Agent 编程时代，软件工程基础反而更重要了

原文来源：Rhonabwy — 在 agent 编程的喧嚣中，作者认为软件工程的基础能力——可调试、可维护、分层、可组合——比以往任何时候都更重要。HN 278 分。

围绕 agentic 编程，互联网上的噪音比信号多得多。"模型提供商"们的营销话术一个比一个激动，仿佛这个职业明天就要消失。但真正在用这些工具做出好东西的人，往往不是嗓门最大的那批——他们找到了趁手的工具，在探索杠杆的支点，安安静静地把世界撬动。

从"能不能做"到"怎么做得好"

过去一年，agent harness 跨过了"能不能做"的门槛。用 agent 写代码，得到"能跑的东西"已经不难了——作者说他甚至能通过强调"用红绿 TDD 开发"的提示词，让 agent 产出"可测试的代码"。

但"能跑"只是起点，远不是软件工程师工作的主体。作者打了一个很贴切的比方：他二十多岁时学电焊，很快就焊出了自己搬不动、甚至运不出车间大门的东西。那段经历教会他的道理，换了个媒介依然成立——东西怎么组装在一起，才是决定性的差异。

代码的接缝——你的代码如何工作、它的"API"是什么、它如何与别的软件配合——是艺术也是科学。这些判断依赖你的视角、经验和直觉，既关乎现在解决什么，也关乎未来几年怎么和这套软件长期相处。

LLM 不推理，agent 卡在哪

作者对 LLM 能力的判断相当冷静：LLM 不"推理"，它们做预测。模型本质上是压缩后的人类知识，如果知识里编码过某种推理模式，它能回放出来——所以面向软件开发的 agent，那些推理轨迹才是模型最珍贵的数据。他引用了 Apple 的研究 The Illusion of Thinking，说明 LLM 在推理上到底有多不可靠。

这也解释了为什么当前的编码 agent 有天花板：让软件可调试、可维护、分层、可组合，仍然需要大量深思熟虑的推理，而这恰恰是前沿模型最薄弱的地方。

实用主义的收获：喂对数据 + 确定性验证

不过作者并不悲观。他认为和 LLM 协作还有大量没挖掘的增益空间，当前最有效的做法是两件事：

第一，在正确的时间提供好的、简洁的数据。上下文的质量直接决定输出的质量，这一点已经被无数实践验证。

第二，提供确定性的验证工具，配合自然语言反馈，让 LLM 能自我纠正。这比任何花哨的 prompt 技巧都管用——agent 最让人惊讶的能力不是预测该写什么，而是调用工具和遵循指令的有效性。

指令遵循的黑暗面

但"严格遵循指令"本身是双刃剑。作者引用了 Simon Willison 提出的 lethal trifecta：LLM 无法区分好建议和坏建议，它们在根本上无法始终如一地防御 prompt injection。"对齐工作"、安全 harness 和沙箱都能增加屏障，但缝隙是结构性的。一个不知疲倦地遵循指令、却没有良好推理能力的东西，对他来说"是噩梦燃料"。

基础功为什么更重要

文章的核心论点在这里落地：当"写出能跑的代码"变得廉价，工程师的价值就集中在判断力上——仔细审查、规划、修补软件（和系统）的接缝。作者期待未来的模型训练能把"干净的接口、可调试、可维护"纳入强化学习的评估体系，让推理轨迹式的训练数据更接近真实的软件工程。

他看到一波"这个实现起来很简单……"的浪潮正在涌来，人们随手抓起最近的工具就想把活干完。而越是这种时候，越要回到手艺本身：从来不存在万能解药，永远是权衡，是为当前的问题选择正确的抽象。核心是管理认知负荷——知道哪些部分需要稳定，哪些部分需要灵活，以及如何灵活。

这也是为什么他说：现在是关注那些认真写代码、认真分享手艺的人的最好时机。行业不缺宣布职业终结的宣言，缺的是把接缝焊好的人。