Netflix工程师实测：AI让编程提速10倍

去年有个段子在程序员圈疯传——让AI写代码，就像雇了个永远不累、永远热情的实习生，但交上来的作业你得逐行检查。当时很多人当笑话听，直到Netflix的工程师们把数据摊在桌上：他们确实用AI把产出拉到了10倍，但后续的验证和清理工作，也同步膨胀到了10倍。

这是上个月北卡罗来纳州Durham「All Things AI」会议上最扎心的一组对比。IBM、Meta、Netflix的技术负责人轮番上台，讲的不是AI有多神，而是「用AI之前你得先把自己变成10倍产品经理」。

「对抗式代码审查」：一个任务需要三个AI

Netflix UI架构师Ben Ilegbodu的日常工作，大概是Jevons悖论（Jevons Paradox，即资源效率越高、消耗总量反而越大的经济学现象）最鲜活的注解。他演示了一个典型场景：想让AI实现某个新功能，第一步是部署主代理（Agent，即自主执行任务的AI程序）去写代码；第二步必须再拉一个评估代理来审查产出；第三步还得有个编排代理，专门协调前两个的协作。

「有时候我甚至把审查拆成多个代理，各自专攻代码的不同维度。」Ilegbodu把这种模式叫做「对抗式代码审查」。听起来很高级，本质是用AI的内卷对抗AI的幻觉。

更魔幻的是他的时间线。当一个代理还在跑当前任务时，他已经让另一个代理去预处理下一个需求的上下文。用他自己的话说，这是在「把自己并行化，让工作永远处于进行态」。AI让他能写Python、Bash、Groovy这些他原本不熟悉的语言，但代价是「一整天都在和某个东西对话，下班时确实挺累的」。

「上下文腐烂」：喂得越多，偏得越远

Meta开发者倡导者Justin Jeffress提出了另一个概念：「上下文腐烂」（Context Rot）。他的观察来自一个反直觉的现象——AI不会像人类实习生那样「被信息淹没」，你喂多少它吃多少，token预算允许范围内来者不拒。

但问题恰恰出在这里。「你和AI代理交互越久，它需要计算的东西越多，注意力被争夺得越厉害，做对事的概率反而越低。」Jeffress的原话是：模糊的指令导致发散的结果。清晰思考该给代理什么信息，这门功夫叫「上下文工程」（Context Engineering），在代理式AI（Agentic AI）出现的短时间里，已经成了一门手艺，甚至隐隐有发展成独立学科的趋势。

这解释了为什么「DON'T HALLUCINATE」这种指令毫无用处。不是AI不听话，是你的上下文构造没到位。

Jevons悖论的程序员版本：效率革命=工作量通胀

多位演讲者反复提及Jevons悖论。这个原本解释煤炭消耗的经济学概念，被借用来回应「AI会不会消灭编程工作」的焦虑。结论是：不会消灭，但会变形。

目前的现实是，AI确实在给用户创造更多工作——准备上下文的时间、验证结果的时间、修复幻觉的时间。Claude（Anthropic开发的AI助手）能让任何人成为10倍程序员，但前提是你要清理10倍的产出。用会议现场最末日风格的比喻来说：在AI把人类变成《黑客帝国》里的生物电池之前，我们这些「肉袋」得先帮它把路铺好。

IBM的演讲者补充了一个细节：最优的AI结果偏爱「准备充分的代理」。翻译成人话就是，你越想让AI替你干活，前置的脏活累活就越多。这不是工具的问题，是工具属性决定的——AI擅长执行，但执行的方向和质量，完全取决于你前期的工程化投入。

Ilegbodu在演讲后段提到一个微妙的心理成本：上下文切换的疲惫感。当AI抹平了语言壁垒，他可以在Python脚本和Groovy配置之间无缝跳跃，但这种「无缝」本身成了负担。「以前切换语言是个大决策，现在是个轻量级操作，决策疲劳反而累积得更快。」

这大概是10倍程序员悖论中最被低估的部分：产出可以量化，但认知负荷很难被看见。会议散场后，有听众在走廊里讨论——如果每个10倍效率提升都伴随着10倍的质量验证工作，那我们到底是在优化流程，还是在转移成本？

Netflix的工程师们没有给出答案。他们只是展示了数据：代理数量在增加，编排复杂度在上升，而「对抗式审查」正在成为标准操作。当AI把编程的门槛踩低时，它同时把「做好编程」的门槛抬高了。这个落差里，藏着下一波工具链的机会，也藏着下一批 burnout 的隐患。

至于那个终极问题——当清理10倍产出成为新常态，「10倍程序员」这个称号还值不值得追求——Ilegbodu在问答环节被问到时，停顿了两秒说：「我现在更关心的是，怎么让第三个编排代理别把自己也绕进去。」