← 返回 Siami 首頁

Dan Luu 主張:AI 之後軟體的野心門檻大降,門檻掉了野心就該跟上

▲ 707 💬 645
Dan Luu 主張:AI 之後軟體的野心門檻大降,門檻掉了野心就該跟上

編按:本文綜合整理自 Dan Luu 部落格原文、Hacker News 討論串(707 分、645 則回覆)、Lobsters 討論串、pgrust 官方部落格、pgrust GitHub 原始碼倉庫、Anthropic〈Redesigning source control〉、vonng 的 pgrust 分析、zxc blog 的 regression test 與 fuzzing 分析、作者另一篇〈There’s no reason for software to be slow anymore〉 與 作者在 X 上的原始貼文,並加入 Siami 編輯部觀點與分析。

2026 年 10 月 25 日凌晨,前 Google 與 Facebook 工程師、知名效能工程師 Dan Luu 在自己的部落格發表長文〈We should be more ambitious with the software we build〉。到 10 月 26 日為止,這篇文章在 Hacker News 累積 707 分、645 則回覆,在 Lobsters 也另開一輪討論。同一週 Siami 已經發過 Goose 程式語言與 Cerebras 萬億參數部署,這篇則是把「AI 到底改變了什麼」講得最直接的一次。

文章的標題靈感來自 Michael Malis。Malis 是 pgrust 專案的作者,正在用 Rust 加 AI coding agents 從頭重寫 PostgreSQL。他平常跟 Luu 聊天時會隨口說「軟體該寫得更有野心」,Luu 覺得這句話值得寫成一篇文章。

核心主張:門檻塌了,野心卻沒跟上

Luu 的觀察起點是一個很具體的場景。他聽到 OpenAI 要用 Cerebras 跑自家最強模型時,先去檢視自己電腦上時間到底花在哪裡——結果是 ripgrep、編譯 Rust、以及 syscall 與檔案系統的額外开销。這些在模型還不夠快的時候只是偶爾惱人的瓶頸,模型一旦快上 10 倍到 100 倍,它們就變成真正的瓶頸。

關鍵在於,這些問題的解法在五年前不是「做不到」,而是「不值得做」。Luu 寫得很直白:十年前會因為編譯器太慢而動手改寫編譯器的人,跟「想獨立遊戲時就開始寫 3D 引擎」的人是同一種人,也就是永遠做不出東西的那種人。

「這些問題之所以還存在,是因為大家心裡還帶著一套 agent 時代之前的成本模型。」

於是現在成本模型換掉了。Luu 舉了自己用 AI 做出來的三個東西:

  • 一個 regex 引擎(danluu/fre),可以針對自己特定的工作負載調校得比通用 regex 函式庫更快。作者在說明中特別註明,它是 LLM 生成、幾乎沒有人類介入,並且因為過度擬合 BurntSushi’s rebar 基準測試而還不夠通用。
  • 一個 ripgrep fork,借用上述 regex 引擎的原生程式碼編譯器,在特定負載下比原版快。
  • 一個 Rust interpreter,讓冷編譯快了約 50 倍、熱編譯快約 2 倍。

這三個專案放在五年前,需要至少一年才能達到「自己能用」的品質。現在是個位數小時。


pgrust:一個真的被做出來的案例

Luu 之所以敢下這個結論,是因為 pgrust 是一個已經落地、而且有第三方驗證過的案例。

pgrust 是 Michael Malis 從零重寫的 PostgreSQL,官方定位是「展示如果 PostgreSQL 在 2026 年被重寫會是什麼樣子」。根據 Better Stack 的整理,它由 8 個平行的 AI coding agents 協作完成,是一個 wire-compatible 的 Rust 實作。從 vonng 的分析可得知,一個人搭配 AI 在 13 天內產生了 240 萬行 Rust 程式碼。

里程碑的時間軸大致如下:

  • 4 月 20 日:Malis 公布〈Rebuilding Postgres in Rust with AI〉,當時約 25 萬行 Rust,約通過三分之一 的 regression test suite,並已能從 parser 一路跑到瀏覽器 demo。
  • 6 月 25 日:官方宣布通過全部 46,066 條 PostgreSQL regression test queries。
  • 7 月:公布 ClickBench 成績——在分析型負載上比 Postgres 18.3 快約 300 倍,比 ClickHouse 快 18%。
  • 10 月:Luu 撰文時,版本已推進到 0.4-beta。

不過 Luu 特別點出,pgrust 真正有價值的部分可能不是速度,而是它反向替 PostgreSQL 找出的真實 bug。他列舉了幾個:會讓合法 SP-GiST 運算失敗的數值 bug、會讓 JSONPath 回傳錯誤結果的 format cache bug、會讓後續運算失敗的 pgcrypto bug、dictionary loader 裡多個記憶體安全問題,以及一個金額溢位 bug。

這意味著即使 pgrust 最終失敗,這些提交給 PostgreSQL 上游的修正仍然是有效產出。

Luu 對 Malis 的信任也不是憑空而來。他在 Discord 裡找到 Malis 對「能不能拿 pgrust 當正式資料庫」的回答:「我不會建議今天就把它當主要正式資料庫用。」 他也坦言 pgrust 的 new query engine 在某些負載上比 Postgres 慢,並公開列出自己正在追的問題。這與常見的新資料庫創業者行徑明顯不同。

爭議也真實存在:ClickBench 那件事

Luu 在文末主動處理了 pgrust 最難看的一段:ClickBench 提交引發的作弊指控。

他的結論是,關於「暗中動手腳」的指控看起來不成立,但「提交 preview 版本為時過早」這件事 Malis 確實承認了。他同時預言,這種爭議會被記很多年,因為幾乎沒有人會回頭查實際發生過什麼,大家只會不斷重複那些基於氛圍的錯誤說法。

留言區則把透明度問題逼到了牆角。有網友指出 pgrust 第一個 commit 就有 40 萬個檔案,後續兩個 commit 各超過 1000 個檔案,squashed mega commit 根本不利於外部稽核;HN 上有人在等 0.4-preview 的原始碼釋出,而專案方提供的是 0.4-beta 版本的程式碼。

另一個被反覆提到的技術細節,來自 Malis 本人在留言區的回覆。他說 pgrust 的驗證一路從 Kani 換到 Lean,做法是自己寫了一個編譯器把 C 與 Rust 一起編譯成 Lean,再讓 LLM 寫出兩者行為等價的證明,目前已完成約 7 萬行 C 程式碼的等價性證明。瓶頸是每個增量證明所需的 context 持續膨脹,導致速度大幅下降,他推測證明一行程式碼的時間大概是 O(n²)。


作者的另一層觀察:能力增長比資訊傳播快

Luu 引用了 Thomas Ptacek 的框架:過去一年在科技業的體感像是 100 年同時發生;AI 撞到的每一道牆都在一個月內崩塌。

他特別提到一個「資訊梯度」現象。當模型能力從 2024 年秋天到 2026 年秋天提升這麼多,多數人卻完全沒有意識到——因為他們只看搜尋結果上方的 Google AI 摘要,或是微軟某個套件裡內建的 Copilot。實驗室以外真正知道最頂尖生產者正在做什麼的人,是少數。

留言區一位網友 danbruc 對這點提出尖銳追問,要求提供具體例子:什麼事情是語言模型十秒能做到、而人類花一年半做不到的?另一位的回應是把「十萬倍的加速」換算成時間帳:假設一年 220 個工作天、每天 8 小時,一千倍加速等於人類要花 500 年。

Luu 自己對這題的答案其實就在文末附錄裡。他提到用 GPT-5.6 Sol 與 GPT-6 Astra 重做 zstd 實作的評測:6 Astra 在所有條件下通過全部註冊測試的成功率超過 99%,連會明顯拖慢效能的 TDD 條件也一樣,而且更便宜——實作一個 zstd 大約只花 1 美元。他另外用 IMAP RFC 與 Pandoc 這類需要讀寫多種格式的東西測試,前者是 5.6 Sol 做不到的。

同時他也提出反面觀察:模型越強,「能自己驗證的東西」與「模型能實作的東西」之間的落差反而越大。他用 Max Bittker 的說法比喻——模型非常擅長仿造,而分辨仿造品與真品的專業門檻,正隨著模型進步一起升高。

反方意見:多數人應該「少一點野心」

這篇文章最有價值的部分,是 Luu 把反對意見原封不動地放進了附錄。

留言者 Yossi Kreinin(Rust 核心貢獻者之一)同意發表後會另寫一篇回應,核心主張是:對大多數人來說,用 AI 寫軟體時應該「少一點野心」,否則會遭遇彻底的失敗。 他的理由是很多問題本來就不適合 agentic loop——因為沒有明確的 pass/fail 準則;就算有,多數人也很難推理那些巨大的黑盒子。這有點像微服務:有些人既需要它也很會用,但對大多數人來說,是用不上去的。

他還補上性能那一側的警告:用 AI 加速某個流程,通常會加上一堆對測試案例過度擬合的程式碼,既無法在效能上推廣到其他用例,未來改動時也難以維護。「如果老闆認為軟體沒有理由這麼慢,然後推動團隊用 AI 亂加最佳化……快跑。」

Luu 的回應沒有迴避這點。他先引用 Amdahl’s law:有些事情被加速一百萬倍以上,有些則完全沒被加速;如果你只是把五年前的做法照搬、只是加上 AI,整體加速幅度其實很有限。但一般情況下,你可以自己選擇要加速什麼,而值得做的事往往正是過去太貴而沒人做的事。

接著他提出自己的解法思路:建立某種自我檢查的系統。他舉了兩個具體例子:

  • Guards of Atlantis 2(一款規則本身是矛盾英文的桌遊)。他做了一組規則之間的一致性檢查,逼近正確規則集,成本是兩到三個月、每月 200 美元的 OpenAI 訂閱——比坐下來自己寫一份乾淨規格書還便宜。
  • Fuzzing 與 property-based testing。在 coding agents 出現之前,這兩項技術對多數領域都不被看好;但實測下來,在他嘗試過的所有「別人說不適用」的領域裡都還好使。

留言區的另外幾種聲音

645 則回覆裡,除了贊同與反對之外,還有幾條特別值得記錄。

Karrot_Kream 提供了一個非常具體的失敗案例:用 Opus 5.5 跑 autoresearch 迴圈找出一個內部模型服務的瓶頸是 CPU 在分詞上搶資源,模型第一版修法是開多個 Python 行程外加 Python 寫的負載平衡器,理由是「haproxy 是額外依賴、Python 的開銷可忽略」。實測結果 haproxy 遠勝。但那個 Python 方案也不是完全沒用——它確實比原本 CPU 瓶頸的實作吞吐量更高。

nevertoolate 則直接質疑 pgrust 這個典範本身:難道每位開發者都要寫一份自己的 PostgreSQL 來證明自己是夠格的開發者?它展示的是「一個 300 萬行的單一 commit、完全沒有架構討論、沒有留下經驗教訓、Claude 是最大貢獻者」,這讓人很難把它跟任何東西連結起來。

Lerc 的指控更精準:先認為某東西大概很爛所以懶得看,是一回事;先認為某東西大概很爐、於是告訴所有人它很爐而根本不去查,是完全不同的事。

keybored 則主張 AI 最大的問題是「石器時代工程」——明明有一門了不起的技術,卻把它用在產生程式碼這種最笨最原始的目標上;真正該做的是形式化驗證、可讀性極高的參考實作,以及把過去因為太貴而不可行的路線重新走一遍。

也有網友給出完全不同的方向。thepoet 分享自己做了一個 Kobo 電子書閱讀器的 SDK 與 app(BandarLabs/Cobalt),包含沙箱、權限模型、自動更新與共用能力。apatheticonion 則用 Rust 原生 GUI API 寫了一個桌面 harness(alshlabs/quill),後端嵌 Goose harness,UI 用 Zed 編輯器的框架,理由是「Claude、Codex、Opencode 全部都是 Electron」。

wccrawford 的立場算是折衷派:「AI 浪潮裡那一大批垃圾,正是來自那些『現在更有野心』的人。」他表示自己的野心比較節制——把擱置了幾十年的專案重新做,只是寫得比過去快、也許更好。

為什麼這件事重要

第一,軟體的「最小可行規模」被整個拉低了。 過去一個人做不出來的東西,現在一個懂某個領域但不做過那門技術的人可能一個週末就能做出可用版本。留言區 crazygringo 的說法最能說明這件事:他沒有機器學習背景,卻在十秒內拿到調整既有開源模型的可行做法與完整指令,自己摸索可能要一年。過去「我得先學會這門技術才能動手」這道閘門,正在從必要條件變成可選項。

第二,門檻下降不等於品質自動提升,兩者之間有一個巨大的空白地帶。 這正是 Yossi Kreinin 與 wccrawford 抓住的地方。門檻降低帶來的是「做出來」的數量暴增,但缺乏 pass/fail 準則的領域裡,agentic loop 會不斷生產看似合理的垃圾。Luu 自己也描述了一個副作用:他能看見的 bug 比以前多得多——「最近打開某大型 AI 實驗室的網頁聊天功能,一分鐘內就撞到十幾個 bug」。

第三,這已經不是個人玩家的遊戲。 Anthropic 官方在 10 月 13 日發表〈Redesigning source control〉,記載一個 7 人團隊、5 個月建成了取代 Git 的單體倉庫原始碼管理系統 Scion 與程式碼審查工具 Antique,並完成全公司遷移;背景是 Claude 讓每日 merge 數量衝上 3 萬筆,Git 撐不住了。同一篇文章還提到,OpenAI 花費超過 100 億美元取得 Cerebras 的使用權,同時擋下 Anthropic 取得同等資源。個體開發者能做的項目規模,正被 AI 實驗室的資源量級甩開——這是「更有野心」這句話的另一個面向。

第四,對台灣與華文讀者而言,這是行動訊號而非只在看熱鬧。 過去「做一個真正好用的工具」之所以少,是因為回報不成比例——一個正則引擎、一個 ripgrep fork、一個樹莓派週邊的讀卡器 App,都不夠格養活一個團隊,卻要耗掉業餘時間三個月。當這個成本降到個位數小時,門檻下的「長尾工具」會大量湧現。真正的機會不在於跟別人比賽誰的模型最強,而在於那些一直存在、卻因為「不划算」而沒人做的需求。

數據解讀:這些數字該怎麼讀

「13 天 240 萬行」不等於「13 天完成一個資料庫」。 這是轉譯與重寫的成本,不是設計與驗證的成本。240 萬行 Rust 大部分是從既有 C 程式碼機械式轉譯而來;真正困難的是語意等價性證明、邊界情況、以及跨子系統的一致性——這也是 Malis 自己在留言區承認瓶頸所在。另外 pgrust 的 regression test 是「通過既有測試」,而 zxc blog 的分析正好對照指出:通過 regression tests 與通過 fuzzing 是兩件事——fuzzing 找出來的是 regression test 覆蓋不到的路徑。

「300 倍」要看負載類型。 那組數字是針對大型 OLAP 型分析負載,而且 pgrust 自己承認新 query engine 在快速查詢上有明顯退步,複雜查詢也還不支援。用單一數字代表整體效能,是這類 benchmark 最容易被行銷的地方。

「50 倍冷編譯加速」有明確前提。 Luu 自己寫得很清楚:冷編譯改善巨大、熱編譯只有 2 倍,而且他受限於不想分叉 Rust 編譯器前端。另外在留言區,vishvananda 說自己的 C++ 編譯器比 gcc 快約 7 倍,但也主動列出前提:只支援 C++11、只有 x86、可能有 bug。任何「N 倍加速」的數字都應該先問三個問題:範圍多大、有哪些前提、誰的基準。

「一天 3 萬筆 merge」是產量指標,不是品質指標。 這正是 Luu 全篇要處理的張力。他引用了一位朋友的說法:模型很會仿造,而分辨仿造品與真品所需的專業門檻,正隨著模型進步一起升高。merge 數暴增的同時,審查的單位成本若沒有同步下降,累積風險只會往上。

延伸:還有哪些人在做同一件事

Luu 在文末附錄裡列了一批他身邊「用業餘時間做出來」的專案,包含 David Turner 為 podcast 做的 skipper、Dennis Snell 提到的那些_side projects_,以及其他他說自己大概只提過百分之一的部分。

另一個值得記錄的案例來自 Azul 桌遊。Luu 提到自己用 GPT-5.1/5.2、在完全沒有 AI 領域背景的情況下,花約 5 小時做出超人類的 AI,花約 20 小時做出當時看起來最強的版本——比那個在 Board Game Arena 上作弊的 AI 還強。Gabriel Cangussu 後來做出一個能擊敗 Luu 那一版的 AI,而且依 Luu 觀察,花的時間明顯更少。關鍵差異在於模型版本:Fable 5.1 與 Opus 5.5 對棋類 AI 的理解遠勝 GPT-5.1/5.2——「模型給的每個建議幾乎都是錯的,只能不停修正才能讓它接近合理」。

Luu 也提到,他預言線上博弈的作弊增加會成真,後來果然發生:Azul 上季前十名有三人是作弊者,包含冠軍。

結語

Luu 自己的措辭其實很克制。他說,如果由他來寫,標題會是「we can be more ambitious」而不是「we should」——should 與 can 的差別,他解釋是因為那是 Malis 聊天時的用語。但對兩者他都同意:能力已經前進到讓很多以前不可能的專案變成可能。

文章最後一段的自白同樣值得注意。Luu 說自己正在嘗試半小時寫出一篇文的節奏,幾乎不檢查,這代表文章裡很多專案他只做了滿足好奇心的快速比較,沒有嚴謹的基準測試,裡面有二十到三十件他想做但還沒做的事。他也說,那個 Rust interpreter 他根本還沒寫成文章——因為「太容易做了,難怪不久前還會被視為很有趣的事」。

這篇文章真正的價值,不在於它提出的「要更有野心」這句話,而在於它把野心拆成了可以執行的條件:有明確的自我檢查機制、有嚴謹的基準測試、有一顆能分辨仿造品與真品的心,以及願意先花時間做對、再花時間做快的順序。門檻確實塌了,但塌掉的是「做出來」的門檻,不是「做對」的門檻——後者從來都在。

Dan Luu 的完整論述,收錄在 danluu.com/ambitious;延伸閱讀他另一篇〈There’s no reason for software to be slow anymore〉,以及 pgrust 專案的 官方部落格 與 GitHub 倉庫。

網友熱門留言 (6)

#1 Hacker News 網友 nevertoolate 0
pgrust 確實很有野心,但要每一位開發者都去寫一份自己的 PostgreSQL 來證明自己是夠格的開發者嗎?這個專案宣稱要「展示如果 PostgreSQL 在 2026 年被重寫會是什麼樣子」。它確實展示了那些特徵:一個 300 萬行的單一 commit、完全沒有架構層面的討論、沒有留下任何經驗教訓、Claude 是最大的貢獻者,還有一堆人在寫情緒化的文章說明為什麼這類專案是好的。這讓人很難把這件事跟其他東西連結起來。我以前很喜歡 danluu 的文章,但不知從什麼時候開始,它們慢慢漂進了一個我只是想逃開的、難以理解又難以反駁的淺薄世界。
#2 Hacker News 網友 crazygringo 0
最近為了讓一個 app 能以特定方式運作,需要調整一個既有的開源機器學習模型,而完全沒有機器學習背景。Claude 找到了可行的做法,甚至連需要執行的那串很長的 Python 指令都給好了,總共大概十秒。如果要靠自己去弄懂,我大概得花上一年去研究整個機器學習與 Python 生態系的相關部分。這裡的差別是:模型寫程式比我快 20 倍是一回事;但它能在我一无所知的領域裡造出東西來,又是另一回事——那是我得花一年甚至更多才能成為專家的領域。不過我還是有辦法驗證它的結果,所以不需要成為專家也能判斷品質與適用性。只要最終產物能運作,它就能運作。同樣地,模型也曾給出我如果自己重新推導,可能得回頭苦學一年數學才推導得出來的公式,但對已知測試案例來說,驗證正確與否非常直接。所以要說出什麼倍數增益,這件事在某種程度上根本就算不清了。或許乾脆說是無限大算了,因為這些是很薄的東西。
#3 Hacker News 網友 Karrot_Kream 0
用 Opus 5.5 以類似 autoresearch 的迴圈跑出結論,發現公司內部服務的語言模型瓶頸其實是 CPU 在分詞上互相搶資源。第一版修法建議是開多個 Python 行程、再用 Python 寫一個負載平衡器。問它為什麼不用 haproxy,它說 haproxy 是額外依賴,而且這種規模的 Python 開銷可以忽略。那時就覺得不對勁但還是想驗證,於是讓它平行跑了兩個實驗。結果 haproxy 在 HTTP 負載平衡上的表現遠勝 Python 程式碼。這種事如果你不熟網路程式設計,模型很容易自動駛向壞決定,做出那種「驗證上是正確的」(吞吐量確實高於原本 CPU 瓶頸的實作)但離最佳實務還差很遠的選擇。
#4 Hacker News 網友 smikhanov 0
作者刻意沒有寫日期,所以讀這篇文章最好的方式,是把它當成某個人對 Borland 發表 TurboPascal 的反應。對啊,那就放手去有野心吧!或者既然文章提到 AI,這大概是他版本的『接下來是 PC 革命』之類的反應。值得注意的是,他自己也在文末的附錄裡承認了這件事的反面——有個反方意見直接寫道:多數人用 AI 寫軟體時應該少一點野心,否則會遭遇彻底的失敗。
#5 Hacker News 網友 Lerc 0
關於 pgrust 的每一則討論我總能理解那種預設它品質低落、半吊子的預期,我對這點本身沒有問題,外面確實有大量垃圾。但真正讓我覺得冒犯的,是有人還沒好好看過就公開宣判它品質低劣、半吊子。先認為某東西大概很爛、所以懶得看,是一回事;先認為某東西大概很爛、於是告訴所有人它很爛而根本不去查,是完全不同的兩回事。
#6 Hacker News 網友 keybored 0
AI 帶來大量困擾的一個原因是,它把最先進的技術用在了最笨、最原始的目標上,也就是產生程式碼。這點稱為『石器時代工程』。明明有一門了不起的技術,但周圍的一切都配不上它。所以當然應該更有野心:應該去思考形式化驗證與超人等級的測試與查核,應該做一個可讀性極高、但未必高效能的參考實作,與真正投入使用的調校版函式庫並排測試。應該把每一條過去因為時間與金錢成本而不可行的路線重新想一遍——那些連財務獨立的開源專案都不會去想的做法——然後思考新的成本結構是否負擔得起。