primitive)。Diego 以及我们自己的决策引擎团队,都在从这个角度讨论这项技术。

这让我想起了 Excel 宏。当年宏给电子表格带来的变化,如今也可能发生在软件开发领域,只不过这一次,我们可以把智能作为一种基础构件嵌入代码之中。举个例子,我最近看到 Xbox 团队构建了一个系统,用来管理社区反馈。这是一个很典型的场景:系统收到社区反馈,然后根据反馈做出一系列决策。在这个过程中,我并不需要让 LLM 不断生成代码,我只是希望系统能够做出决策。因此,更好的办法是把这种决策能力直接嵌入系统,作为一个可以调用的基础构件。这种构件具有自己的概率分布,可以直接调用,不需要每次都重新生成,而且 Token 使用效率更高。我认为,这恰恰说明软件工程依然具有非常重要的价值,只不过它正在发生变化。

我很喜欢 Diego 提出的一个想法:他希望让决策引擎变得像数据库一样平常。事实上,对我来说,关系型数据库一直是非常重要的技术。我刚开始从事软件开发时,除了编译器、Lex、Yacc 等工具之外,最喜欢的开发工具就是数据库。

因为关系型数据库提供了一种可靠的方式来存储和查询信息,让各种各样的应用程序成为可能。我认为,在智能时代,决策引擎也会发挥类似的作用。

Gergely Orosz:实际上,数据库才是真正难的部分。我们经常讨论,一家软件公司的核心究竟是什么?答案通常是业务逻辑。但如果深入研究,就会发现,很多业务逻辑实际上存在于数据库之中。过去,大量业务逻辑都是通过存储过程、事务等机制实现的。

Satya Nadella:这个类比很有意思。决策引擎或许就是智能时代的存储过程。

Gergely Orosz:没错。所以我在想,这是否代表了一种值得期待的发展方向?因为我确实觉得,我们还没有找到正确的基础构件。我们知道 LLM 可以生成代码,也可以用它来处理一些结果不那么可靠的任务,但我们仍然缺少这类能够可靠地嵌入系统的基础构件。

Satya Nadella:我认为,这可能是我们重新理解软件开发方式的一个起点。因为还有一个非常重要的挑战。我们不妨回到软件工厂这个话题,看看如今 Claude Cowork 或 GitHub Copilot Runtime 是如何构建的。相关团队已经发表过一些博客文章,其中的内容非常有意思。

在一个代码生成成本已经变得很低的世界里,真正困难的事情变成了验证。事实上,我有时候特别希望能加入 Mark Russinovich 和 Scott Hanselman 推动的某个学徒培养项目,不管他们最终怎么称呼这个项目。因为我觉得自己还有很多东西需要学习。我还没有真正加入过这样一种团队:代码主要由 AI 生成,而团队成员的工作重点已经转向管理这些代码产出。

但即使代码已经成为产出,整个工作流程仍然需要遵循特定的操作顺序。这并不意味着每个人都可以随意生成各种代码。你必须先建立相应的验证机制。每当出现一次失败,应该如何根据失败构建测试用例?又该如何确保测试本身确实能够验证问题?

我认为,在管理复杂软件项目的过程中,开发者正在积累大量新的实践经验,其中很多还是没有被正式记录下来的隐性知识。事实上,我记得有一次 Rust 迁移就遇到了非常棘手的问题,团队最终不得不回滚。

所以,这种开发方式既带来了巨大的优势,也存在相当明显的弊端。这也正是为什么我认为,我们需要决策引擎这样的额外基础构件。

Gergely Orosz:你刚才提到,自己希望加入这样的团队学习。这让我很感兴趣。作为一家如此庞大的公司的 CEO,你可以看到公司内部正在发生的各种变化,了解各个团队的工作,也能获得大量信息。但如果有机会,你还是希望亲自加入某个团队工作,对吗?

Satya Nadella:当然。事实上,如果让我选择下一份理想的工作,我真的很希望重新回到这样的团队。

我甚至想过给 Scott 和 Mark 发封邮件。他们正在微软内部创建一个非常出色的新培养项目,我记得叫作 Preceptorship,似乎还与卡内基梅隆大学有某种合作关系。我非常喜欢这个项目的理念,因为我一直很关心职业生涯早期的工程师如何成长。我们能不能让一名刚进入行业的年轻人加入这样的团队,并帮助他逐渐掌握新的开发方式?我认为,这是一个非常重要的问题。

我记得以前,很多人来微软实习时,会去研究 Dave Cutler 写的代码,或者想办法看看某个重要模块是如何实现的。通过阅读这些优秀工程师编写的代码,他们能够学到很多东西。那么,在今天这种新的开发环境中,与之对应的学习方式是什么?这是我认为我们必须认真探索的问题。所以,我确实希望有一天能够重新获得这样的机会,亲自加入团队学习。

Gergely Orosz:现在我开始理解,为什么那么多 CTO、工程副总裁,甚至高级副总裁,愿意放下原来的管理职位,加入规模更小的团队。他们希望亲自学习如何使用这些新工具构建软件,因为眼下几乎所有事情都在发生变化。

Satya Nadella:完全正确。我认为,整个组织运作的环境都在发生变化。在这样一个各方面都经历重大转型的时期,更深入地参与实际工作非常重要。不仅是技术本身,与客户保持密切联系、以开放的方式构建产品,这些方面都有大量值得学习的东西。无论是如何打造成功的产品,还是如何开发成功的技术,我们都有很多重新学习和探索的机会。

Gergely Orosz:我们已经多次提到“软件工厂”这个词了,不妨现在正式讨论一下。我觉得这个概念目前还有些模糊,但它正在越来越多地被人们提及。对你来说,软件工厂究竟意味着什么?

Satya Nadella:其实我自己也仍然在努力理解这个概念。我现在主要通过观察不同团队的工作方式,寻找其中逐渐形成的共同模式,看看今天的软件团队究竟在做什么。

我建议观众去读一下 Bass 写的博客。实际上,有两篇文章很值得看,一篇来自 Cowork 团队,另一篇来自 GitHub Copilot 团队。这两篇文章都展示了很有意思的实践。

GitHub 那边的案例,讲的是一名开发者能够独自维护整个 Runtime。他们似乎还完成了一次语言迁移,我记不太清是不是从 Python 迁移到 Rust 了。反正最后总是要迁移到 Rust。但无论如何,这是一个非常好的案例,展示了单个开发者能够达到怎样的生产力,以及在这种情况下,软件维护工作会发生什么变化。

另一个案例来自 Cowork 团队。我记得整个团队只有 9 名或者 12 名工程师,具体数字我记不清了,但团队规模确实小得惊人。他们围绕软件工厂建立了自己的开发方式,也发表了一篇很好的博客。

这两个案例里有太多让我感兴趣的东西。如果可以,我真希望直接加入那个团队,亲身了解他们是如何工作的,而不只是阅读博客,或者与 Bass 和团队成员交流。

据我的理解,这种开发方式最根本的变化,是代码从输入变成了输出。过去,工程师的主要工作是编写代码,现在代码本身成了系统生成的结果。这意味着,规格说明(Specification)和开发意图(Intent)变得更加重要。当然,过去设计文档也很重要,团队成员之间也需要达成共识,但现在这些事情的重要性进一步提高了。

还有一件事也让我觉得很有意思。我最近和一位职业生涯刚起步的工程师聊过,他告诉我,现在理解一个陌生代码库实际上变得容易多了。原因在于,当你采用软件工厂的方式管理开发工作时,所有事情都会被记录下来,形成文档。这样一来,你就可以直接针对代码库提出问题。

Gergely Orosz:就像有了一位非常有耐心的导师,或者一位帮助新人熟悉工作的伙伴。

Satya Nadella:没错。这样一来,新人熟悉代码库就容易多了,不必再四处寻找那些只存在于老员工脑子里的隐性知识。

另一个让我学到很多东西的领域是验证。使用 Agent 编程时,你需要把工作拆分成一个个小任务,交给 Agent 执行,然后确保每项任务都真正完成了。但究竟应该如何进行审查和评价?这背后还有很多值得研究的问题。

比如,是否应该使用不同的模型家族来进行评审?这其实是我一直以来非常担心的一件事。如果我们只依赖同一个模型家族,而这个模型家族本身存在某些对齐问题,那么这些问题就可能直接传递到我们构建的软件中。

我们该如何通过独立的评审机制,确保某个模型家族自身的缺陷不会变成我们的问题?这是一个非常重要的挑战。所以,我认为,一种全新的软件开发方式正在形成。这仍然是软件工程,而且仍然需要软件工程师,只不过工程师与代码交互的层次发生了变化。

这也是为什么我很喜欢用编译器的发展来类比。过去,程序员需要自己编写汇编代码。后来有了编译器,大家突然发现,可以直接把自己的意图转换成代码,而不必亲自处理汇编语言。现在的变化与当年有些相似,本质上都是抽象层次的提升。但这一次,改变的不只是编写代码的方式,还包括团队如何协作,以及产品如何被构建出来。

还有一个让我特别兴奋的方向,就是让生产环境中的执行轨迹(Traces)重新反馈到开发过程中。我非常喜欢这个思路。

Gergely Orosz:我们一直在讨论可观测性(Observability),但现在可以利用这些数据做更多事情了。

Satya Nadella:是的。人们经常谈论递归式自我改进(RSI),而这在某种程度上就是我所理解的 RSI。具体来说,就是利用生产环境中的日志发现问题,然后验证修复结果。这个验证闭环非常重要:你可以根据实际运行情况生成修复方案,完成验证,再将修复部署到生产环境,并确保它真正通过了所有测试。

我认为这非常有价值。如今,微软内部的很多团队都在探索类似的工作方式,并且开始相互学习。这些实践正在逐渐传播到整个微软,也开始改变团队的组织和运作方式。

另一个我非常喜欢的案例来自 Azure 网络团队。事实上,这曾经是我最喜欢讲的一个故事。这个团队告诉我,微软为了运营自己的全球网络,需要与世界各地大约 500 家光纤网络运营商打交道。由于这些都是物理基础设施,难免会时不时出现各种问题。

我们通常会用一个听起来很专业的词来描述这些管理工作,那就是 DevOps。但实际情况往往是,团队需要处理大量电子邮件,以及各种临时建立的工作流程。于是,他们构建了一整套 Agent 系统,让系统直接负责这些运维工作。而且,这套运维系统还与代码仓库连接在一起。这样一来,系统管理的就不再只是代码仓库或者代码库本身,还包括围绕它们展开的实际运维工作。

因此,你可以看到,技术团队的工作性质正在发生变化。过去,团队需要亲自完成各种软件开发和运维任务;现在,他们开始构建由软件和运维流程共同组成的“工厂”,让这些系统代替自己执行任务。当然,工程师仍然在完成工作,只不过他们工作的方式已经有所不同。

Gergely Orosz:我一直在思考一个问题。在 AI 实验室里,软件工程师的工作正在转向帮助 Agent 和整个执行循环更好地运转,这已经是相当普遍的现象,而且这些实验室也很愿意

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。

打开原文
去社区讨论 →