You can just do things。设计好缰绳，别自己去拉磨。

与君经年

最近 Latent Space 播客请来了 OpenAI Frontier 团队的 Ryan Lopopolo，聊了一个听起来很离谱的实验：三个人的小队，五个月时间，没有手写一行代码，全靠 AI 编程代理产出了超过一百万行的产品级应用。每天烧掉大约 10 亿个 token，折合人民币两万块左右。


Ryan 提出了一个新概念叫 Harness Engineering，“驾驭工程”。意思是工程师的核心工作从写代码变成了设计一套“缰绳系统”，让 AI 代理在正确的方向上高效奔跑。写技术规范、定义架构边界、搭建可观测性系统、设计自动化审查流程，这些才是他每天干的事。用他自己的话说，他现在更像一个管 500 人团队的技术总监，通过抽样审查来判断哪里需要介入。

前一个半月非常痛苦，比自己写代码慢了十倍。但他们坚持了一条反直觉的路：模型搞不定的时候，就把任务拆成更小的积木块，让模型自己拼装。一旦这些积木搭好，后面的生产力直接起飞，每人每天 5 到 10 个 PR。

更有意思的是，人类很快成了瓶颈。多个代理同时跑，人的注意力根本跟不上。于是他们又造了一个叫 Symphony 的编排系统，用 Elixir 语言写的，能同时管理大量 Codex 代理，自动分配任务、提交 PR、修复 CI、解决合并冲突。而 Elixir 这个语言选择本身就是 AI 做出的，因为它的并发原语天然适合代理编排。Ryan 自己都不太会写 Elixir，但这已经无所谓了。

Ryan 反复强调一个观点：代码是廉价的、一次性的，真正有价值的是沉淀在系统里的知识。每次代理犯错，他们不只修 bug，还会追问缺了什么上下文，然后把这些知识写进文档、测试和 lint 规则里，让所有代理永远不再犯同样的错。他们甚至每天把所有代理的工作轨迹收集起来，跑一个分析循环：作为团队，我们哪里可以做得更好？

他们还提出了一个叫 Ghost Library（幽灵库）的概念。传统开源是发布代码包，他们发布的是一份精确的规范文档，让你本地的 AI 代理根据规范自动生成实现。软件分发的成本被大幅压缩了。

Ryan 也坦言模型目前还搞不定两件事：从零到一的产品创造，和大规模深度重构。但他对未来很乐观，一个月前模型还只能处理低复杂度小任务，现在已经能啃中等复杂度的活了。

最后他说了一句很提神的话：You can just do things。设计好缰绳，别自己去拉磨。

##