X 热议：Eric S. Raymond 称刻意只和 AI「聊天写代码」，不碰子 Agent、技能库和「软件工厂」，把「苦涩的教训」用在自己的工作流上

核心背景与行业痛点

2026 年的 AI 编程工具越来越「重」：子 Agent、技能库、多 Agent 编排、通宵运行的「软件工厂」层出不穷，本站也报道过 Coinbase CEO Brian Armstrong 的「AI 幕僚长」工作流。很多开发者因此焦虑：不搭一整套系统是不是就落伍了？开源运动代表人物 Eric S. Raymond（ESR）11 月 8 日的长帖给出了相反答案，引发大量转发。

架构亮点与底层机制

ESR 的做法几乎没有「架构」：一个对话窗口，让模型分析代码、生成代码，人来判断。他的论证分两步：一是各种复杂流程本质上是在弥补前沿模型「还不够聪明」；二是模型一直在变强。两者都成立的话，花脑力维护「半衰期很短」的流程就不划算，不如专注真正的问题。他把这称为对自己工作流应用 Rich Sutton 2019 年的「苦涩的教训」：长期看，依靠算力扩展的通用方法总会胜过人工设计的技巧。

权威 Benchmark 与实测跑分对比

这是观点讨论，ESR 没有给出量化对比，「没有损失效率」是他的个人感受。可作参照的是本站此前报道的 Garry Tan 开源 harness 评测：7 套配置跑同样 20 道题，通过率集中在 71%–79%，差别主要在成本和速度。反方 Aaron Levie 认为 Agent 集群能把效率提升从「20%–50%」推到「没有明确上限」，同样未给出实测数据。

开发者实战落地与开箱指南

可以把这场争论当作一次自检：先用最简单的对话方式完成手头任务，记下哪些环节真的反复卡住，再针对这些环节加子 Agent 或自动化，而不是一开始就搭工厂。模型每 3–6 个月明显升级一次，定期回头测试，删掉已被模型能力覆盖的流程。对需要大规模并行的场景，比如大批量代码审查、安全扫描，多 Agent 依然有明显价值。