数学家们，这里有一种思考你存在危机的方式
Kent Beck 用程序员的身份焦虑类比数学家在 AI 时代的存在危机：可见部分（代码、证明）机器已擅长，而不可见的“futures”（理解、教学、抽象、简化）既不被机器替代也不易获得认可。 他建议把危机重构为“借助 AI 扩大可达范围、更频繁做战略判断”的适应问题，而非能力替代问题。文中还区分了技术债与这种隐藏维度。 整体是个人观察加框架输出，适合技术读者讨论 AI 对职业身份的冲击。 
评论
点赞
收藏有时拒绝变化：用香农恶魔理解软件产品策略
<p>古老的交易所为每位坐在橡木办公桌前的商人提供了两种投资选择：</p><ul><li>一个用来装硬币的保险箱。</li><li>掷硬币者，给定一定数量的硬币，要么回馈两倍或一半。</li></ul><p>每天，每位交易者都可以选择投资。</p><p>普鲁登斯无视了掷硬币的动作。整天坐在办公桌前看报纸，谨慎减轻压力，却代价浪费机会。</p><p>鲁莽无视了保险箱。下注并观看（有时）回报，让交易变得值得。鲁莽的硬币堆像悠悠球一样上下波动（尽管悠悠球还没发明）。</p><p>SD（香农的恶魔）坐在中间，异常忙碌。每次抛币后，他们都会重新平衡硬币——一半放进保险箱，一半放进翻转器。</p><p>过了一会儿，发生了一件奇怪的事。普鲁登斯的硬币堆积完全没变。鲁莽的堆积金币时而增长又缩小，一半时间上涨，一半时间下降。但SD的筹码随着时间增长。<br><br>同样的投资。结果不同。到底发生了什么？</p><h2>什么？</h2><p>在讨论长期波动率软件开发时，到目前为止，我说的好像我们总是想保持长期波动率（“拥抱变化”，有人愿意吗？）敏锐的读者兼好友Kunal Bhalla指出了例外情况，即何时以及如何做空波动率。<br><br>他还向我介绍了一个关于围绕波动率构建直觉的有力隐喻——Shannon的恶魔。（我喜欢这种直觉锐化器——另见.)</p><p>我的第一个目标是建立对SD战略如何运作以创造价值的直观理解。然后我们将将其应用于软件产品开发。</p><p>想象一个连续两天的连续比赛，一胜一负。Reckless最终会回到起点。而SD则会上涨。赢后SD会“存入”部分奖金，使第二天的损失比Reckless…</p>
Kent Beck：可组合测试
Kent Beck 提出"可组合测试"概念，主张把多个孤立测试合并为一个，删掉重复断言，用更少的测试获得同等覆盖和预测力。 核心论点是：测试冗余不仅难看，还降低特异性——合并后反而更容易定位失败原因。 他用一个利息计算+报告的场景说明，20个暴力测试可压缩到10个：4个计算变体、5个报告变体、1个组合验证。 文章直面常见反对意见——"我绝不会减少断言"——认为这是恐惧而非原则。
烘焙模型：LLM训练的隐喻
LLM训练像烘焙：预训练是混合原料后静置发酵，用海量数据训练出基础模型；后训练是塑形和烘烤，通过小规模实验微调让模型真正可用。 Kent Beck用这个比喻解释大模型从数字到可用系统的构建过程。大多数团队的问题不是战略，而是适应——计划从未在现实中存活过，关键是组织能否弯曲而不折断。
烘焙模型：Kent Beck用烘焙类比拆解AI训练流程
Kent Beck用烘焙类比解释AI模型的构建过程：预训练像冷发酵，把数据和空白模型混合后交给时间；后训练像塑形和烘烤，通过大量小批次实验微调，让模型真正可用。 他把模型拆成两部分——负责输入输出的用户界面，以及真正产生智能的模型本体，前者用传统编程，后者用训练。 文章邀请读者在评论区纠正他的理解，并预告下一篇将探讨预训练和后训练团队之间的文化差异与激励分歧。
忙碌本质上是做空波动率
Kent Beck 用排队论和 Kingman 公式解释"忙碌"本质上是"做空波动率"——团队利用率越高，对波动的缓冲能力越弱，等待时间呈指数增长。 这是排队论在软件工程中的经典应用，适合对工程管理和系统思考感兴趣的读者。
Speculative Short Volatility & Neglectful Short Volatility
Timing is one distinguishing feature of the Tidy First worldview. Like Goldilocks, we don’t want to be too early with our structure investments & we don’t want to be too late with our structure invest...
Canon 3X：探索、扩张、提取
<blockquote>我开始了一系列正典文章，尽可能清晰明确地阐述我的想法——没有类比，没有说服，只有事实。我一开始是这样我预计会继续使用佳能JUnit、佳能XP和佳能简化变更。</blockquote><p>任何事物的增长都会形成一条逻辑曲线：</p><p>以软件产品为例——在整个曲线中，我们不断发布变更，吸引客户，并向客户开费。然而，这种曲线的平滑性是一种危险的错觉。这条曲线的起始、中间和最后三段需要完全不同的方法，即使它们表面上相似。</p><h2>出现</h2><p>我答应过正史系列不会是理论，只是一些东西。有一个小小的理论对3X：探索/扩展/提取故事至关重要。它会引入我们在后续解释中会用到的词汇。</p><p>该S形曲线由以下公式描述：</p><p>但这对我们让年轻的生物成长帮助不大。相反，我们可以把S曲线看作两个反馈回路之间的拉锯战（哎呀，打个比喻，抱歉）：</p><p>要制作S形曲线，首先让左侧的加固环工作。你的想法（产品/公司/运动/其他）越是成长，就越容易发展更多。然后右侧的抑制环接管，减缓并最终封顶生长。</p><p>一个成功的创意：</p><ol><li><em>探索</em>找到新的增长环（需要新的，否则已经有人在操作它了）。</li><li><em>扩展</em>这样可以让创意持续运作，让这个想法得以扩展，避免了沿途可能致命的各种限制循环。</li><li><em>提取物</em>随着终极抑制循环启动，最终的生长结束。</li><li>（额外内容）利用第一个曲线的资源，开启寻找具有自身增长环路的新曲线。</li></ol><h2>3倍</h2><p>从示意上看，进程如下：</p><p>3X：探索/扩展/提取的核心观点是，无论这些阶段多么相似，实际上都需要其独特的方法来：</p><ul><li>财务</li><li>团队规模</li><li>项…</li></ul> 
你怎么知道？：关于AI责任、工程直觉与人的驱动力
Kent Beck 访谈前自动驾驶工程师 Beth Andres-Beck。核心观点：AI 代理缺乏内驱力，"人+AI"才是工作主体；移除人类并非消除责任而是隐藏问责；所谓"客观"系统常掩盖偏见。 文中详述了通过设计可测试代码而非单纯强调纪律来推动团队测试的工程实践，以及自动驾驶中"系统严格执行指令而非意图"的经典踩坑案例。 
长期波动率：什么是波动率？
<p>一些基本假设：</p><p>我们并不知道用户会对我们的产品功能有何看法。（我们虽有所怀疑、有所见解，但用户、买家和投资者总能给我们带来意想不到的惊喜。）</p><p>我们不知道用户会在各自的社区中如何谈论这些功能。</p><p>我们不知道实现这些功能需要花费多少成本。 （目前的答案是“更少”，但我们仍然不清楚究竟要花多少钱……</p>
一个想法的开端：XP 是长期波动率
Kent Beck 分享其酝酿多年的“长期波动率”理念雏形，类比投资中的长期持有策略，探讨软件工程中特性与结构优化的张力。文中提及 3X 框架及“Genie”隐喻，强调观点在反复解释中成熟的过程。 适合对敏捷开发方法论演进及思想形成过程感兴趣的读者。
YAGNI 的成本从来就不是关于……
Kent Beck 重新审视 YAGNI（你不会需要它）原则，指出其核心代价并非仅仅是过度工程，而是认知负荷与决策疲劳。文章认为盲目遵循 YAGNI 可能导致架构僵化，真正的成本在于为了节省短期代码量而牺牲了长期的可维护性与灵活性。 这引发了关于敏捷开发中“简单性”定义的深层讨论，适合对软件工程哲学感兴趣的读者。
由学习部件构成的学习系统：AI时代程序员的角色重构
Kent Beck与Jessica Kerr讨论AI并未取代程序员，而是将编程工作一分为二。文章探讨了由“学习部件”组成的学习系统，涉及软件工程、AI辅助开发及开发者角色转变的深度思考，具有强烈的Hacker News风格。
信任工厂：在 AI 编程时代重建软件信任
Kent Beck 提出“信任工厂”概念，认为在 AI 编程时代，代码积累速度远超信任积累。文章回顾 XP（极限编程）的实践、原则与价值观如何构建团队信任，并指出当前 AI 辅助开发（Genie）因缺乏人际互动和结构改进而侵蚀信任。 作者主张通过“慢开发”来确保软件可靠性和团队互动，从而建立信任以实现真正的快速交付。
Genie 课程：将散文作为编程语言
Kent Beck 访谈 OpenProse 创始人，探讨将散文作为编程语言的方法论与实践。 