Ankur Goyal：AI 写代码越来越快，工程师更该先把“怎样算对”写清楚

导读

Agent 可以长时间并行试算法，但如果成功标准含糊，它只会更快执行错误目标。Braintrust 的 Ankur Goyal 认为，工程师应先用真实案例和可运行评测定义“怎样算对”，再让 Agent 扩大探索。团队为海量 trace 查询准备接近生产的数据，把列存格式和执行引擎组合成矩阵测试；索引读取得到改善后，又补测写入性能，发现原方案在另一侧表现很差。评测本身也可能出错：Ankur 曾让 Agent 写出混乱的三千行评估脚本，最后亲自重写，重新明确模型成本和效果应该怎样比较。他还定期请设计师审视自动评分漏掉的体验问题，再把具体判断写回规则；人工品味负责发现尚未定义的缺口，评测守住已经认识的标准。