Satya Nadella:当代码变便宜,验证成为难题

原标题Satya Nadella: When Code Is Cheap, Verification Becomes the Work

Microsoft 首席执行官认为,随着编码智能体改变软件构建方式,团队需要更强的验证能力和对 AI 系统的控制权。

SNSatya Nadella嘉宾 · Microsoft
频道
The Pragmatic Engineer
发布
2026年11月16日
视频
1:03:39
阅读
13 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

Microsoft 首席执行官 Satya Nadella 说,随着 AI 降低代码生成成本,明确意图和验证结果变得更难。他介绍了团队如何把失败转化为测试、使用不同模型进行审查,并将生产追踪数据带回修复流程。他还认为,企业应将运行框架、上下文、模型和操作权限分离,以便更换供应商并保护自身知识。谈到招聘时,他认为初级岗位招聘放缓可能反映团队正在重组,同时承认角色变化带来的焦虑。

  1. 1模型能力跃升可能改变产品形态Nadella 说,从自动补全到智能体模式,再到命令行编码,说明 AI 产品团队必须准备好围绕新的模型能力重建产品。
  2. 2代码变便宜后,验证成了难题他强调要把失败转化为测试用例,并检查生成的修复是否真正有效,而不能把大量生成代码当作成功。
  3. 3规格说明和文档化上下文成为软件工厂的输入Nadella 说,团队需要明确意图、可验证的小任务和审查步骤。完善的文档也能帮助新工程师更容易地熟悉代码库。
  4. 4现有产品需要分阶段转型,而不是从零建设工厂他以 Windows 漏洞修复和 GitHub 扩容为例,说明在现有构建、存储和交付系统中实施改变,需要投入并仔细安排先后顺序。
  5. 5初级招聘放缓可能反映团队正在重组Nadella 说,团队正在围绕新工作流重新配置,不能把一年的招聘情况视为已经确定的长期趋势。
  6. 6让上下文、运行框架和模型保持可替换他认为企业应掌握自己的学习循环,并通过私有评估检验其他模型能否实现所需结果。
  7. 7将智能体的智能与行动权限分开Nadella 建议将智能体视为内部风险进行监控,并设置运行时防护和可审计记录,因为能力提高不意味着可靠性必然提高。

要点建议

  1. 把每次失败视为潜在测试,在部署前验证智能体生成的改动。
  2. 让模型选择、上下文和记忆、智能体运行框架以及操作权限能够分离。
  3. 使用企业自己的评估标准,衡量模型是否实现所需结果。
  4. Nadella 认为,应将智能体的智能与行动权限分开。
  5. 把生产追踪数据带入能够复现、修复和验证故障的循环。
  6. Nadella 建议工程师亲手学习新工作流,包括加入已经使用这些方法的团队。
全文

按章节阅读整理后的全文

只看原始文稿
01

开源与学习和社区一起构建产品

Nadella 介绍 Microsoft 的开源转变,以及 VS Code 如何让团队学习融入社区反馈。

Gergely Orosz 回忆起 2014 年 Satya Nadella 出任首席执行官时,自己正在 Microsoft 工作。他问,一家曾与闭源联系在一起的公司,为什么开始拥抱 TypeScript、VS Code 等项目,收购 GitHub 并转向 Git。

Nadella 说,Microsoft 在他出任首席执行官之前就已为 Linux 作出贡献,但公司希望明确展示其承诺:将 SQL Server 等工作负载带到 Linux、为生态贡献,并赢得开源社区的信任。他认为,外界对企业贡献的印象有时与事实不同。

Orosz 说,免费且开源的 VS Code 给开发者留下了尤其深刻的印象。Nadella 说,与社区一起构建产品是有意为之:团队学会了根据用户每天的反馈构建产品,而不只是听取管理层的方向。

02

为什么模型进步会改变开发工具

讨论从自动补全转向智能体模式和命令行编码。Nadella 还预计决策引擎将成为可复用的软件基础组件。

Orosz 指出,GitHub Copilot 很早就进入了 AI 编码领域,后来 Cursor 基于 VS Code 构建产品,Claude Code 则带来了命令行工作流。他问,当主流界面变化时,Microsoft 为什么没有立即作出回应。

Nadella 回忆说,尽管当时存在怀疑,早期代码补全的效果还是很有说服力。他的经验是,当模型能力出现非线性跃升时,AI 产品的形态可能需要迅速改变。团队应该围绕当前能力构建,同时不要对下一代模型可能淘汰的界面产生执念。

他说,Cursor 的智能体模式做得很好:开发者可以分配小任务,而不只是接受单次补全,Microsoft 随后追赶了这一模式。之后 Anthropic 的模型帮助命令行编码和更完整的任务处理变得可行;在某些工作流中,IDE 的中心地位有所减弱。

在他看来,下一种界面可能更重视规格说明、Markdown 和软件工厂的其他输入。不过,如果可以高效地将小型决策引擎嵌入软件,IDE 也可能重新发挥作用。不同的模型能力可以支持多种产品形态。

Orosz 问及决策模型,以及语言模型在可靠程序化任务中的局限。Nadella 将决策引擎看作一种新基础组件,就像宏之于电子表格:软件可以作出范围明确的决策,而不必每次都重新生成整个应用。

他以一个处理 Xbox 社区反馈的系统为例:应用需要对收到的内容作出决策。他认为,相比每次都生成代码,嵌入式组件可能更高效地完成这些决策。

Nadella 将这一愿景与关系数据库相比:一个可靠的基础组件曾让许多应用成为可能。Orosz 提议将其类比为智能时代的存储过程。两人都认为,通用代码生成之外还有新的基础组件可以探索。

03

验证与正在形成的软件工厂

生成代码使工作重点转向规格说明、审查、测试和生产反馈。Nadella 希望向已经使用这些实践的团队学习。

Nadella 说,当生成代码变便宜之后,验证就成了难题。他希望向越来越多把代码作为输出的团队学习:这个流程仍然需要特定的先后顺序,而不是不受控制地生成。

他提出把每次失败转化为测试用例,并检查测试是否真正验证了修复。他提到一次 Rust 迁移不得不回滚,说明加快生成既有好处,也有缺点。

Nadella 说,他希望有一天能再次加入实际动手的工程团队。他关注 Microsoft 的一种导师制项目,因为初级人员需要机会加入这些团队、跨过学习曲线,并观察有经验的工程师如何工作。

贴近客户、公开构建产品也仍是学习方式。Orosz 观察到,一些技术领导者退回较小的团队,以便亲身学习新工具;Nadella 同意,在快速变化期间亲手实践很重要。

被问到如何定义软件工厂时,Nadella 说自己仍在形成理解。他提到 GitHub 一名开发者维护运行时的案例,以及一个分享了开发流程的小型产品团队。

如果代码越来越多地成为输出,那么规格说明和意图就成为尤其重要的输入。设计文档和团队对齐本来就重要,新工作流让它们的作用更加明显。

一位新工程师告诉 Nadella,当软件工厂要求完善文档时,进入代码库可能更容易。智能体可以耐心回答问题,帮助新人获取原本可能只存在于员工头脑中的经验。

对于智能体编码,他主张拆分成小任务,检查工作是否真正完成,并加入审查步骤。他尤其关注使用不同模型家族进行审查,这可能发现第一组模型自身倾向带来的问题。

他认为这仍然是软件工程,只是交互层次和团队组织发生了变化。他把这种转变比作从手写汇编转向使用编译器:工程师在更高的抽象层表达意图。

另一个循环把生产环境追踪数据带回开发过程。团队可以通过日志了解故障、创建并验证修复、运行测试并部署。Nadella 看到这种端到端验证循环正在 Microsoft 各团队推广。

他介绍了一个 Azure 网络团队,该团队管理与数百家光纤运营商的关系。过去依靠邮件和临时流程完成的工作,正通过智能体运营系统与代码仓库连接起来。技术团队构建并管理结合运营与软件的系统。

04

改变现有产品和工程师角色

Windows 和 GitHub 必须在既有系统中适应变化。Nadella 认为,尽管工作流和抽象层次正在变化,专业经验仍然有用。

Orosz 问,有真实客户和成熟产品的团队,怎样才能采用这些方法,而不放下客户责任去建设新工厂。Nadella 说,工作必须为客户创造价值,并承认 Microsoft 曾因为 AI 项目看起来令人兴奋而犯过错误。

他以 Windows 的漏洞和崩溃追踪为例:AI 能发现更多漏洞,因此团队需要在现有产品中建立修复流水线。Windows 的构建系统仍然是原来的构建系统,所以这是一项既有系统改造,而不是从零开始。

随着编码智能体带来更多活动,GitHub 面临另一种扩容挑战。Nadella 说,Microsoft 正在改进 Git 协议、存储和周边基础设施。现有代码库需要逐步加固源代码管理、构建和交付系统,变更顺序很重要。

Orosz 将这种采用方式比作团队逐步添加功能时引入 React。Nadella 认为,这次变化更大:变的不只是框架,还可能包括运行时、界面、技术栈和工作顺序。下一次模型突破又可能改变这些配置。

Orosz 问,工程师如何面对自己多年掌握的部分工作正在消失。Nadella 认为,同样的深度和专业经验仍然有用,但工程师必须通过不同工具和工作流发挥它,而不是认为这些经验已经贬值。

他遇到过进入大学时就已能使用 GitHub Copilot 的毕业生,他们对这套工具链很熟悉。他也说,Microsoft 中兼具领域深度和对新工作流的好奇心的资深工程师表现出色,公司应帮助员工培养有市场价值的技能。

05

自愿离职、焦虑与初级人才招聘

Nadella 将离职方案描述为在重组期间给予员工更多自主权。他预计角色会变化,并认为现在判断长期招聘趋势还为时过早。

Orosz 直接询问 Microsoft 的自愿离职方案,以及它是否预示 AI 相关裁员。Nadella 说,未来的机会和团队配置会有所不同,并将自愿方案描述为让员工对自己的长期经济机会拥有更多自主权。

Nadella 说,Microsoft 希望员工能在公司内部找到机会,包括那些认为自己被困在没有转型的团队中的人。他无法承诺工作会一成不变,但表示公司应创造机会,帮助员工在变化中成长。

Orosz 将离职方案理解为:人们可以选择离开,而不是经历一段高强度变化时期。Nadella 表示认同,同时承认行业讨论 AI 的方式,已经让许多人对自己能否掌控未来感到强烈焦虑。

他说,前沿部署工程师是 Microsoft 增长最快的岗位之一。客户经理、客户成功、技术支持和工程团队可能都需要相关的实践学习;他以 LinkedIn 的“全栈构建者”为合并角色的例子。

Orosz 问,当许多公司放缓初级岗位招聘时,Microsoft 是否仍在投资培养应届毕业生。Nadella 说,公司首先需要重新配置现有人员和团队,然后才能在新结构中加入有经验的员工或毕业生。

他认为,招聘放缓可能部分反映了搭建新工作流所需的时间。他说,一支 AI 原生团队可能从一个人和一份 token 预算开始,扩张时再增加人员,并围绕这些资源重组。他提醒,现在把一年的情况推演为永久趋势还为时过早。

06

开放模型与企业对自身学习的控制

Nadella 认为组织需要模型选择、独立上下文和私有评估。他把 Microsoft Foundry 描述为组合这些部分的一种方式。

Orosz 问,随着企业部署自己的推理服务,开放模型是否会走上类似开源的发展道路。Nadella 预计闭源模型之间会继续竞争,同时也会有开放替代方案;开放权重能够带来灵活性。

Nadella 不接受一个前沿模型必须包含所有有用知识的前提,他引用了知识分布在整个经济体中的观点。他设想企业结合人力资本和 token 资本,把自己的知识放在开放权重、上下文或使用多个闭源模型的系统中。

企业可以保留使用轨迹、训练较小的模型,并与其他模型组合。Nadella 将 Copilot 描述为多模型系统,并设想由决策层选择模型,同时让上下文、记忆和可用操作独立于任何单一供应商。

他问,如果运行框架、模型和记忆紧密耦合,组织如何离开供应商,又如何知道自己拥有什么?他认为银行、医疗企业和其他组织都需要一种架构方式,保留对自身学习和差异化知识的控制。

Orosz 观察到,许多企业已经在构建自己的运行框架、上下文层和推理系统。Nadella 同意,让组件保持可替换可能是战略选择,而不只是工程实验。

他介绍说,Microsoft Foundry 提供托管运行框架,同时允许客户选择开源替代方案。客户可以连接多个模型端点,保留自己的上下文和记忆,并让工具、技能和连接器独立于特定模型。

Nadella 说,对于企业自身的结果,私有评估比公开基准更重要。客户可以先使用前沿模型,收集轨迹,再针对更可预测的工作流微调较小模型以降低成本。他表示,Foundry 支持这类迭代。

他的类比是关系数据库:企业可以购买软件,同时保留自己的数据和业务逻辑;如果供应商停止更新产品,也可以迁移。他问,如果企业的记忆只嵌在一家供应商的模型中,又该如何迁移?

Nadella 的实际检验标准是:组织能否更换模型,同时继续改进自己的私有评估结果。他说,运行框架、上下文和模型应该充分分离,以保留对企业学习循环的控制。

07

信任架构与混合智能

智能体需要受限的权限和监控。Nadella 认为本地与云端模型可以通过路由协同工作。

第二项企业架构决策是信任。他认为,能力更强的模型不一定更可靠或更符合预期,因此必须将智能与行动权限分开。一个既拥有广泛权限、行为又不可靠的智能体,会带来内部风险。

他呼吁设置运行时防护、监控、可观测性和可审计的推理记录。他还担心系统不仅可能在训练期间,也可能在推理期间追求错误的奖励,因此执行时控制很重要。

Orosz 听出了这些要求背后大量的新工程工作。Nadella 表示同意,并说企业需要把架构选择与企业价值联系起来,而不只是关注新奇之处。

Orosz 问,当云端推理和昂贵硬件占据主导时,本地模型应扮演什么角色。Nadella 说,分布式计算应同时利用云端和设备上的能力。他提到芯片与系统的进步让笔记本和台式机可以运行能力更强的模型。

他描述了在本地与云端模型之间路由的方式:一组子智能体可以用本地模型处理部分任务,用云端模型处理其他任务。他将其称为混合智能,并把本地算力描述为一种无需按量计费的智能。

08

Microsoft 的模型战略与对工程师的建议

Microsoft 计划在自主研发之外使用多个模型家族。Nadella 建议亲手学习,而不是只关注炒作周期。

Orosz 指出,Microsoft 的 MAI 编码模型虽然闭源,也能在本地运行。Nadella 说,将编码模型带到笔记本电脑是优先事项,同时 Microsoft 将通过合作关系继续使用 OpenAI 模型。

Nadella 说,Microsoft 也在从预训练开始开发自己的模型家族。他希望在安全、知识工作和编码等领域构建专用模型,让训练和部署都更高效。

在将高层意图交给多个子智能体的工作流中,他预计不同任务会选择不同模型家族。他说,Microsoft 的目标是提供选择,而不是要求所有工作都使用同一个家族。

对于希望在新时代保持竞争力的工程师,Nadella 建议了解真正发生的变化,而不是只追逐新闻标题和炒作。他的建议适用于毕业生、中途职业阶段的工程师和首席执行官:多动手、多学习,与正在实践的团队共事。

最后,Orosz 总结了工作向规划和验证转移、企业需要掌控 AI 基础设施,以及前沿部署工程师等岗位的出现。他预计,重组和新的工程挑战将不只发生在 Microsoft。

同频道的其他文章

1:25:20EN → 简体中文
The Pragmatic Engineer· 2026年11月10日播客 · 2 人对谈Sean Allen:从设计开始保证软件正确性嘉宾 Sean AllenAntithesis 工程师主张提早建立保障,精心设计测试负载,并为生产故障做好准备。开发流程与测试Software engineering安全+1
1:19:29EN → 简体中文
The Pragmatic Engineer· 2026年11月5日播客 · 2 人对谈扩展 Slack 和 GitHub:Maude Lemaire 谈负载、分片与可靠平台嘉宾 Maude Lemaire · 主持 Gergely Orosz这位首席工程师介绍 Slack 数据迁移、真实负载测试、GitHub 的分片约束,以及她借助 AI 处理性能问题的方法。基础设施与部署Software engineering可观测性与可靠性+1
1:41:17EN → 简体中文
The Pragmatic Engineer· 2026年10月28日播客 · 2 人对谈Titus Winters 谈软件工程、团队与计算机教育嘉宾 Titus Winters · 主持 Gergely Orosz一场关于 Google 规模的重构、测试、AI 和工程师如何学习的对话。Company BuildingLeadership
1:56:28EN → 简体中文
The Pragmatic Engineer· 2026年10月21日播客 · 2 人对谈Will Larson:工程管理的修订规则嘉宾 Will Larson · 主持 Gergely Orosz2010 年代教给工程经理的第一课,是从此再也不要做技术决策。Imprint CTO、《Staff Engineer》作者 Will Larson 认为那个时代已经结束:回不到工作细节里的经理,正在掉进职业陷阱。ManagementLeadershipCareer Growth+2
1:34:17EN → 简体中文
The Pragmatic Engineer· 2026年10月14日播客 · 2 人对谈Uber 面向 AI 智能体的开发基础设施嘉宾 Uday Kiran Medisetty · 主持 Gergely OroszUday Kiran Medisetty 介绍网关、上下文、后台编码与审阅。开发流程与测试智能体工程基础设施与部署
1:59:04EN → 简体中文
The Pragmatic Engineer· 2026年10月7日播客 · 2 人对谈Sam Newman 谈有韧性的分布式系统嘉宾 Sam Newman · 主持 Gergely Orosz微服务取舍、可观测性、重试,以及使用 AI 时保持理解。Software engineering可观测性与可靠性