Agent 单点任务 80+ 分,长期维护代码库却仅 38%
FullStackFrenzy · reddit · 2026-11-05
Reddit 帖子引述 Zhenfeng Cao 的论文《The End of Software Engineering》(arXiv:2606.05608)并对其提出反论。论文主张代码将变得可弃、人类转为「意图架构师」,但帖子指出论文自身的证据恰好在反方向:
- 在 EvoClaw 基准上,agent 在孤立的一次性任务上能拿到 80%+ 的分数
- 但当需要跨多次变更长期维护一个代码库时,得分最多只有约 38%,原因是早期错误会持续向后累积
- 真正可怕的不是构建失败,而是慢性的正确性漂移:比如计费功能测试全过,几周后某个会重试 webhook 两次的供应商退款悄悄失效
作者的核心结论:写代码变便宜了,但让系统长期保持正确没有。并抛出讨论:你的时间现在花在写代码还是审查 agent 写的代码?是什么在帮你捕捉慢漂移——evals、独立 verifier 模型,还是传统的线上监控?
「编程与Agent」频道最新
- 高管用手机在高铁上做完整 keynote:全程靠 OpenClaw agent 打造 — vincent_koc · 2026-11-05
- 开发者用 OpenClaw 在高铁上语音生成整场主题演讲 — vincent_koc · 2026-11-05
- DeepSeek 开源 dsh-superagent：编码 Agent 的行为准则是少打扰人类 — shoumikgoswami · 2026-11-05
- 生产环境选 OpenRouter 还是 OpenAI 的零数据保留（ZDR）？开发者实战提问 — kshitizsriv · 2026-11-05
- MetaMask 推出 Agent Wallet:用链上护栏管住乱花钱的 AI 智能体 — LexSokolin · 2026-11-05
- 开发者质疑 Decision RAG:为何不直接用 Jev 做向量检索 — solyarisoftware · 2026-11-05