夜雨聆风
AI原生软件工程:软件开发已死,软件工程永存
杰弗里·亨特利是谁？
杰弗里·亨特利（Geoffrey Huntley）是“Ralph Loop”模式的提出者，曾是 React 扩展的重要维护者，在开源社区深耕多年。他不仅是一位资深软件工程师，还曾靠开源项目获得收入，甚至用 Open Collective 的资金支付了自己农场的土地过户费。
如今，他自称“养山羊的农夫”，但真正让他在 2026 年初引爆 AI 工程圈的，是他对“AI 原生软件工程”的深刻洞察和一套名为 Ralph 的极简循环架构。这套方法论正在颠覆传统软件开发流程，也重新定义了“工程师”与“开发者”的边界。
很多人误以为 Ralph 是某个开源项目或商业产品。其实它根本不是。
Ralph 是一种极简的编排（Orchestrator）模式：用一个 Bash 脚本启动循环，每次只给 LLM 一个任务，执行完就清空上下文，重新开始。
关键在于：绝不让上下文窗口堆积。
传统做法是让 AI 在同一个长对话中不断追加指令，结果导致“上下文压缩”（compaction），模型越来越糊涂，甚至遗忘核心规范。而 Ralph 每次都从干净状态出发，只加载一份外部的“规格文件”作为知识锚点。这样既避免了信息污染，又保证了任务聚焦。
你可以同时跑上千个这样的循环，每个负责不同模块，由更高层的“监督者”（比如他提到的 Lisa 或 Milhouse）来分配任务、合并结果。
在 Ralph 体系下，代码不再是核心资产，规格说明书（Specs）才是。
杰弗里的典型工作流是：先花 30 分钟和 AI 对话，深入讨论需求细节，比如“我们要做基于属性的访问控制（ABAC）”，然后让 AI 提出几种方案，他从中选择最优解。这个过程不断丰富规格文档。完成后，他把这份 Spec 丢给 Ralph，几小时内就能产出相当于团队一周工作量的原型。
更妙的是，这些 Specs 不是手写的，而是通过结构化对话由 AI 自动生成的。后续如果要加国际化、改安全策略、重构数据库，只需新增一个“Refactoring Loop”，指定目标，Ralph 自动修复。
原型免费，重构廉价，迭代飞快——这才是 AI 原生开发的真正效率。
作为前开源明星维护者，杰弗里做出了惊人转变：他现在几乎不用任何开源依赖。
理由很简单：每个 npm 包、每个 PyPI 库，背后都藏着一个人。一旦出 bug，你就得提 PR、等 review、求 maintainer 合并——这等于把“人类”重新塞进自动化流程，违背了 AI 原生原则。
他的做法是：除了密码学等高危领域（必须由专家验证），其他功能全部用 AI 实时生成。比如需要一个 HTTP 客户端？直接让 Ralph 根据 Spec 写一个。这样，整个系统完全可控，无需外部协调。当然，像 React、Ruby on Rails 这类训练数据丰富、AI 支持好的框架仍可保留，但上面的第三方插件？能生成就别装。
不是所有语言都适合 AI 原生开发。杰弗里给出了他的“Tier List”：
– S 级：Rust、TypeScript（配合 Effect.js）、Python（配合 Pydantic）。它们都是源码优先、类型系统强，能有效拦截无效生成，且与 ripgrep 等代码搜索工具天然兼容。
– F 级：Java 和 .NET。问题出在依赖管理——它们用的是 DLL 或 JAR 这类二进制分发格式，AI 无法直接读取函数签名，导致工具调用失效。
不过 Rust 也有代价：编译太慢。如果 AI 生成了一段有 bug 的代码，光编译就要 30 分钟，效率远不如 TypeScript 那种秒级反馈。所以选语言不仅是技术偏好，更是工程权衡——你要在安全性与迭代速度之间找平衡。
市面上那些炫酷的 AI 编码工具，比如 Cursor、Windsurf，本质上是什么？
杰弗里一语道破：它们就是个自动复制粘贴的循环。你过去手动把 AI 生成的代码从聊天窗口复制到 IDE，再跑一遍看报错，再粘回去修——现在这些工具只是把这一步自动化了。
背后的“Harness”（调度框架）几乎不产生价值，真正干活的是底层大模型。所以别再花时间评估哪个工具 UI 更好看、哪个支持更多插件。
所有这类工具的核心差异只有“品味”和用户体验，技术内核高度同质化。与其追逐工具，不如掌握底层模式——比如 Ralph 这种可扩展、可并行、可监控的循环架构。
过去常说的“写代码”——也就是把产品需求票（ticket）翻译成具体实现——现在彻底变了味。杰弗里直言：软件开发这个职业已经终结。不是被裁员，而是被一个 Bash 循环取代了。你睡觉的时候，AI 就能以每小时 10 到 42 美元的成本，自动生成可运行的代码。
如果你还在简历上写“全栈开发者”，那你其实是在和一个自动复制粘贴的脚本竞争。而如果你是“工程师”，你的新工作是指挥成千上万个 AI 循环协同作战，而不是亲手敲每一行代码。
很多公司以为自己的 BSL（Business Source License）许可证、闭源的企业版功能、复杂的部署逻辑构成了护城河。杰弗里直接泼了一盆冷水：这些都不再是壁垒。他亲自用 Ralph 反向运行 HashiCorp Nomad 的开源代码，生成了一份“干净室”（clean-room）规格说明书。当遇到企业版缺失的功能时，他转而让 Ralph 分析官方文档、营销材料和用户指南，成功补全了 20% 的空白。
这意味着，任何一家依赖代码保密或许可证限制来维持竞争优势的公司，都可能在一夜之间被三个在巴厘岛远程办公的年轻人用 Ralph 克隆并低价替代。护城河？不存在的。真正的护城河，是你能否比别人更快地用 AI 重构整个产品交付链。
