Charles Lamanna:AI 让协调成为软件开发的难题

原标题Charles Lamanna: AI Makes Coordination the Hard Part of Building Software

Microsoft Copilot 负责人说,编码加速后,工作重心转向架构、验证和团队优先事项的协调。

CLCharles Lamanna嘉宾 · Microsoft
频道
Peter Yang
发布
2026年11月22日
视频
18:41
阅读
7 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 高管 Charles Lamanna 说,AI 智能体写下更多代码后,工程师仍需决定要构建什么,并验证其是否可用。他认为,交付功能所需的大量时间已经花在协调上,而非敲代码。他建议先确定大方向,通过实验比较不同方案,并信任团队执行。他还认为,职场 AI 应支持人和智能体共同工作,而非把独自编程的工作方式套用到所有岗位。

  1. 1智能体改变了对软件接口的需求Lamanna 预计,代表人行事的智能体将成为软件的主要用户。他说,智能体能处理比人多得多的搜索结果,也会对性能、成本和可靠性提出更高要求。
  2. 2Copilot 与 Office 需要双向配合Microsoft 将 Office 编辑器嵌入 Copilot 对话旁,也把 Copilot 引入 Office 应用。Lamanna 说,进行精细的小改动时,鼠标依然方便。
  3. 3独自编程不适合作为所有办公工作的模式销售和运营需要在独立工作、沟通和协作之间不断切换。Lamanna 介绍了让同事和智能体围绕共同目标协作的共享工作区。
  4. 4会议记录可以成为智能体日后工作的背景虽然人们很少重看每场会议,但 Lamanna 说,文字记录能帮助智能体找回决策背后的原因。他提醒人们,不要未经审阅就为同事生成长篇文档。
  5. 5写更少代码的工程师仍需深入思考Lamanna 说,使用编码智能体的工程师必须设计系统、验证和测试输出、管理安全发布并监控结果。他把这一变化与此前出现编译器和云服务时的转变相比较。
  6. 6编码加速后,协调成为制约Lamanna 说,领导者必须让团队就战略和质量达成一致。他的做法是写下高层方向、用实验比较方案,并给信任的团队执行空间。

要点建议

  1. 设定目标和边界,验证生成的代码并监控发布过程;写代码只是工程工作的一部分。
  2. Lamanna 说,即使实现速度加快,围绕优先事项和质量的协调仍是主要制约。
  3. 用实验测试不同产品方案,而不是在会议上解决每一项分歧。
  4. 围绕共同项目和人与人的协作设计职场 AI,而不是只服务于独自管理智能体的人。
  5. 用 AI 完成大范围改动,同时保留熟悉的编辑界面以便精确调整。
全文

按章节阅读整理后的全文

只看原始文稿
01

智能体成为要求严格的软件用户

Lamanna 预计,人指挥的智能体将占据软件使用量的很大一部分。它们对速度、可靠性和机器可读结果的需求可能改变软件接口。

Charles Lamanna 认为,职场 AI 过于模仿软件工程师独自工作的方式。销售等岗位依赖频繁的人际互动。他还说,使用智能体的工程师即使自己写的代码变少了,仍在解决问题。

Peter Yang 问,智能体是否会成为软件的主要用户。Lamanna 认为它们会成为许多系统的重要用户:在他自己的工作中,智能体生成代码、测试应用并调试,而他负责指派任务、审查和验证结果。

作为 Microsoft 的管理者,Lamanna 还使用 Copilot 的长时间运行智能体来检查 GPU 容量、规划预算,以及思考下一季度的路线图。它们可以通过接口连接软件,也可以使用浏览器点击操作应用。

他预计大量智能体将代表人工作。为了说明这可能带来的负载,他引用了一份 GitHub 报告:一年内负载增长了 14 倍。他将其归因于智能体参与工作,而不是人类开发者数量出现同等增长。

Lamanna 说,智能体是要求严格的客户:它们需要高效率、低成本、性能和可靠性。为人设计的界面可能并不适合执行大量小操作的机器。

面向人的搜索页面可能返回十个链接和简短摘要。智能体则能处理一千个结果和更长的摘录,因此软件接口可能针对智能体客户端发展出不同模式。

02

Office 与 Copilot 为什么并肩工作

Microsoft 将 Office 编辑器整合进 Copilot,也把 Copilot 整合进 Office。Lamanna 预计提示词会补充熟悉的界面,而非很快取而代之。

Yang 问 Microsoft 如何让原本供人通过菜单点击操作的应用转向 AI 主导的体验。Lamanna 介绍了三个工作方向,首先是将完整的 Office 编辑器嵌入 Copilot 对话旁。

用户可以在提示框中请求大范围修改,再用熟悉的编辑器做细小调整。他说,将文本框移动八个像素或选中文字设置格式,用鼠标可能比写指令更快。

Microsoft 也把 Copilot 引入了 Word、Excel 和 PowerPoint。花几个小时制作演示文稿的人可能更愿意留在 PowerPoint 中,按需切换直接编辑和提示词。

Lamanna 说,随着技术变化,Office 产品家族一直在扩展。他举了 Pages 的例子:它是一种面向 HTML 的格式,具有 Office 的共享和安全功能;Office 团队还开发了 Today 和 Workspace 体验。

Lamanna 预计更多人会从提示词开始创建文档,但他不认为这意味着应用不再重要。Yang 也认为,人们可能仍希望亲自对幻灯片做最后的小调整。

03

围绕共同工作设计 AI

Lamanna 说,许多岗位依赖频繁协作,而不是孤立工作。Microsoft 的共享工作区旨在让人、智能体和文档围绕一个目标共同工作。

Yang 问起多人协作的 AI:独自管理智能体可能让人感到孤立。Lamanna 说,编码常常是一个人先在自己的分支上工作,然后接受审查;而销售、客服和运营更频繁地在个人工作、交流与协调之间切换。

Microsoft 希望 Copilot 支持多人和多个智能体共同工作。在 Office 体验中,一个人可以与 Copilot 一起处理文档,同事则同时打开同一文件,实时共同编辑。

Workspace 将人和智能体组织到一个项目中,例如准备客户提案或应对供应链中断。Lamanna 说,它可以建议应当加入的人员和智能体,让用户在个人任务与共同工作之间切换。

04

保留有用背景,又不给同事增加负担

会议文字记录和旧文件可以帮助智能体还原决策过程。Lamanna 说,员工应审阅 AI 生成的文档,避免发送不必要的材料。

Yang 问,文档如何同时服务需要简洁答案的人和可能阅读长篇附录的智能体。他还问,如何避免人们向同事大量发送 AI 生成的文档。

Lamanna 区分了可复用数据和发给人的材料。会议录音及文字记录很少值得完整重听或重读,但智能体可以用它们查明为何作出某项决定,或者曾考虑过哪些替代方案。

旧邮件和文件即使大多无人打开,也能成为有用的背景。Lamanna 说,Microsoft 的 Work IQ 和 Copilot 能在偶尔需要时找回这些材料。

对于人与人之间的沟通,他主张克制。如果一个人不愿费心写十页内容,就不应草率地生成十页并到处发送。他预计职场会逐渐形成审阅和说明 AI 协助的规范。

05

工程工作转向设计和验证

编码智能体改变了工程师的工作方式,但并未消除思考的必要。Lamanna 把这一转变与编程语言和云计算此前的进步相比较。

Yang 问,人的工作是否正变成单纯训练智能体,并指出有些工程师怀念通过写代码解决问题。Lamanna 说,工作确实在变化,但仍不只是帮助机器上手。

使用自动化编码系统的工程师仍要选择架构、决定给智能体什么信号、验证和测试生成的代码,并规划安全发布。有些人告诉他,尽管锻炼的是不同技能,他们从未像现在这样需要深入思考。

Lamanna 把这与此前的变化作比较:编译器减少了手写汇编,垃圾回收器省去了大量手动内存管理,云服务则减少了服务器维护。每次变化都将一部分工作提升到更高的抽象层次。

他预计人仍要设定目标、抱负和边界,验证工作并持续监控结果。为了辅助自己的决策,AI 现在可以根据数据制作仪表盘,而过去整理和绘制这些数据要花他不少时间。

06

协调团队并测试不同想法

Lamanna 认为,就优先事项和质量达成一致是交付工作的重要部分。他写下总体战略,用实验解决问题,并赋予团队自主权。

Yang 回忆起在 Microsoft 时写过的冗长产品需求文档,并问在构建速度大幅提高后,大型组织如何保持一致。Lamanna 回答,写代码和交付功能花的时间,比就优先事项、战略及质量标准达成一致所需的时间更少。

Lamanna 每六个月会写大约二十页,阐述自己的高层思路。他举例说,支持多个模型并路由请求,可以用更低价格提供高质量服务;团队不必等他逐项指定要构建的功能,就能依据这个方向行动。

他的第二种做法是实验。团队不必就某个设计无休止地争论,可以运行多个版本,比较用户满意度和行为;搜索团队长期以来就是这样比较搜索结果布局的。

第三,领导者需要聘用值得信任的人,并授权他们行动。Lamanna 说,随着 AI 承担更多工程工作,这一点仍然重要。

Lamanna 说,当前变化的速度是他职业生涯中见过最快的;他开始工作时正值云计算兴起。他指出,调整 Office 和 Microsoft 365 的同时,还要维护各类组织依赖的软件,这是一个挑战。

同频道的其他文章

8 张幻灯片17:57EN → 简体中文
Peter Yang· 2026年11月19日播客Peter Yang:Gemini 4 Neon 日常表现追近 Opus,设计仍落后主持 Peter Yang五项任务比较中,Claude Opus 5.5 的 3D 和视觉设计更受青睐;部分盲测的写作测试则由 Neon 胜出。Foundation ModelsBenchmarksAI cost & performance+2
4 张幻灯片22:12EN → 简体中文
Peter Yang· 2026年11月18日播客Peter Yang 测试三个 AI 模型:任务不同,胜者也不同Fable 在 Yang 的游戏测试中领先,Carbon 赢了三轮写作盲测中的两轮,Astra 速度更快但频道分析不够全面。Foundation ModelsAI cost & performanceAI interface design+1
5 张幻灯片42:01EN → 简体中文
Peter Yang· 2026年11月15日播客 · 2 人对谈Nate Parrott 如何让 AI 设计不再千篇一律嘉宾 Nate Parrott · 主持 Peter YangClaude Design 的创建者从视觉参考和多个备选方案入手,再结合真实产品检验结果。Product DesignAI interface designHuman-AI Collaboration+2
3 张幻灯片25:17EN → 简体中文
Peter Yang· 2026年11月11日播客Peter Yang 如何在 Claude Code 中分配 Opus 与 Fable 的工作他用 Opus 处理日常执行任务,把更难的决策、代码检查和家庭照护协调留给 Fable。编程智能体AI cost & performanceHuman-AI Collaboration
4 张幻灯片21:47EN → 简体中文
Peter Yang· 2026年11月9日播客Fable 5.2 在创作测试中领先,Opus 更能抵抗迎合压力Peter Yang 比较了五项任务:Fable 的创作成果更合他意,Opus 则更常质疑误导性的反驳。Foundation Models评估Generative media+2
46:40EN → 简体中文
Peter Yang· 2026年11月8日播客 · 2 人对谈Ashley Alexander:我如何用 AI 照顾患癌的父母嘉宾 Ashley Alexander · 主持 Peter Yang一位照护者用 AI 准备就诊、整理病历和提出更好的问题,治疗仍由医生主导。AI in healthcareHuman-AI CollaborationProductivity