编程的终结

上周，Bun 1.4 正式发布。这一次，Bun 的核心代码从 Zig 重写为 Rust，据称新增了超过一百万行 Rust 代码。尽管这一语言切换在开发者社区引发了不小的争议，但我认为，这次发布最值得关注的，是重写的实现方式及其规模。结合这些细节、我的个人经验，以及即将到来的 AI 技术进步，我愈发相信：我们所熟悉的编程模式已走到尽头。

我的意思是，人工编写代码并由其他人类逐一审查以产出可用软件的做法，正走向消亡；至少也将被汹涌而来的海量“可用”软件淹没——这些软件将主要由智能体生成，而人类只需验收最终结果，无需再逐行检视代码本身。我们将拥有比以往任何时候都多的软件，但其中绝大多数的代码既非人类亲手所写，甚至未曾被他们读过。

当然，伴随而来的是大量粗制滥造的作品：充斥着漏洞、毫无用处、质量低劣、甚至令人反感的软件，它们完全背离任何程序员对美学、目标与风格的追求。但与此同时，也会涌现出许多设计精良、切实解决问题的软件，只是未经人类细致入微的代码评审。

这种软件爆发式的增长，已经可以从 GitHub关于他们8月17日宕机的帖子 提供的图表中清晰地看到：

自去年以来，代码产量呈现出陡峭的指数级攀升。我的推测是，其中大部分来自个人的副业项目、企业内部的秘密研发，或是面向单个用户的尝试——那些被视为非关键性的任务。在大多数公司里，当涉及驱动业务的核心产品时，个体开发者即便想把交付量提升两倍，也依然面临巨大的组织阻力，更不用说十倍、百倍的增长了。

那些图表中的几乎所有代码，都是由当前尚未处于最前沿的模型生成的。它们出自几个月前的前沿模型之手，也就是说，并非 Fable 5 或 GPT‑5.6 Sol 的作品。

Anthropic 和 OpenAI 的开发者活在近未来

根据 《Bun Rust》重写细节 的报道，其亮点在于：这一切仅由一位开发者——Jarred Sumner——借助 Fable 5 的预发布版本，并凭借看似无限的 Token 额度完成。他搭建起一套可让多个智能体并行作业的框架与工具链，将 Zig 代码库翻译成 Rust。

在短短 11 天内，多个智能体共提交了 6,778 次 commit，消耗的 Token 若按 API 定价折算，总价约达 16.5 万美元。

我还记得，这场重写风波最早于五月初浮出水面，远早于上述博文的发表。当时的信息仅通过 重写合并 得以披露：变更总量为 +1,009,257 行，删除量为 -4,024 行。面对如此庞大的规模，我惊叹不已，并猜测他们或许借助了 Mythos 实现了这一壮举：

另外，我也迫切想知道，这是否是在不限量 Mythos Token 的支持下完成的？这难道就是我们其余人的“近未来”吗？抑或已经是当下，只不过用的是 Opus 4.7 的 Token？我倾向于前者。因此，这更像是对今年晚些时候可能性的一次预演。——@pauldix，2026年5月14日

彼时我的判断是：以 Opus 4.7 的能力，绝难达成这样的规模，因此背后必定是尚未发布的 Mythos 才能支撑起这样一次真正奏效的重写。

AI 能够写出百万行代码，并在接下来的数月间持续打磨，最终形成一款稳定可靠的软件，如今已在数百万开发者的机器上运行，这一事实令人震撼。也许有人会说：“这没什么了不起，毕竟有‘金标准’作为对照，从一种语言迁移到另一种自然容易。”但我认为，这种说法大大低估了其意义。只要构建起完善的验证体系并给予恰当的指导，AI 就能产出高度复杂、高度精密的软件，并不断迭代优化，直至真正可用为止。

若留意 Anthropic 和 OpenAI 的开发者近几个月来在 X 上的发言，会发现他们每周都会提交数十乃至数百份 PR，且重心正逐步向上游转移。这并不难理解：对于一名开发者而言，既要紧密审查每周涌入的数百份 PR，又要兼顾自身的工作，实属不可能之事。

如果按他们的公开表态字面解读，他们已不再对每一份待发布的代码进行事无巨细的审查。相反，他们把更多精力投入到系统、提示词与验证工具的构建上，以推动 AI 高效、规模化地产出软件。至少，我在他们谈及“循环”时，是这样理解的。

然而，他们所处的世界却是“Fable 与 Astra（OpenAI 的下一代模型）无限可用”的状态。那是属于他们的近未来，而我们这些“凡人”恐怕要等到一年后才能初尝一二。他们利用 AI 开发软件的体验，与我们这些仍在等待每周 Fable 配额重置的基层开发者截然不同。

Bun 1.4 的发布，正是一个绝佳的例证：当 Fable 级别的智能遇上近乎无限的 Token，规模化、高可用的软件交付便成为现实——这一点已在数百万生产环境的部署中得到验证。

来自一线的经验报告

结合我的亲身经历，这里分享两个近期的小故事。我的直观感受是：Fable 在本质上已不同于过往的模型，正如去年底 Opus 4.5 发布时，人们敏锐察觉到的那种“质的飞跃”。它跨越了一个新的门槛：在更高层次的指令与更少的监督下，也能产出更多成果。我只需给出需求、架构与功能说明，它便能在数小时的连续工作后，无需我的进一步干预，打造出一个功能完备的原型。

这两个例子均未在 InfluxDB 主干中落地，而是我在分支中添加的新能力。选择它们，正是为了探索新模型的可能性。

第一个是 Iceberg 集成：使 InfluxDB 中的数据可通过 Iceberg REST 接口访问，或存储至外部 S3 存储与 Glue 目录。这是一项复杂的特性，需要：

• 用于启用该特性的 API 与 CLI
• Iceberg REST API 的实现
• 与压缩器深度对接，以在外部存储中生成 Iceberg 清单文件及 Parquet 数据
• 向 Glue 发送清单或请求
• 在 InfluxDB 内部实现 S3 API，以应对非导出场景

这是一项涉及数千行实现与测试代码的工程。我梳理了大致的架构设计与需求，随后通过子智能体分工协作的方式，指导 Fable 完成工作，期间触发代码评审并全程监督。14 小时后，它交出了一份可用的版本。我又要求其以正在运行的 InfluxDB 集群为依托，联合 DuckDB 与 PyIceberg 作为外部客户端，对全链路进行端到端验证。经过几处小 bug 的修复，一切运转正常。

第二个例子是为 InfluxDB 构建边缘数据复制系统。该方案由多个独立的 InfluxDB 节点组成“卫星”，定期将压缩后的数据同步至中心集群。其要点包括：

• 用于设定复制内容与频率的 API
• 访问上述 API 的 CLI
• 对压缩器的改造，使其既能过滤、聚合并生成待复制的压缩数据，又能追踪已上传与剩余的数据量
• 为边缘节点提供访问目录信息的接口，以便纳入复制负载
• 用于接收管道中压缩数据块的 API
• 用于监控整套系统的指标与表格

我明确了架构，并给出了用户交互的预期效果。随后与 Fable 协同设计，指示其展开实施，同时担任监督角色。28 小时后，基本功能已就位。

接着，我将其部署至 AWS 的测试环境，实时观察各项指标与日志，并在过程中及时修复问题。经过几轮迭代，最终形成了一个端到端可用的完整实现，至今仍在运行。后来，我还让它开发了一套 UI，以可视化的方式展示各节点间的复制动作与数据传输速率——既然要做，何妨做得更漂亮些呢？

当然，这两项功能目前都尚未正式上线，也不具备“生产就绪”的条件。因此，难免会有人像评价 AI 时惯常那样说：它只是帮你更快地做出原型。但这显然低估了它的价值。

原型本身就是可用的软件，而围绕它的改进与测试，则进一步得益于与 AI 的良性循环。它的每一次迭代与验证，都不是依靠人工代码评审，而是通过实际使用与反复测试来实现的。

以上两项工作，我都基于每周一次的 Fable 配额与订阅额度完成（每次之间需间隔一周）。我始终未能将其接入云端，也无法开启一轮由无限 Fable 积分驱动的持续改进循环。因为一旦让顶尖的前沿智能体 24/7 地替我干活，每月的开销恐怕会飙升至数十万美元，这是我不敢承受的代价。

Jarred 在 11 天内完成了 Rust 重写，随后又让多个智能体持续优化数月，才最终以官方支持的形式发布。原型只是起点，而智能体还将协助你打造迭代、完善、并最终硬化为生产就绪产品的全过程。

我们这些“编程农奴”的近未来

去年同期，我们还只能用 Opus 4.1 和 GPT‑5。如今，只需付出极低的成本，就能获得更强大的智能。去年十一月底、十二月初，Opus 4.5 与 GPT 5.2 先后登场，正是这两款模型，让所有 CTO 在冬假期间惊呼：原来随心所欲地创造功能与软件竟如此可能！

今年，我预计 OpenAI 和 Anthropic 还会推出一到两次重磅更新。我的最佳猜测是：OpenAI 将于九月左右发布“Astra”，其级别有望达到 Mythos/Fable 之列，性能很可能超越 Fable 5。

我预计，对标 Opus 4.5 和 GPT 5.2 那样引发范式转变的突破性产品，将在今年年底或明年初问世。

届时，如此级别的模型与能力，将足以帮你实现脑海中浮现的任何软件功能。而且它真的能跑起来，并为你完成测试与验证。只要你愿意接收代码，它就能以最快的速度交付给你。唯一的问题只在于：你想交付什么？又想支持什么？

到明年年底，这类智能的价格将足够亲民，以至于我们大多数人也能像 Jarred 当年借助 Fable 预览版打造 Bun 1.4 一样，与之长期协作。

再过一两年，我们将迎来覆盖更广、成本更低的系统，以十分之一甚至百分之一的价格，获得十倍、百倍速度的 Token 供应。详见 Cerebras C4发布 与 OpenAI Jalapeño 结果。面向前沿智能的普惠型高速供给渠道即将到来。

受组织惯性的影响，人类手工编码、同事间逐行互审的模式，恐怕还会延续十年之久。多数公司仍将沿袭旧有的软件开发方式。

但最具生产力的软件创造者们，将以一种彻底不同于传统意义上的方式运作：他们直接指挥 AI，搭建“生产线”，创建软件工厂与 QA/验证体系，交付的可用软件速度将远超我们的想象。

届时，由 AI 编写的运行中、生产级软件数量，终将超过人类亲手所写的同类作品。那将意味着：编程时代的终结。