不读代码就无法评估模型输出质量

人人都想向你推销软件工厂，但正如 @davidcrawshaw（Tailscale 创始人，http://exe.dev）可能会说的那样，这些东西需要是开放系统。 我与 @vaibcode 深入探讨了软件工厂架构的未来，以及交钥匙堆栈与自主拥有并组合系统之间的权衡。 完整视频在此：https://www.youtube.com/watch?v=tGbjIvvYuHE

🚨新一期节目上线🚨--又一周，又一次与@vaibcode在🦄 AI That Works Show上的超有趣深度探讨：软件工厂设计模式 未来软件工厂的可组合部件是什么？构建者如何充分利用在计算、开发环境、内外部框架及编排等各层级的购买或自建？

只需记住是谁发明了钢琴键背景智能体

如果你在软件工厂技术栈的任何环节工作，去读读2010年前后关于"宠物 vs. 牲畜"的运维老文献吧。 （不是说Seb在这里做错了什么，我们其实仍把很多开发工作负载当"宠物"养。）

如果你不读代码，就不可能知道有多少"垃圾"混了进来。 如果你在构建生产系统，你可能已经知道"模型已经足够好，我不需要读代码"并不是真正实用的建议。 我们再次连线 @0xblacklight 和 @vaibcode 带来独家消息。

新宣言，这是谁？

软件工厂设计模式：🦄 真正可用的 AI 第 71 期 https://x.com/i/broadcasts/1AGRnZYnYNrGl

Dex Horthy分享其生产级大型功能的AI驱动开发流程：先产出研究与产品大纲文档，让AI智能体通宵实现、审查与争论，再通过循环反馈打磨。随后与智能体协作将2万+行实现拆分为3-9个独立PR，逐个（1k-3k行）进行反馈、打磨与代码审查。引用@jlongster观点：AI将大任务拆成可独立落地的小型堆叠PR，快速构建大功能后逐项精修至生产就绪，此前拆分工作极为繁重。

开发者Dex Horthy引用John Ousterhout的战术与战略编程之分，认为AI已基本取代战术编程（日常编码），但尚无证据表明它能进行战略思考（代码库健康、架构设计）。他将当前AI智能体比作"战术龙卷风"--产出惊人却毫无长远眼光。

Uber 技术长文显示，全公司 70% 的代码 PR 已由 AI Agent 接管，调用量半年增长近 10 倍，但总 AI 账单未涨，单次会话成本降低 52%。