AI 工程师大会闭幕激辩：自动编码 loop，炒作有没有跑赢工程纪律
- AI Engineer World's Fair 最后一天，一场关于「loop」(agent 自动写代码、跑测试、发现报错再自己改的循环)的现场辩论，把贯穿整场大会的争论摆上了桌面：拥护派说已经回不去手写代码了，怀疑派说炒作跑在了工程纪律前面
- Anthropic Head of Labs、Instagram 联合创始人 Mike Krieger 谈了公司内部工具 Claude Tag，现在给它的指令是「你负责这块代码库，自己盯反馈频道、主动接活」，而不是逐条修 bug
- Amplify 的 2026 AI 工程师调研：95% 受访者已用上 agent(去年约一半)，其中 89% 的 agent 能写数据(去年 52%)；但 59% 担心 AI 生成的代码正在积累长期技术债，agent 的「控制层」还很原始
- 闭幕演讲转向乐观：Theo Browne 说「以前算创业公司的规模，现在只是个 side project」;YC 总裁兼 CEO Garry Tan 说增长最快的创始人把 AI 当劳动力用，不当自动补全
- 现场投票环节因舞台灯光太亮，主持人和辩手都数不清观众举了多少只手，不了了之
大会最后一天，吵起了「loop」
AI Engineer World's Fair(AIEWF)大会最后一天，一场关于「loop」的现场辩论，把贯穿整场大会的争论摆上了台面。所谓 loop，就是让 agent 自己写代码、跑测试、发现报错再自己改，一轮一轮循环下去，不用人每一步都盯着。
这场辩论要吵清一件事：自主运转的「软件工厂」现在到底能不能大规模用，还是工程纪律根本没跟上野心？主持人 Allie Howe 开场就把话挑明：「loop 的炒作，和它实际能用的程度之间，到底有没有落差？」
正方是 Ralph Loop 的作者 Geoffrey Huntley，加上 Keycard CEO Ian Livingstone；反方是 HumanLayer 的 Dex Horthy 和 Subroutine 的 Greg Pstrucha。两边都不否认 loop 有用，吵的是「现在」能不能把编码整个托付给 agent。
把一份任务清单交给一个实习生，让他自己反复试、反复改，直到做完，而不是你手把手一步一步教他。agent 的 loop 差不多就是这个意思：它自己跑，你在旁边看着别出格。
正方：loop 已经来了，回不去了
Huntley 一上来就说，loop 已经来了。「这是必然的，它会留下来。」他还补了一句：「我不觉得自己还会回去手写代码。」
Livingstone 接过话头，把问题拉到一个更硬的点上：关键是能不能验证。代码怎么写出来的不重要，不管是人写的还是 agent 写的，只要结果可验证就行。他还提醒，loop 本来就是软件开发的内核，不是什么新东西。
Livingstone 的原话：「一个 loop 的内核就是『我试一个东西，我学到点什么，我把它用上去』。我们真正在谈的，只是能把这个过程加速到多快。」在他看来，agent 编码只是让这个古老的循环转得更快而已。
反方：炒作跑在了工程纪律前面
Horthy 开口先划清界限：他不反对 loop。「这里的基本判断，不是 loop 好还是坏。」他说，Kubernetes 本身就建在控制循环上，但那是确定性的循环。他真正的问题是：「炒作跑在了纪律前面。」
那「确定性」是什么意思？说白了，就是规则提前写死：服务器负载高了就自动加一台，该怎么调是定死的，不用谁临时判断。agent 的 loop 不一样，每一步该干嘛是 AI 当场判断的，同一个任务跑两遍，过程和结果都可能不同。这两种 loop 长得像，里子完全是两回事。
Horthy 顺着这个差别往下推：所谓「抽象层级」，说白了就是人站在多高的地方管事，层级越高、人管的细节越少，交给 AI 的部分就越多。他说：「我没看到证据证明，我们现在已经能往上抬一个抽象层级。」也就是把编码整块甩给 agent。「真要动，方向反而是往下降一层。」
Pstrucha 担心的是另一笔账：钱。他说 agent loop 的经济可持续性存疑，你没法「靠多买 token 把问题 orchestrate 掉」。
- loop 已经来了，回不去手写代码
- 关键是能不能验证，代码怎么来的不重要
- loop 本就是软件开发的内核：试一个、学到点、用上去
- 不反对 loop,Kubernetes 早就建在控制循环上，但那是确定性的
- 炒作跑在了工程纪律前面
- 没证据能往上抬一层，方向反而该往下降一层
- 经济上不可持续，不能靠多买 token 把问题 orchestrate 掉
「我们现在有点像火车头司机。这就是我们的活儿：让火车头待在轨道上。」Geoffrey Huntley,loop 拥护派
软件工厂的两难：自动化之后，谁还碰得到问题
话题转到了「软件工厂」，这个把整条流程(写代码、测试、上线)都交给一堆 agent 自动跑、人退到监督和审核位置的隐喻，已经在行业里流行开来。
Horthy 的担心很具体：当一切都在工厂式的 agent 环境里自动跑，「你永远碰不到问题本身」。所以他建议从小处开始、用 agent loop 一点点迭代，先「建立起直觉」，不要一上来就想着端到端全自动化。
连 Huntley 也承认 loop 里有危险。他说软件工厂代表的是未来的方向，但市场上还没解决这件事。「这是 frontier thinking(前沿探路)。」
一小时的辩论到尾声，Howe 让观众举手投票选哪一方「赢了」。结果闹了个人类自己的笑话：舞台灯光太亮，她和几位辩手谁都看不清观众举了多少只手。要是有个 agent 负责把灯调暗就好了。
Anthropic 的样板：Claude Tag 长什么样
要找一个真在往软件工厂模式走的公司，Anthropic 算一个。Instagram 联合创始人、现任 Anthropic Head of Labs 的 Mike Krieger，在上午一场对谈里接受了 swyx 的采访。
他谈到公司上周对外公布的内部工具 Claude Tag。他形容 Tag 比 Claude 更「delegated(可委派)、异步、主动」。这或许就是早期软件工厂的真实样子：不是 agent 取代整个团队，而是多个人把职责委派给 Claude Tag 这样一套系统。
Krieger 在台上只点到为止，官方公告把 Claude Tag 说清楚了：它就是把 Claude 放进 Slack 当团队成员。给它开放指定频道、接上工具和代码库，频道里任何人 @Claude 就能把活派给它，自己去忙别的；它记住频道里的相关信息攒上下文，还能给未来的任务排计划。Anthropic 把它定位成 Claude Code 的下一步演化，让模型更主动、更适合整个团队一起用。
和单开一个对话框使唤 Claude 比，@Claude 有四处不一样：
官方称，Anthropic 产品团队 65% 的代码已由内部版 Claude Tag 生成(厂商自评)，而且这套用法正从工程扩散到追产品指标、处理客服工单、排查疑难 bug。管控上，管理员按频道切出彼此隔离的「Claude 身份」：销售那套的记忆和工具不会流给工程那套；还能设 token 花费上限、查谁在什么时候让 @Claude 干了什么的完整日志。目前是面向 Claude Enterprise / Team 客户的 beta，跑在 Opus 4.8 上，替代原来的 Claude in Slack 应用。
「我们大多数用法其实更像是在委派，」Krieger 说。他举了个例子：「别只是修这个 bug。从现在起，你负责这部分代码库，我要你盯住这个反馈频道，主动接活。」他说这已经改变了团队的运作方式，变成一种「多人、异步、主动」的协作。
但他也点出了自动化的副作用：团队现在「卡在了 review 环节」，以及卡在「人能不能把我们到底在做什么完整想清楚」这件事上。
数字说话：2026 AI 工程师调研
回到大多数 AI 工程师的当下现实。这天上午，Amplify 的 Barr Yaron 公布了她的年度行业调研。
按 Amplify 的数据，95% 的受访者现在用上了 agent，大约是去年的两倍。在用 agent 的团队里，89% 说这些 agent 能写数据，而去年这个数字是 52%。「agent 不再只是读、总结、起草了，」Yaron 说，「它们在系统内部真正采取行动。」
但管控手段还比较原始。人工审批和权限是两大主要防护，后面跟着一堆零散的技术：任务分解、检索、记忆、沙盒。「没人 settle 住 agent 的控制层，」Yaron 说。翻成大白话就是：agent 已经能在系统里动手了，可怎么给它套缰绳，行业还没定下来。
更便宜，也更焦虑：成本和技术债
成本也是块心病。40% 的受访者说 AI 成本「经常」限制他们用 AI 的野心，另有 36% 说「有时」会。token 用量现在是仅次于质量的第二大生产监控指标。
AI 让做实验更便宜、让团队能产出更多软件，但同一批受访者里，59% 担心今天 AI 生成的代码正在制造长期的负债。省下来的时间和钱，可能正被欠下的技术债一点点吃回去。这个反差，比辩论台上任何一方的话都更直观。
闭幕演讲：接下来做什么
大会最后几场，把气氛又拉回到乐观地看 AI、用 AI 去造东西上。毕竟这就是 AIEWF 存在的意义，好玩的部分也在这儿。
Theo Browne 展示了几个他用 AI 做的、或还在做的项目。他的点是：一个开发者现实里能上手的规模，变了。「以前算创业公司的东西，现在只是个 side project,」他说。而那些他过去会嫌「太大」而放弃的项目，如今也进入了够得着的范围。
YC 总裁兼 CEO Garry Tan 接着把这份乐观落到了组织层面。他说 YC 里增长最快的那批创始人，都把 AI 当成一支劳动力在调度。以前大家顶多拿它当自动补全，打字时跳出来补两行；这批人给它派活、让它干整块的事。
回到开场那个火车头的比喻：一整周的辩论，摆明了在 AI-native 愿景真能落到所有人头上之前，工程这一关还有多少要过。而闭幕演讲提醒来开会的工程师们，他们为什么还在追它。用原文的话说，他们就是想开这些火车头。
「要做一家 AI-native 的公司，别做一家只是顺手用了 AI 的公司。」Garry Tan,YC 总裁兼 CEO，闭幕演讲