別再送出沒人看的 AI 垃圾牆 | Dex Horthy
別再送出沒人看的 AI 垃圾牆 | Dex Horthy
Dex Horthy 的公司被 Factory 收購,他指出:當作者投入的心力少於審查者時,AI 生成的程式碼就會變成「垃圾」,並呼籲工程師把龐大的 AI PR 拆成小 diff,培養判斷力,而不是對產出照單全收。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Human Layer 創辦人 Dex Horthy(該公司近期已被 Factory 收購)主張,AI 應該讓工作變得更好,而不只是更輕鬆;把未經自己讀過的 AI 產出直接丟給同事,是一種不尊重。本集節目的頭條主題「No AI Slop」宣言佔了前約一半的篇幅;後半段則涵蓋被收購的建議、資深工程師該如何反擊被 AI 灌水的估算,以及更難解的問題:當工程師不再親手除錯,初階工程師要如何養成判斷力。
Horthy 與 AI Engineer Code Summit 的講者共同撰寫這份宣言,依他本人統計,錄音時已累積約 720 份連署。本集由 Madison Kanna 主持,是她首次登上節目。讀者讀完應能掌握宣言的核心原則、Horthy 說明自己為何賣掉 Human Layer,以及「審閱 AI 產出究竟仍是競爭優勢,還是終將變成可有可無」這場未定辯論的全貌。
AI 應該拉高上限,而不是降低投入
在 Horthy 的詮釋裡,宣言的核心原則是:AI 應該讓工作變得更好,而不只是更輕鬆——團隊應該用它去做以前做不到、更有企圖心的事,而不是用更少的力氣產出同樣的東西。他從「投入不對等」來定義 slop:任何產出物,只要你製作它投入的力氣,少於你預期收件人花在審閱上的力氣,就是 slop。slop PR、slop 檔案、slop 部落格文章,全都算在內。
由此衍生的實務規範,既是技術問題也是社交問題。不要把一大片 AI 生成的文字當成檔案丟出去,還假裝那是你做的,而你一個字都沒讀過。如果有人寄來這樣的報告,就客氣地請他再編輯一次。Horthy 把這件事定調為尊重自己的專業,也尊重一起工作的人。
「AI 應該讓工作變得更好,而不只是更輕鬆。我們不該用更少的力氣做同樣的事,而該用 AI 做出真正好得多、比我們以前更有企圖心的東西。」
宣言本身的製作過程就是全場的固定笑點。Horthy 把 15 到 20 位高峰會講者的回答餵給 Claude,得到一份他形容為「慘不忍睹」的初稿,接著他把稿子發給大家,還註明這份稿子完全由 Claude 撰寫、他一個字都沒讀。當晚講者晚宴結束後,他和 Philip Kiely 花了大約一小時手工編輯——重排、刪減、重新組合。他說,人類參與的鐵證就是:正式發布的版本編號錯亂(2、3、3、5),Primagen 還把截圖貼了出來。「AI 絕對不可能搞出這種錯,」Kanna 說。
宣言之所以累積約 720 份連署,是因為工程師正在重新校準
錄音時 Horthy 表示連署數約 720 份,比 Kanna 看到的 500 份更多。他點名的連署人包括:被譽為 DNS 創造者、原始 BIND 伺服器作者的 Paul Vixie;SpaceX AI 的 Lauren Tan;Swyx 與 Philip Kiely;以及 Diffusion 的 Justin——他二月寫了那篇談 Strong DM 工作方式的原始「Dark Factory」論文。
Horthy 對這股連署熱潮的解釋是:工程師已經走出 AI 論述的兩極——一邊是 FOMO,一邊是末日論——開始形成自己的立場。宣言明確寫道,沒有單一正確答案,取決於你在打造什麼;而且大家都還在摸索,還在重新校準自己能接受多少馬虎。他希望這份檔案 20 年後仍然切題——不像敏捷宣言,他說,如今敏捷宣言已經內建進過去二十年成立的多數公司的骨子裡:建議依然正確、依然被遵循,只是因為太理所當然,所以不再有人討論。
他拒絕過一個請求:有讀者希望他把宣言做成 agent skill,好讓自己的 PR 不那麼馬虎。「兄弟,你完全搞錯重點了,」Horthy 回憶自己當時這麼說——重點是把沒讀過的產出倒給同事就是不尊重,沒有任何提示詞能修好這件事。
競爭優勢就藏在「審閱」這件事裡
Horthy 提到一場約有十幾位 AI 創辦人參與的晚宴,LlamaIndex 的 Jerry Liu 在席間問:現在還有誰在審程式碼(大約一半的人舉手);一年後還預期自己會審程式碼的請舉手(大多數人的手都放下來了)。共識是:審閱可能會往上移一層——移到 AI 產出的計畫、設計、大綱或分鏡指令碼上,由你來接招發揮——而不是消失。
Chroma DB 創辦人 Jeff 講了一句 Horthy 逐字引用的話:審閱某個東西,永遠都存在 alpha。論點是:如果你對一個請求不投入任何力氣、品味、判斷或偏好,那任何其他人用同樣少的力氣也能產出同樣的結果,這樣的成果算不上有用的工作。Horthy 的類比是:買車時你會繞車走一圈、發動引擎、開出去繞一圈——你不會把每顆螺絲都轉開,但總會取得某種程度的訊號,判斷它符不符合你的需求。
| 立場 | 抱持者 | 意涵 |
|---|---|---|
| 現在仍在審程式碼 | 晚宴上約一半的創辦人 | 審閱是目前實務 |
| 一年後仍會審程式碼 | 少數 | 審閱將上移到計畫、設計、大綱 |
| 若產出可驗證,審閱可有可無 | Horthy 的「黑箱」例外條款 | 唯有你能對結果做爬山式最佳化、且不需維護該程式碼時,才可接受 |
兩種受眾各說各話
Horthy 把這個觀察歸功於 Adios Mani——他說 Mani 講這句話時在 Google,現在則在 Anthropic——也就是:一個用 vibe coding 做副業專案的獨立開發者、一個做原型的 PM,和一個維護十年前老系統的企業工程團隊,三者幾乎沒有共通點。X 上關於「該不該讀程式碼」、「該不該跑 agent 大軍」、「該不該小心謹慎」的爭論,大多是某一群人隔著自己的問題,去告訴另一群人該怎麼活。
他把同樣的分類套在自己身上:Human Layer 曾試過五個月不讀程式碼,「結果不太好」。但他承認有一個真正的例外:黑箱演算法模組,只要外部檢查有效、而且他有信心能對結果做爬山式最佳化——如果他不需要維護那段程式碼,也許就不需要讀它。所以「要仔細審閱」這個建議,對那些內部實作根本不重要的人來說,就是不適用。
實務上的審閱建議和 AI 之前的工程時代沒兩樣:並行的事情少做一點,每次交付小一點的增量 diff。有人送來一個巨大的 PR,Horthy 必要時還是會蓋章核准,但他說這在文化上不健康,會要求對方拆開。真正的危險正是「蓋章」本身——一旦團隊之間習慣互丟「處理起來比製作起來還費力」的產出物,仔細審閱就會徹底停止,一切劣化的速度也會跟著加快。
收購發生在募資途中,而前沿功能勝出
Human Layer 正在募資途中,一批主動上門的收購報價湧了進來。Horthy 利用這個時機打給 Factory 的 Eno——他本來就欣賞也尊敬這個人——Factory 動作非常快。他把桌上所有選項都看過一輪,最後選擇 Factory 有個具體理由:Human Layer 一直把時間花在打造「前沿形狀」的功能上,那些功能多數使用者要 6 到 12 個月後才會意識到自己需要,代價是犧牲了人人都想要、但人人早就都有的基本盤功能。一直待在那條功能跑步機上,很難繼續做有趣的事。計畫是把 Human Layer 的想法逐步併入 Factory,並告訴使用者:你們現在既能拿到原本喜歡的 Human Layer 功能,也能得到一套穩定、成熟、打磨完善的企業級 harness。
他自認收購建議很單薄——他只做過一次。要投資於機緣、認識優秀的創辦人,同時接受人脈經營有時感覺像分心。至於實際操作,他請聽眾去聽 Dalton Caldwell 和 Michael 談 acqui-hire 的那一集,以及收購方可能怎麼整你。Kanna 委婉地反駁:在舊金山,參加派對很容易讓人覺得自己很有生產力;Horthy 同意,並引用 Paul Graham 的話——寫程式、跟客戶談、跳過行銷和活動,做出有人願意付錢的東西。
初階工程師的判斷力,是尚未解的問題
聽眾 Paula 問:工程師傳統上是靠寫程式、讀程式、除錯來累積判斷力,那下一代要怎麼養成?Horthy 坦承,對初階工程師本人他沒有好答案——只有對負責帶他們的人有答案。他說自己已經很久沒掛過 debugger,都是叫 agent 去掛,或用 log 除錯。
他的帶人模型來自 Mitchell Hashimoto:不要留言「這裡錯了,改成這樣」,而是叫初階工程師去跟自己的 agent 談,談到他自己搞懂為什麼錯。舊版的審閱方式是「去看看我們那邊怎麼寫,照那樣做」——這會逼初階工程師去讀其他檔案、吸收模式、再套用。現在,一句指令式的留言被貼進 agent,初階工程師什麼都沒學到。
一位任職於約 500 名工程師的上市公司的 principal engineer 提出一個更粗暴的機制,Horthy 明確表示自己不背書:把 Token 預算繫結職級,初階工程師只能用 tab 自動補全,等升級後才給一個 agent,再往上才給 agent 大軍。背後的邏輯是:你僱用初階工程師不是為了第一天的生產力,而是因為他們會變成資深工程師。Kanna 擔心的是「有生產力的掙扎」消失了——卡在同一個問題上三小時、同一個測試案例改十遍、在健身房邊運動邊想的問題——Horthy 同意,這正是最難被取代的部分。
沒人能追蹤每一個模型,而押注未來模型正是累積技術債的方式
Horthy 對「怎麼跟上」的答案是:沒有人能對每一個新模型、每一次開放權重發布、每一套 IDE harness 都形成有根據的意見。他讓自己身邊圍繞著他尊敬的人,分享所學,觀察他們的意見以取得高訊號,並選擇性地嘗試,而不是追 X 上的每一則訊息——他說,那已經超出一份全職工作加上副業所能負荷。Kanna 點出讓這件事變難的機制:演算法會用互動率獎勵 FOMO 內容,所以「怕落後」有一部分是被製造出來的。
結尾的對話轉向技術債。Horthy 描述有些團隊一直在等 GPT-3.5 時代的承諾兌現——未來某個模型會收拾殘局,「這是 GPT-7 的問題」——結果如今到了 GPT-6,才發現距離修好還差得遠。他原則上不反對拉高抽象層次,也相信模型總有一天能把程式碼庫維護得夠好,好到不需要再讀程式碼。但他不會拿自己的程式碼庫去抵押技術債,賭這件事會在未來六個月內發生;重要部分他還是會讀,以理解系統的形狀。
整集的主線,是 AI 讓「投入不對等」變得容易佔便宜、卻難以吸收。Horthy 的答案——審閱某個東西、帶入品味、交付小 diff、沒讀過的就別送出去——是一場賭注:即使生成變得免費,判斷力依然稀缺。未解的張力是世代性的:同一套工具讓資深工程師能更快驗證黑箱模組,也同時移除了孕育資深工程師的那種掙扎;而 Horthy 和他那位 principal engineer 朋友,都提不出一個自己願意背書的機制來補上這個缺口。值得觀察的是:宣言的連署人會把「審計畫、不審程式碼」當成穩定的均衡,還是隻是一個中途站;以及 Token 預算分級制,會不會真的出現在任何一家有工程師連署的公司政策裡。