数据库团队教给开发者的AI编程代理课

说真的，现在每周都有新消息说AI编程代理写得比人类快。Cursor几天就重写了SQLite。软件工厂批量生产PR。这足以让任何开发者怀疑自己的饭碗还能保多久。

但这些报道忽略了关键一点：速度是最简单的部分。让代理快速写代码？小菜一碟。让它们写出能放心部署到生产系统的代码？这才是没人愿意谈的硬骨头。

Cockroach Labs最近分享了他们的做法，值得好好聊聊——尤其是对那些考虑在工作中引入AI代理的创业公司或开发者。

十六万美元的问题

2024年，Cockroach Labs在迁移工具MOLT里加了Oracle数据库支持。项目花了九个月，工程师工时成本大约十六万美元。资深工程师做的专业工作。

然后到了四月。团队要给IBM Db2加支持——这个数据库有复杂的SQL方言、类型系统和原生有线协议。技术范围跟之前差不多。

他们用了不到两天搞定。总成本4172美元。

唯一的区别？代码没有一个是人写的。

先别急着写辞职信，想想是什么让这成为可能：不只是更聪明的代理，而是围绕一个激进的理念构建的系统——瓶颈不在写代码，而在写可信赖的代码。

MOLT Sinai：编程界的医院

Cockroach Labs没有简单地把代理扔上去。他们建了一套叫做MOLT Sinai的流程，模型是教学医院：问题变成"病人"，合并的代码变成"出院"，人类审核者变成"主任医师"。

这些比喻挺有意思，但背后的哲学很严肃：

• 问题是病人：每个任务进系统都有文档、要分诊、要走确定的护理路径
• 拆解是诊断：大问题拆成子问题，明确依赖关系。先地基后类型系统，先类型系统后行迭代器。康复这事急不来
• 审核是查房：每份工作都要检查，不合格就打回重做（有时一个父问题要退回去55次），该升级就升级
• 人类是主任：最终拍板权在有经验的工程师手里，他们可以把问题升级给自己处理

这不是要替代医生——而是建一套系统，让住院医、主治医、专科医生各司其职。

吞吐量是错误的指标

大多数AI编程尝试失败就失败在这里：他们优化的是"每小时多少PR"或者"每天多少行代码"。演示时看着激动，标题党很爽。但对真正交付软件来说，几乎没用。

Cockroach Labs说得直白：宁可代理花十倍时间，也不愿在客户迁移中放错数据。对一家核心价值就是数据准确性的公司来说，这不是哲学，是生存问题。

他们问的不是"能合并多少PR"，而是"有多少PR我们合并了会觉得丢人"？

这个问题，不管用不用AI代理，都值得更多团队去问。

实际发生了什么

Db2支持上线MOLT时：

• 32个子问题在父问题下创建
• 27个PR通过流程合并
• 55次审核者打回修改
• 9个问题升级，其中2个需要人工介入
• 测试覆盖率跟他们测试最完善的方言（PostgreSQL）持平

代理不是完美的。它们给自己的工作提issue：fixture缺口、类型映射bug、隔离级别修复。它们需要监督。但这种监督是有结构的、有目的的，而且跟工作复杂度匹配。

对比一下软件工厂模式——代理并行跑，合并处理层在后面收尾。这种架构在瓶颈是编写速度的时候合理。但对准确性要求高的工作？你需要的是医院，不是工厂车间。

这对你团队意味着什么

说实话，大多数人不是在搭数据库迁移工具。你们在做Web应用、API、内部工具、下一个大事件的MVP。风险不一样。

但教训是通用的：AI代理擅长批量处理，人类擅长判断。真正从AI编程代理中获得价值的团队，不是简单调教ChatGPT然后发货的。他们建系统，让各自做擅长的事。

可能意味着：

• 用代理处理样板代码、测试和脚手架
• 建审核流程抓代理漏掉的问题
• 把代理输出当"草稿一"而不是"可发货"
• 涉及客户数据或核心业务逻辑的，人类要参与

能在AI代理旁边混得好的开发者，不是打字更快的那些。是学会构建系统、让AI成为力量倍增器而不是风险的那些。

总结

MOLT Sinai用两天处理了相当于九个月工程量的工作，成本只有2.5%，质量跟人写的代码持平。

但这个标题掩盖了真正发生的事：一群人类建了一套严谨的系统、定义了清晰的职责、建立了有意义的检查点，然后让代理在这个框架里运行。

代理没有替代工程师。它们放大了工程师的能力。

这不是AI替代开发者的故事。这是开发者构建足够精密的系统、从而用好AI的故事。

说实话？这才是值得关注的版本。

受够了拖后腿的基础设施？Vibe Hosting把AI驱动的部署和你需要的可靠性结合起来。快速发布，不用提心吊胆。域名注册、SSL证书、云托管——一站搞定。