00:00:00究竟是什么让那些能够蓬勃发展的开发者脱颖而出，而让另一些人被时代淘汰。
00:00:04自从 AI 进入主流视野以来，它已经开始为我们自动化处理大量任务，
00:00:08正如我们在上一段视频中看到的，Claude 已经成为了智能体编排者，这彻底改变了我们的工作流程。
00:00:12软件开发者是最早大规模采用 AI 的群体，
00:00:17因为他们的大部分工作涉及重复的代码编写，而这往往效率低下。
00:00:21如今，AI 已成为每位开发者工作流的核心部分，如果你还在用半年前的方式使用 AI，那你已经落伍了。
00:00:26针对这一现状，Anthropic 发布了一篇文章讨论软件开发的趋势。
00:00:31当我们在团队内部讨论时，我们发现这些趋势与我们的工作流深度契合，并引发了强烈共鸣。
00:00:35软件开发生命周期正在发生剧变。
00:00:40得益于 AI，曾经需要数周或数月才能完成的周期，现在只需几小时。
00:00:46传统的开发周期是这样的：
00:00:51数周的规划与设计、实施与测试、评审，然后循环往复。
00:00:56但在 AI 时代，这一切都变了。现在你只需表达意图，智能体就会生成实现方案。
00:01:01人类仍需参与的部分仅剩下“评审”和“表达意图”，
00:01:05其余部分全由 AI 智能体处理。这完全改变了“工程”的定义。
00:01:11软件开发不再意味着编写代码，而是意味着编排编写代码的智能体、提供战略方向并确保系统按预期运行。
00:01:16甚至入职培训的时间也从数周缩短至几小时。
00:01:21AI 可以探索代码库并让新成员立即上手。现在，
00:01:26随着我们的焦点转向指导智能体，每个人都在成为全栈工程师，而不再局限于单一领域的专家。
00:01:30工程师只需具备基础的技术栈知识即可开展工作，AI 会填补他们知识储备的空白。
00:01:35这实现了更紧密的反馈循环和更快的学习速度。
00:01:40数周的跨团队协作现在只需一次工作会议就能搞定。这完全印证了 Linear 首席执行官在其文章中的预测：
00:01:45软件工作流的中间环节已被 AI 取代。
00:01:50如果你仍把时间花在中间阶段，那你就是在逆流而行。
00:01:55这又回到了我们一直强调的原则：你必须在规划阶段保持高效，并清晰地表达你的意图。
00:01:59现在最重要的技能是“清晰度”，即精确描述需求并引导智能体交付最佳产品的能力。
00:02:05在继续之前，Team AI Labs 将参加在卡塔尔多哈举行的 2026 年网络峰会（Web Summit 2026）。
00:02:10如果你正准备参加或就在附近，这是你与我们团队见面、交流并相互学习的好机会。
00:02:16期待在那儿见到你。我们已经从单一智能体进化到了多智能体系统。
00:02:20我们在之前的视频中提到过，Claude Code 现在已经在其产品中实现了多智能体架构。
00:02:26早期的结构是使用单一智能体处理开发，它只有一个上下文窗口，并独立管理所有任务。
00:02:31问题在于单一上下文窗口很快就会变得臃肿，因为其工作内存中的信息过多，导致它失去焦点。
00:02:36现在有了一个编排智能体，它像项目经理一样将任务分配给专家智能体。
00:02:41每个智能体都有自己的上下文窗口，然后整合输出结果以生成最终产物。
00:02:46尽管 Claude 能自动处理智能体的生成和管理，我们也会针对特定任务创建专属智能体。
00:02:51我们使用这些智能体是因为它们是根据我们的偏好定制的，根据任务难度选用不同的 Claude 模型，并包含引导指令。
00:02:56子智能体变得更出色了，因为你现在可以让它们在后台运行，
00:03:00同时处理应用程序的不同方面，从而加速整个进程。
00:03:06长程运行的智能体将变得更加强大。
00:03:10智能体已从构建单一功能进化到能够独立构建完整的系统。
00:03:15这种趋势在 2025 年底开始显现，自 Opus 4.5 和 GPT 5.2 等模型发布以来尤为明显。
00:03:18到 2026 年，智能体将能够在极少人工干预的情况下连续工作数天。
00:03:24以前，智能体只能处理应用程序的一小部分；现在，它们能构建并测试整个应用和系统，
00:03:28并在进入下一个功能前验证系统是否运行正常。
00:03:35我们专门做了一段视频讲解如何让长程运行系统更高效，你可以在频道中查看。
00:03:41有了合适的工具和工作流，智能体能够大规模地规划、迭代并从失败中恢复。
00:03:46这改变了开发的经济模式。在大公司中，软件积累了多年无人问津的技术债。
00:03:50现在，智能体可以主动处理这些积压任务。这也为创业者开辟了道路。
00:03:55以前，主要的困难在于技能差距和时间成本。人们有想法，但缺乏资源去实现。
00:04:00有了自主智能体，初创公司现在可以在几天内构建并部署产品。
00:04:04我们也为自己的任务使用长程运行智能体。我们的长程任务工作流使用包含指令的 Claude.md 文件。
00:04:10我们引导 Claude 在每次实施后进行测试。为了确保功能完善，Claude 需要一种验证其工作的方式。
00:04:15我们在内部使用智能体进行测试，视觉测试则使用 Claude Chrome。
00:04:20一旦通过了智能体视角和视觉验证的测试，我们就会将更改提交到 Git 并附带描述性说明。
00:04:25这很重要，因为智能体有时会修改我们并未要求它们改动的代码和测试。
00:04:31Git 让我们能够轻松回滚。我们总是要求 Claude 记录所做的决策，确保提交记录整洁且随时可以发布。
00:04:36为了最大化利用时间，我们要求 Claude 将任务分解为独立的小单元，并指派智能体并行工作。
00:04:41如果你想要这个 Claude.md 和这些智能体以便在自己的项目中使用，可以在 AI Labs Pro 中找到。
00:04:46对于还不了解的人来说，这是我们最近推出的社区，你可以在那里获得即插即用的模板、提示词、所有命令和技能，
00:04:50直接应用到本视频及以往视频涉及的项目中。
00:04:56如果你觉得我们的内容有价值并想支持本频道，这是最好的方式。链接在描述栏中。
00:05:01人类的监管正在通过智能协作实现规模化扩展。
00:05:06随着智能体变得越来越强大，它们审核输出的速度比我们快得多。
00:05:11面对模型产出的大规模输出，我们无法像智能体那样快速审核，
00:05:16因此我们依靠它们来进行各种评审，如安全漏洞、架构一致性和质量问题。
00:05:21梳理一段不是自己写的代码是很耗神的，现在智能体可以代劳。
00:05:25智能体也学会了请求帮助。它们不再盲目尝试任务，而是知道何时需要人工输入，并作为团队成员提出问题。
00:05:30我们的团队已经在 Claude 身上观察到了这种模式。当我们指出输出效果不佳时，
00:05:35它会询问具体是哪些地方不符合预期，以及它该如何改进。
00:05:40监管的重心正在从“审核一切”转向“审核关键点”。我们只需要评审可能出现问题的例外情况。
00:05:45这也回应了关于 AI 是否会取代开发者的问题。尽管 AI 能力在扩展，人类的核心角色依然稳固。
00:05:50主要的转变在于从编写代码变为评审代码和引导 AI 输出。
00:05:55一位 Anthropic 工程师曾说，使用 AI 的最佳实践是在你清楚正确答案应该是什么样子的时候去使用它。
00:06:00那些知道答案的人，是拥有真实软件工程经验、通过刻苦学习掌握了编程概念的人。
00:06:05那你怎么知道正确答案呢？当你了解针对不同目的该选用哪种方法时就知道了。
00:06:10例如，在测试方面你需要使用特定的方法。我们已经向你展示过如何使用测试驱动开发（TDD）、白盒测试和黑盒测试。
00:06:15我们还介绍了使用 Claude Chrome 扩展和 Puppeteer MCP 等工具进行视觉测试。
00:06:20此外，如果你喜欢我们的内容，请考虑点击“Hype”按钮，这能帮助我们创作更多此类内容并触达更多观众。
00:06:26代理式编码（Agentic coding）正在向我们从未见过的领域和用户群体扩张。
00:06:30在 2025 年初，AI 编码主要对流行框架有效，而对于使用过时语言或冷门框架的系统往往表现挣扎。
00:06:36这就是为什么表现最好的应用通常是基于 React 的，因为模型主要是针对这些框架进行训练的。
00:06:41到 2026 年，代理式编码将扩展到传统开发工具无法触及的语境，
00:06:46包括对 COBOL、FORTRAN 等老旧语言和其他领域特定语言的支持。
00:06:50这将使维护旧系统变得更容易，因为不再需要翻阅那些尘封的旧文档。
00:06:56AI 降低了开发门槛，为网络安全、运维和数据科学等领域的非传统开发者打开了大门。
00:07:01co-work 的发布已经预示了这一方向的进展。写代码的人和不写代码的人之间的界限正随着 AI 的进步而变得模糊。
00:07:06例如，安全团队的成员可以使用 AI 来理解陌生的代码以便发现问题。
00:07:12研究团队一直在使用它为他们的数据构建前端可视化，而非技术员工已经开始在网络连接和数据分析等陌生领域使用 AI。
00:07:17这正是我们团队已经在做的事情。我们的一位成员不熟悉 Golang，但被分配了开发聊天应用后端的任务。
00:07:23他们开启了“规划模式”，通过回答关于应用的问题生成了完整计划。Claude 一次性构建了整个服务器，运行效果完全符合预期。
00:07:28这避免了为了完成单一任务而浪费时间学习一门新语言的麻烦。
00:07:32生产力的提升将重塑软件开发的经济版图。
00:07:38我们已经提到过，由于智能体处理了困难部分，时间线已被极大地压缩。
00:07:44智能体能力、编排改进和人类经验这三个因素相互强化。它们共同压缩了时间线，改变了项目的可行性。
00:07:48曾经被认为难度太大的项目现在变得可行，让产品能够更快投入市场。
00:07:53智能体帮助团队以更少的人力运作。项目周期更短，让我们的投资回报速度更快。
00:07:58过去需要很长时间构建的功能，现在可以在极短的时间内完成。但在继续之前，先听听我们赞助商 Luma AI 的介绍。
00:08:03如果你以前折腾过 AI 视频，你一定知道那种挫败感。那通常感觉像是在玩老虎机。
00:08:08但 Luma AI 的新模型 Ray3Modify 确实改变了游戏规则，它提供了开发者梦寐以求的修改功能。
00:08:13现在你不再是写完提示词后只能听天由命，而是可以拿一段视频进行彻底重绘，
00:08:18更换环境或光影，同时完全保留原有的动作和物理规律。它尊重你的输入数据，
00:08:24而不是生成随机噪声。这种“视频到视频”的技术能保持结构完整性。
00:08:28再加上角色参考功能，你终于可以让主体在不同镜头中保持一致，这在以前几乎是不可能的。
00:08:33这是 AI 视频首次感觉像是一个可控的工具，而不仅仅是个玩具。
00:08:38让小成本制作呈现出大片感。扫描屏幕上的二维码，或点击置顶评论中的链接，今天就在 Dream Machine 中试用 Ray3。
00:08:43整个组织中非技术用例的数量正在大幅增加。
00:08:48销售、市场、法律和运营团队现在可以使用 AI 编码来自动化工作流并构建工具，无需任何工程团队的支持。
00:08:53AI 智能体可以在他们的指导下直接运行并开发系统。
00:08:58拥有领域专长并深谙所面临问题的人，可以利用智能体自主启动解决方案。
00:09:03例如，会计或其他部门的员工比任何人都更了解自己面临的问题。
00:09:08他们可以指导智能体，无需等待开发团队就能获得可行的解决方案。
00:09:12我们的团队已经将 Claude 应用于工作流中。我们使用 Claude code 自动化处理了文档、构思和调研等枯燥的非开发工作，
00:09:17让我们能专注于工作中更有趣、更有创意的部分。
00:09:22代理式编码提升了安全性防御，但也带来了攻击性用途。安全与 AI 是一把双刃剑。
00:09:26能帮你理清代码库和辅助入职的 AI，同样也有能力利用其漏洞。
00:09:33安全知识不再局限于安全工程师。任何工程师都可以担任安全评审员，负责系统的加固和监控。
00:09:37由于安全工程师是领域专家，仍然需要咨询他们的意见。但将 AI 与他们的知识结合，构建、加固和保障应用安全变得更容易。
00:09:42在安全工程师保卫应用的同时，也会出现攻击性用例。去年，我们目睹了一场使用 Claude code 及其工具发起的协同攻击。
00:09:47这意味着代理能力将演变出新型攻击方式，比以往任何时候都更智能、更具杀伤力。
00:09:52保障系统安全将变得至关重要，工程师需要从一开始就关注安全。
00:09:57AI 智能体将在网络防御系统中扮演日益重要的角色，从而实现与攻击速度相匹配的响应。
00:10:01我们需要在攻击发生前做好准备。我们也预见到零日攻击会增加，这使得前瞻性的准备工作更加重要。
00:10:07当我们团队创建应用时，会使用专门的智能体来处理安全问题。这些智能体负责代码审计、测试和服务器端安全（即我们控制访问的层面）。
00:10:12根据应用的不同，可以通过内置技能、可重用的构建命令或外部 MCP 工具等不同组合来确保应用安全。
00:10:18最好使用像 CodeRabbit 这样的外部工具，因为它们专为及早捕捉已知的漏洞模式而设计。
00:10:24本视频到此结束。如果你想支持本频道并帮助我们持续创作此类视频，欢迎加入 AI Labs Pro。
00:10:29一如既往，感谢观看，我们下期再见。
00:10:34in accounting or other departments understands the problems they face better than anyone else.
00:10:39They can instruct agents and have a working solution without waiting for dev team. Our team has already
00:10:44been using Claude in our workflow. We automated the boring non-development work like documentation,
00:10:49ideation and research by using Claude code, letting us focus on the interesting and creative part of
00:10:55our work. Agenda coding improves security defenses and offensive uses. Security and AI are a double
00:11:00edged sword. The same AI that can navigate your code base and help with onboarding is also capable
00:11:06of exploiting its vulnerabilities. Security knowledge is not limited to security engineers.
00:11:10Any engineer can act as a security reviewer, handling hardening and monitoring of systems.
00:11:15Since security engineers are domain specialists, they still need to be consulted. But combining
00:11:20AI with their knowledge, it becomes easier to build, harden and secure applications. While
00:11:25security engineers can defend the applications, there will be offensive use cases too. Last year,
00:11:30we saw a coordinated attack carried out using Claude code and its tools. This means agentic
00:11:35capabilities will evolve the types of attacks we see, making them more intelligent and harmful
00:11:39than ever. Securing systems is going to become increasingly crucial and engineers will need to
00:11:44focus on security from the start. AI agents will play a growing role in cyber defense systems,
00:11:49enabling responses that match the speed of offensive attacks. We need to prepare before
00:11:53attacks happen. We also expect a rise in zero-day attacks, making proactive preparation even more
00:11:58important. When our team creates an app, we use specialized agents for security. These agents
00:12:03handle code review, testing and server-side security, the layer where we control access.
00:12:08Securing applications can be done using different combinations depending on the application,
00:12:12whether it's built-in skills, reusable commands for build purposes or tools from external MCPs.
00:12:18It is better to use an external tool like CodeRabbit because they're built to catch known
00:12:22vulnerability patterns early. That brings us to the end of this video. If you'd like to support
00:12:26the channel and help us keep making videos like this, you can do so by joining AI Labs Pro.
00:12:31As always, thank you for watching and I'll see you in the next one.