指挥320个AI实习生：软件工程变身即时战略游戏
如果说两年前，AI编程还只是“智能补全几个函数”的水平，那么今天，它正在彻底掀翻整个软件工程的牌桌。
在最新一期播客中，软件行业的老兵——拥有40年编程经验的Steve Yegge，分享了一个相当疯狂的日常：他刚刚在自己的机器上，关掉了320个Claude Code实例。
这意味着什么？意味着他不再是一个“敲代码的程序员”，而是一个同时指挥着320个“数字实习生”的将军。有人在写代码，有人在修Bug，有人在发起合并请求（PR），它们互相等待、互相打断，甚至偶尔还会失控搞砸一切。
在这场深度技术访谈中，Steve Yegge抛出了一个极具爆炸性的预判：“到今年（2026）年底，人们开发软件将不再是敲代码，而是像玩即时战略（RTS）或模拟经营游戏一样。”与此同时，他也给出了一个关乎所有软件公司生死的“未来生存公式”。
一、个人开发者遭遇“团队级复杂度”：多智能体协作的失控与救赎
随着大模型能力从GPT-3.5的“步履蹒跚”进化到Claude 4.5的“狂飙突进”，开发者对AI的信任度与日俱增。但一个致命的悖论出现了：信任度越高，耐心越低，唤醒的智能体就越多。过去，你可能只开一个Claude窗口帮你写段脚本；现在，你会习惯性地把一个大项目拆成十几个任务，同时扔给十几个智能体并行处理。
当规模达到这种程度时，个人开发者突然撞上了一堵墙——他们遭遇了以往只有大型工程团队才会遇到的管理难题：状态同步、代码合并冲突、上下文遗忘。大模型是“顾头不顾尾”的，它们只关注眼前的任务，根本记不住三小时前做过的架构决策。
为了解决这个问题，Steve Yegge开发了两个重量级工具：
- Beads：一种基于图结构和Git原生数据库（Dolt）的“共享记忆系统”。它把所有智能体的任务、决策、状态全部记录在案，让AI拥有了不被篡改且可追溯的“长期记忆”。
- Gas Town：一个多智能体编排系统。它把智能体分门别类，有的当“镇长（发号施令）”，有的当“工兵（干脏活累活）”，让它们在一定的规则下自行运转。
值得深思的是：从“代码搬砖”到“架构调度”的职能跃迁
我们正在见证程序员职业生涯中最伟大的一次职能跃迁。当320个AI在替你写代码时，你如果还把精力花在纠结某个JS语法上，那便是严重的失职。未来的顶尖工程师，本质上是一个“数字包工头”或“Prompt架构师”。你需要具备强大的宏观系统思维能力，把大问题拆解给AI，然后像玩《星际争霸》一样去调度这几百个单位，最后负责最核心的“验收与兜底”。写代码不再是壁垒，“把问题说清楚、把上下文喂对”才是真正的护城河。
二、AI时代的极限拉扯：精简上下文 vs 填鸭式喂养
在指挥AI大军时，怎么给它们下达指令成了最玄学的问题。Steve透露，即使在Anthropic（Claude母公司）内部，也存在极大的路线分歧：
- 最小化派：认为应该尽量减少上下文。把任务拆得极细，一次只让AI专注解决一个明确的小问题（用完即弃）。这样能大幅节省Token成本，且运行速度最快。
- 最大化派：认为应该把所有的背景信息、架构文档、历史决策全部塞进上下文窗口。因为只有“喂饱了”信息，大模型才能像资深架构师一样，做出真正符合全局利益的战略设计。
Steve认为，这两种模式在实战中缺一不可。他甚至为AI发明了一条名为“飞机降落（Land the Plane）”的终极提示词——当项目进入收尾、AI开始迷失在海量细节中时，这句提示词能强行唤醒大模型的“强迫症”，逼迫它放下一切发散思维，严格按照验收标准逐项核对，完成最终交付。
这一趋势背后：驯服AI的艺术，在于理解它的“拟人性”
过去写代码是“面向机器编程”，有着严格的编译逻辑；现在用大模型，更像是“面向人学编程”。大模型有常识、懂战略，但它同时也很“懒”、容易“分心”、甚至会“敷衍了事”。所谓的“飞机降落”提示词，本质上就是对数字员工的“职场极限施压”。谁能掌握这种和AI沟通的心智博弈技巧，谁就能榨干它最大的生产力。
三、碘伏认知：阅读别人的代码，将成为历史？
当AI开始疯狂输出代码时，代码的海洋将彻底淹没人类的阅读能力。过去，接手别人的30万行代码是一场灾难；未来，即使是自己麾下AI昨晚刚写的30万行代码，你可能也完全看不懂了。
面对这种代码爆炸，Steve给出了一个极度硬核但也有些无奈的解法：你必须强迫自己定期去审查那些从未见过的代码片段，通过向大模型提问（比如“不好意思，我们的插件系统到底是怎么跑的？”），在脑海中重新构建出整个系统的心理模型。因为只有你，才是那个能拍板“这东西到底对不对”的最终防线。
现实是：代码即垃圾，意图即资产
必须接受一个残酷的现实：在AI时代，由人类亲手一行行阅读、审核每一行代码的古典敏捷开发模式，已经彻底破产了。当AI每秒能生成几千行代码时，代码本身变得极度廉价。未来的软件工程不再是“Show me the code（给我看代码）”，而是“Show me the prompt & Spec（给我看你的提示词和系统规范）”。人类只需要掌控意图和测试闭环，至于中间那几百万行冗长、枯燥的实现逻辑，就让AI自己去折腾吧。
四、终极预判：软件的“热力学”生存法则
在播客的最后，Steve抛出了一个决定未来所有软件公司生死的“万能公式”。在很多人担忧“AI将吞噬一切软件（比如各种SaaS、IDE、刷题工具都在死掉）”时，什么样的产品能活下来？
答案是：“热力学定律”——谁能帮大模型节省Token和计算能量，谁就能活下去。大模型是非常“懒”的，它永远倾向于走最短、最省力的路径。如果你的工具（比如数据库、消息队列、索引系统、API）能够让AI以极低的Token消耗，快速拿到精准的数据和结果，那么AI就会把你纳入它的“默认工具箱”。
反之，任何可以通过大模型自身的“矩阵乘法”和“推理”来完成的工作（比如简单的计算器、文本处理工具、粗糙的增删改查SaaS），都会被大模型无情地绕过并吞噬。
总结陈词：成为AI的“基础设施”，或者被AI摧毁
这是一个极具压迫感但也极度清醒的论断。未来的两年内，我们手机和电脑里的App可能会消失80%。你不再需要各种花哨的独立软件，你只需要一个类似Claude或ChatGPT的超级入口，它会帮你搞定一切。
在这场大洗牌中，留给创业者和开发者的路只有两条：要么，你去做大模型本身（属于巨头的游戏）；要么，你去做那些大模型嫌麻烦、算不准、或者没权限碰的基础设施和数据源（成为AI的基建）。
属于手工敲代码的古典时代已经结束了。准备好迎接这场疯狂的“即时战略游戏”吧，无论你是期待还是恐惧，它都已经开始了。