近日，a16z 邀请到 Replit 的创始人兼首席执行官 Amjad Masad，与 Marc Andreessen 和 Erik Torenberg 一起，就 AI Agent 的崛起、编程的未来，以及软件如何开始自主构建软件展开了深入的探讨。这次访谈不仅追溯了计算的历史，揭示了 Replit 如何利用 AI Agent 让任何人都能用自然语言创建复杂的应用程序，更深入剖析了通用人工智能（AGI）的辩论和“足够好”的 AI 带来的潜在风险。

以下是对这次关于“AI Agent：编程的未来”的访谈的详细介绍、深入分析和深刻洞察。

---

一、Replit：从机器码到“英语编程”的革命

Masad 强调，AI Agent 正在消除编程中的“偶然复杂性”，让软件开发民主化。

1. 消除复杂性，专注思想

Replit 的愿景是让所有人都想构建软件。无论用户是否是编程大师或有无编码经验，Replit 提供的体验是相似的。平台致力于消除所有设置开发环境的繁琐步骤，并将焦点放在用户的创意上——用户只需在提示框中键入标准英语（甚至支持日语等主流语言）来描述他们想做的事情，例如：“我想在线卖可丽饼”。

这满足了 Grace Hopper （编译器发明者）75 年前提出的愿景：让人们使用英语编程。现在，我们正处于下一步的浪潮：机器编写代码，而我们键入的是思想，而非语法。

2. Agent 成为真正的程序员

在 Replit 中，Agent 正在取代人类用户，成为实际的程序员。

用户输入想法后，Replit Agent 会列出一系列计划任务，例如：“我要设置数据库”、“接受支付”和“构建网站”。Agent 会执行这些任务，而不是仅仅给出代码建议。

一个重要的创新是 Agent 3 引入的验证循环：Agent 编写软件后，会启动浏览器进行测试，如果发现问题，它会迭代并修复代码。整个过程可能持续 20 到 30 分钟。用户只需点击“发布”，App 即可部署到云端，省去了手动设置 AWS 账户、数据库和部署流程的巨大复杂性。

对于好奇的程序员来说，Replit 抽象了所有复杂性，但保留了所有层级，他们可以查看文件树、Git 历史，甚至推送到 GitHub。

---

二、Agents 的突破：长程推理与验证循环

实现 Agent 能够在复杂任务中维持运行和连贯性（Coherence）是 AI 领域的巨大技术挑战。

1. 连贯性的飞跃：从 2 分钟到 200 分钟

早期的 AI Agent 往往在运行两三分钟后就会开始困惑，进入“胡言乱语”甚至“精神错乱”的状态。Masad 指出，大约在去年（2023年）的某个时候，我们突破了 3 到 5 分钟的关口，这标志着**长程推理（Long-Horizon Reasoning）**问题正在被解决。

Replit 观测到的 Agent 进步速度惊人：

• Agent 1：运行 2 分钟后开始挣扎。
• Agent 2：运行 20 分钟。
• Agent 3：能够运行 200 分钟，有些用户甚至推至 12 小时。

2. RL 与验证循环是关键

Masad 认为，模型实现长期连贯性的关键突破在于强化学习（Reinforcement Learning, RL）。RL 允许大型语言模型（LLM）在一个编程环境中（如 Replit）展开“轨迹”（Trajectory），即一步步的推理链条。通过解决代码库中的 Bug，模型根据预先设定、可验证的解决方案获得奖励，从而训练其推理能力。

而在基础模型之外，将运行时间推到 200 分钟的关键是验证循环。例如，Replit 使用多 Agent 系统：一个 Agent 完成 20 分钟的工作后，会启动另一个 Agent 来测试其成果。如果发现 Bug，会将上一步的工作总结和 Bug 报告压缩成一个段落，作为提示输入给下一个 Agent，开启新的轨迹。这种接力赛机制使得 Agent 能够无限地执行任务。

观察 Agent 工作，就像在看一个服用了兴奋剂的、世界上最棒的程序员在工作。它会快速运行，但也会不时停下来思考，进行自我反思、审视工作，并在需要时调用工具（例如搜索网络解决 Postgress 兼容性问题），就像一个人类程序员一样。

---

三、深刻洞察：可验证领域与 AGI 的困境

访谈深入探讨了 AI 进步的不平衡性，以及“通用智能”的定义。

1. “可验证性”决定了进步速度

早期 LLMs 被戏称为“随机鹦鹉”（stochastic parrot），因为它们虽然擅长语言，但在涉及理性思考和问题解决（如数学和逻辑）时会出错。通过引入 RL 和验证机制，LLMs 结合了连接主义（神经网络）和符号系统（离散推理），类似于 AlphaGo 的突破。

RL 能够奏效的关键是问题必须拥有定义明确且可验证的答案。Masad 和 Andreessen 指出，进步最快的是**“硬”领域**：

• 代码、数学、物理、化学、生物学（如蛋白质组学）以及部分机器人技术，因为它们的输出结果可以被确凿地验证（例如：代码是否编译并产生正确输出、桥梁是否会倒塌）。
• 相比之下，法律和医疗诊断等“软”领域进展缓慢，因为其结果缺乏可运行或可验证的明确标准，显得“过于模糊”。

2. AGI 辩论与“够用”的陷阱

Masad 认为，目前存在一种奇怪的动态：我们对 AI 的进步感到兴奋，但又因为其速度不够快而感到失望，甚至担心它可能停滞不前。

AGI 的核心挑战在于**迁移学习（Transfer Learning）**的能力。 Masad 观察到，我们虽然在代码方面取得巨大进步，但这并未立即推广到广义推理上——生物学、化学或法律等领域仍然需要单独的训练数据和 RL 环境。Masad 甚至讽刺地问道，既然人类在不同领域之间的迁移学习能力都不强（例如，经济学家在政治问题上的盲点，如爱因斯坦的政治观点），那么也许我们已经达到了“人类水平的 AI”。

Masad 对**“真正的 AGI 突破”（即高效的持续学习和跨域泛化能力）持悲观态度。他担心我们正处于一个“局部最大值陷阱”**中：

“够用（Good Enough）”是敌人。

当前的技术（功能性 AGI，即自动化经济活动中的大量劳动）已经非常有经济价值且好用到足以缓解继续追求通用、理论上完美 AGI 的压力。

3. GPT-5 的“人性”退步

Masad 提到他对 GPT-5 的体验是感受到了回报递减。虽然它在可验证领域表现更好，但在更具**“人性化”的角度上似乎有所退步，变得更加“机器人化”，不如 GPT-4 贴近人类体验。 Masad 关注模型对有争议性问题**（如新冠起源、世贸大厦 7 号楼事件）的推理能力，认为 AI 在这些问题上尚未看到实质性进展。

Andreessen 补充道，他将高级模型用作“随叫随到的博士”，它们在知识合成方面表现卓越，能生成长达 40 页的 PDF 文档，提供世界级的、逻辑连贯的复杂主题解释。不过 Masad 强调，这更多是知识合成而非创造新知识。

---

四、Amjad Masad 的 Hacker 历程与 AI 时代的启示

Masad 的个人故事为当前 AI 时代提供了独特的视角和启示。

Masad 在 1993 年（6 岁）在约旦接触了家里的第一台 IBM PC。他 12 岁时创建了第一家赚钱的公司，为网吧编写管理软件。当时，他甚至认为编程正在被自动化（因为“向导”这种简陋的早期 Bot），因此他最初选择的是计算机工程而非计算机科学。

在大学期间，由于过度专注于编程和创业，Masad 的出勤率很低。为了毕业，他花费两周时间，利用 SQL 注入漏洞黑入了大学数据库并更改了成绩。

尽管被发现，但大学校长给了他第二次机会，条件是帮助学校系统管理员保护系统。Masad 在辩护时，甚至在白板上向所有院长解释了他的黑客过程，这相当于一次“博士学位口头考试”。他最终不仅成功毕业，还编写了一个安全扫描器，发现了系统中的另一个漏洞。

Masad 从中得出的教训，对于 AI 时代尤为重要：

传统、墨守成规的道路所带来的回报越来越少。如今的孩子应该利用所有可用的工具来发现和规划自己的道路，因为听从传统建议和做人们一直在做的事情不再那么奏效了。

---

总结与展望

这次访谈描绘了一个由 AI Agent 驱动的编程新世界，在这个世界里，创建软件的障碍被大幅降低。未来的发展趋势包括：

1. 并行 Agents： 预计明年（访谈当下），用户将能够同时运行 5 到 10 个 Agents，进行并行工作（例如规划新功能、重构数据库）并合并代码。
2. 多模态交互： 界面将更加友好，融合设计、视觉和图表等创意交互方式。
3. 程序员的终结： 普通人创建软件的能力将很快达到目前 Google 高级软件工程师的水平。

尽管在通用智能（AGI）的理论突破上存在争议和怀疑，但 Masad 相信，在可验证的领域（尤其是代码和科学），进步速度正在加速，这预示着人类将进入一个由“功能性 AGI”极大提升生产力的时代。

---

原始视频：https://youtu.be/g-WeCOUYBrk?si=hot4sYK5bOYKzHD8

中英文字幕：【AI Agent 时代：编程的终结、“够用”AI 的陷阱与 Hacker 精神】