Netflix工程師實(shí)測(cè)：AI讓編程提速10倍

去年有個(gè)段子在程序員圈瘋傳——讓AI寫代碼，就像雇了個(gè)永遠(yuǎn)不累、永遠(yuǎn)熱情的實(shí)習(xí)生，但交上來的作業(yè)你得逐行檢查。當(dāng)時(shí)很多人當(dāng)笑話聽，直到Netflix的工程師們把數(shù)據(jù)攤在桌上：他們確實(shí)用AI把產(chǎn)出拉到了10倍，但后續(xù)的驗(yàn)證和清理工作，也同步膨脹到了10倍。

這是上個(gè)月北卡羅來納州Durham「All Things AI」會(huì)議上最扎心的一組對(duì)比。IBM、Meta、Netflix的技術(shù)負(fù)責(zé)人輪番上臺(tái)，講的不是AI有多神，而是「用AI之前你得先把自己變成10倍產(chǎn)品經(jīng)理」。

「對(duì)抗式代碼審查」：一個(gè)任務(wù)需要三個(gè)AI

Netflix UI架構(gòu)師Ben Ilegbodu的日常工作，大概是Jevons悖論（Jevons Paradox，即資源效率越高、消耗總量反而越大的經(jīng)濟(jì)學(xué)現(xiàn)象）最鮮活的注解。他演示了一個(gè)典型場(chǎng)景：想讓AI實(shí)現(xiàn)某個(gè)新功能，第一步是部署主代理（Agent，即自主執(zhí)行任務(wù)的AI程序）去寫代碼；第二步必須再拉一個(gè)評(píng)估代理來審查產(chǎn)出；第三步還得有個(gè)編排代理，專門協(xié)調(diào)前兩個(gè)的協(xié)作。

「有時(shí)候我甚至把審查拆成多個(gè)代理，各自專攻代碼的不同維度。」Ilegbodu把這種模式叫做「對(duì)抗式代碼審查」。聽起來很高級(jí)，本質(zhì)是用AI的內(nèi)卷對(duì)抗AI的幻覺。

更魔幻的是他的時(shí)間線。當(dāng)一個(gè)代理還在跑當(dāng)前任務(wù)時(shí)，他已經(jīng)讓另一個(gè)代理去預(yù)處理下一個(gè)需求的上下文。用他自己的話說，這是在「把自己并行化，讓工作永遠(yuǎn)處于進(jìn)行態(tài)」。AI讓他能寫Python、Bash、Groovy這些他原本不熟悉的語言，但代價(jià)是「一整天都在和某個(gè)東西對(duì)話，下班時(shí)確實(shí)挺累的」。

「上下文腐爛」：喂得越多，偏得越遠(yuǎn)

Meta開發(fā)者倡導(dǎo)者Justin Jeffress提出了另一個(gè)概念：「上下文腐爛」（Context Rot）。他的觀察來自一個(gè)反直覺的現(xiàn)象——AI不會(huì)像人類實(shí)習(xí)生那樣「被信息淹沒」，你喂多少它吃多少，token預(yù)算允許范圍內(nèi)來者不拒。

但問題恰恰出在這里。「你和AI代理交互越久，它需要計(jì)算的東西越多，注意力被爭(zhēng)奪得越厲害，做對(duì)事的概率反而越低。」Jeffress的原話是：模糊的指令導(dǎo)致發(fā)散的結(jié)果。清晰思考該給代理什么信息，這門功夫叫「上下文工程」（Context Engineering），在代理式AI（Agentic AI）出現(xiàn)的短時(shí)間里，已經(jīng)成了一門手藝，甚至隱隱有發(fā)展成獨(dú)立學(xué)科的趨勢(shì)。

這解釋了為什么「DON'T HALLUCINATE」這種指令毫無用處。不是AI不聽話，是你的上下文構(gòu)造沒到位。

Jevons悖論的程序員版本：效率革命=工作量通脹

多位演講者反復(fù)提及Jevons悖論。這個(gè)原本解釋煤炭消耗的經(jīng)濟(jì)學(xué)概念，被借用來回應(yīng)「AI會(huì)不會(huì)消滅編程工作」的焦慮。結(jié)論是：不會(huì)消滅，但會(huì)變形。

目前的現(xiàn)實(shí)是，AI確實(shí)在給用戶創(chuàng)造更多工作——準(zhǔn)備上下文的時(shí)間、驗(yàn)證結(jié)果的時(shí)間、修復(fù)幻覺的時(shí)間。Claude（Anthropic開發(fā)的AI助手）能讓任何人成為10倍程序員，但前提是你要清理10倍的產(chǎn)出。用會(huì)議現(xiàn)場(chǎng)最末日風(fēng)格的比喻來說：在AI把人類變成《黑客帝國》里的生物電池之前，我們這些「肉袋」得先幫它把路鋪好。

IBM的演講者補(bǔ)充了一個(gè)細(xì)節(jié)：最優(yōu)的AI結(jié)果偏愛「準(zhǔn)備充分的代理」。翻譯成人話就是，你越想讓AI替你干活，前置的臟活累活就越多。這不是工具的問題，是工具屬性決定的——AI擅長執(zhí)行，但執(zhí)行的方向和質(zhì)量，完全取決于你前期的工程化投入。

Ilegbodu在演講后段提到一個(gè)微妙的心理成本：上下文切換的疲憊感。當(dāng)AI抹平了語言壁壘，他可以在Python腳本和Groovy配置之間無縫跳躍，但這種「無縫」本身成了負(fù)擔(dān)。「以前切換語言是個(gè)大決策，現(xiàn)在是個(gè)輕量級(jí)操作，決策疲勞反而累積得更快。」

這大概是10倍程序員悖論中最被低估的部分：產(chǎn)出可以量化，但認(rèn)知負(fù)荷很難被看見。會(huì)議散場(chǎng)后，有聽眾在走廊里討論——如果每個(gè)10倍效率提升都伴隨著10倍的質(zhì)量驗(yàn)證工作，那我們到底是在優(yōu)化流程，還是在轉(zhuǎn)移成本？

Netflix的工程師們沒有給出答案。他們只是展示了數(shù)據(jù)：代理數(shù)量在增加，編排復(fù)雜度在上升，而「對(duì)抗式審查」正在成為標(biāo)準(zhǔn)操作。當(dāng)AI把編程的門檻踩低時(shí)，它同時(shí)把「做好編程」的門檻抬高了。這個(gè)落差里，藏著下一波工具鏈的機(jī)會(huì)，也藏著下一批 burnout 的隱患。

至于那個(gè)終極問題——當(dāng)清理10倍產(chǎn)出成為新常態(tài)，「10倍程序員」這個(gè)稱號(hào)還值不值得追求——Ilegbodu在問答環(huán)節(jié)被問到時(shí)，停頓了兩秒說：「我現(xiàn)在更關(guān)心的是，怎么讓第三個(gè)編排代理別把自己也繞進(jìn)去。」