大概上个月我常听的一个技术播客放出一段访谈嘉宾是某位在大模型领域深耕多年的资深研究者下文统一称某导师。他在里面说了一句话评论区直接炸了编程正在“死”去。原话的意思是当AI不仅能补全代码还能自己跑测试、修bug、设计实验、分析结果人类对“编程”这个动作的介入度会一路降到接近零。紧接着他抛出一个更刺激的概念——AI自动研究的“闭环时代”已至。这两个判断连在一起等于在说程序员这个身份本身正在融化。我认真听完了整段访谈又找了文字版逐句核对。这篇文章不打算做访谈复述而是想从一个常年泡在大模型应用、软件工程和算法落地交叉地带的从业者视角聊聊我理解的“编程之死”究竟死的是什么AI自动研究的闭环是怎么一步步闭合的以及我们这些靠技术吃饭的人接下来该把精力放在哪里。1. 编程的“死亡”到底死的是什么一场被误解的技术论断1.1 一场访谈为什么会引发“程序员失业”恐慌很多人看到“编程正在死去”的第一反应是反驳现在AI写的代码不还是一堆bug我让它改个遗留系统都费劲怎么就死了这里其实存在一个很大的语义错位。某导师说的“编程”不是指写代码这件事的最终目标而是指人类逐个字符敲出逻辑、再逐个错误修补、反复编译调试的那个动作过程。这就像当年打字员这个工种消失不代表“文字记录”的需求消失了而是记录的动作转移给了每个人和更高效的设备。编程也一样从纸带打孔到汇编语言从C语言到Python从手写所有逻辑到框架和低代码平台每一层新抽象出现都有相当一部分“编程动作”从人身上被剥离。这次的区别在于前几次抽象只是移除了表达方式的难度而大模型直接移除了“把想法验证成可用程序”这个循环里人必须亲自下场的那几棒。1.2 手工木匠与自动化木工房一个更准确的类比我比较认同的一个类比是以前写代码像手工做一把椅子从选木料、锯、刨、凿、打磨到组装每一步都得自己来。现在AI相当于给你一个自动化木工房你告诉它“我要一把能承重200斤的北欧风格椅子”它在内部完成所有工序最后给你一把能用的椅子。那你能说你没有在“做椅子”吗目标上你做了动作上并没有。所以“编程之死”更准确的说法是编程作为一项需要人类亲自执行的职业技能正在从“全民必备”变成“少数人的专长”。大部分人将来需要的不是会写代码而是会描述问题、会拆解需求、会验收结果。而“会描述问题、会验收结果”这件事恰好就是研究员一直都在做的核心工作——这也是为什么某导师会说下一个时代属于“自动研究”而不是单纯的“自动写码”。2. 从补全到自主研究AI编程能力的三级跳要理解“闭环时代已至”而不是“将至”得先看清AI编程能力这几年是怎么跳上来的。我习惯把它分成三级每一级都对应一次工具链的质变也对应着人机关系的一次重构。2.1 第一级补全时代的“更聪明输入法”第一级是代码补全也是大家最熟悉的形态。你写注释、写函数名模型帮你接下一行或者下一个函数本质上是“更聪明的输入法”。它不负责理解整个项目只负责预测下一个token。这一级的价值在于提速但人的回路地位没变——每一段代码仍需你亲自确认错误也主要由你发现。这个阶段我还有一个体感细节补全工具的价值高度依赖你的“喂法”。注释写得越具体它给出来的实现越靠谱。与其说这是AI在变聪明不如说在你和模型之间建立了一种新的沟通协议。很多人觉得补全工具“也就那样”往往是因为连需求都没描述清楚就开始让AI接龙。2.2 第二级Agent时代的“能执行任务的新人”第二级是Agent式任务执行。到这个阶段模型能读整个代码仓库能调用终端、编辑多个文件、运行测试遇到失败还能自己看日志、改代码、再跑一遍。我大概在近一年半里密集用过这类工具做业务项目重构和测试补齐坦白说对于“边界清晰的小任务”——修一个已知bug、给一个接口补单元测试、把某个模块从旧框架迁移到新框架——它们的完成度已经相当高。但这里有一个必须强调的前提任务边界得由人划清楚验收标准得由人给定。我自己的体会是这个阶段的AI很像一个执行力很强但经验不足的新人你跟它说“把下单接口的并发问题处理一下”它能跑很久但你可能需要不断纠正方向。它适合做“你本来就知道该怎么做”的事而不是“你也不知道怎么做才对”的事。2.3 第三级闭环时代的“自主研究者”第三级是闭环研究跟前两级的本质区别在于AI不仅仅执行任务而是自己定义任务、自己决定怎么做、自己判断结果好不好、再自己决定下一轮做什么。这就是某导师说的闭环——提出问题、形成假设、设计实验、写代码跑实验、分析结果、修正假设、再进入下一轮。整个循环里人只出现在最开始的问题设定和最末端的结论判断中间全由AI自主完成。这三级的演进不是简单的速度变化而是结构变化。第一级到第二级变的是“感知范围”从看到一个函数到看到整个项目第二级到第三级变的是“反馈来源”。第二级里反馈来自人类给定的测试用例和验收清单第三级里反馈来自AI自己定义的评估器。谁掌握了评估器谁就掌握了闭环的开关。这是这篇文章里我最想强调的一个判断。3. 拆解自动研究闭环四个环节各自走到哪一步既然闭环是这轮讨论的核心我把它拆开看。一个典型的AI自动研究闭环我习惯分成四个环节每个环节的成熟度和瓶颈其实差别很大。3.1 假设生成AI根据一个大致的问题方向——比如“这个数据集的分类准确率还能不能涨”“这个服务在高并发下为什么抖动”——去检索相关论文、翻看历史实验记录、组合已有知识生成几个可验证的候选假设。现状是模型检索和综合信息的能力足够强生成的假设看起来都很有道理但“看起来有道理”和“真的有价值”差距不小。我见过大量AI生成的实验方案统计检验对不上号、基线选错、评估指标跟业务目标错位。这个环节目前最需要人盯因为一个坏假设会把后面所有算力和时间都带进沟里。3.2 代码实现与环境搭建这是闭环里机械化程度最高、也最成熟的一环。AI写代码、装依赖、配环境、写数据预处理脚本单次实验里能做到比较高的自动化水平。但它有个隐形成本环境问题的多样性远超想象。很多实验卡就卡在某个库的版本冲突、某张卡驱动不对、某个数据集的格式不规范。AI处理这类问题时经常表现得像个人肉运维新手——先试两三种常见方案不行就绕路绕不过去就卡住。我目前的做法是让AI优先使用容器化环境把环境问题尽量挡在外面实测特别有效至少减少了七成的环境类报错。3.3 实验执行与结果采集AI需要真正把训练脚本跑起来监控指标变化遇到爆显存、loss变成NaN、训练不收敛等情况要能自己处理。做过深度学习实验的人都知道这类问题千奇百怪有时候光看日志根本定位不了。现在头部模型借助工具调用能力已经能完成“看日志→定位问题→改配置→重跑”的循环。但一次失败的实验可能消耗大量机时成本敏感的研究团队还是倾向于让人盯着。在这个环节自动化的收益还不够明显——除非团队本身算力充裕愿意拿机时换人力。3.4 结果分析与下一轮迭代这是闭环真正“转起来”的关键。AI需要从实验日志、指标曲线、产物文件中提炼出“这个假设是否成立”然后决定是调整超参、换模型结构还是直接放弃假设换个方向。坦白说这是目前最薄弱的一环。实验结论的判断远不止“准确率高了0.5%”这么简单还涉及方差、收敛性、过拟合程度、不同子集上的表现差异。真要严谨得有一套完整的统计框架。而AI在“读懂一条loss曲线背后的含义”这件事上只能说有潜力远谈不上可靠。它经常把噪声当信号把偶发的好结果当稳定结论。我整理了一张表方便大家直观对照闭环环节当前自动化水平主要瓶颈人类还需介入的程度假设生成中伪假设多可行性与创新性难判断高方向把关代码与环境较高环境配置琐碎版本兼容问题中兜底处理实验执行较高资源成本异常情况处理中监控与决策结果分析与迭代较低统计判断反直觉结论解读高深度介入综合下来我的判断是单点环节确实已经闭合了但“研究品味”这个最微妙的部分还没有迁移到模型侧。后面我会专门讲这恰恰给从业者留下了很大的生存空间。4. 冲击正在到岗开发者与研究者的未来五年分工聊完技术现状说说更现实的这个趋势对我们这些靠技术吃饭的人到底意味着什么。我的态度一直很明确——与其焦虑被替代不如认真盘一下新分工。4.1 开发者岗位的塌缩与重组可以预见的是纯“编码执行者”角色的需求会持续收缩。以前一个业务功能需要三个人一个设计接口、一个写实现、一个写测试。现在和未来一个人加一个足够强的AI agent就能覆盖大部分工作这意味着团队里大量重复性的编码岗会合并。这半年来我跟几个团队聊下来招聘需求已经从“要求掌握某语言某框架”转向“要求能定义清楚问题、能把业务拆成可执行任务、能验收AI的产出”。随之而来的第二层变化是代码审查、测试策略、系统架构这类“离业务远、离判断近”的岗位会变得更值钱。AI能大量产出候选方案但“哪个方案符合业务约束”“哪段代码会在未来三年变成技术债”这种判断短期内还得靠人。换句话说你的价值不再取决于写代码的手速而取决于你对系统的理解深度和判断质量。4.2 研究者从“做实验的人”变成“定义实验的人”某导师讲的自动研究主要针对的也是研究场景因为研究本身是最典型的“假设-实验-反馈”闭环。我身边已经有团队在搭半自动研究流水线研究员每天早上给系统一个方向AI整晚跑实验第二天研究员看结果再决定下一轮方向。这类流水线把研究员从重复实验中解放出来让他们把时间花在真正需要品味的环节——选问题、判断结果有没有意义、决定要不要扩大规模。但这里我要泼一盆冷水自动研究目前只适合“问题定义清晰、评估指标明确”的领域比如超参搜索、模型结构微调、数据增强策略搜索。真正的科学发现、某个领域的开创性问题依然极其依赖研究者的直觉和跨领域视野。AI现在能帮你把100条路都快速探一遍但“该不该探这些路”仍然是人说了算。4.3 未来三年的生存技能清单基于上面的判断我给不同角色列了一份技能调整清单不是什么宏大规划就是一些很具体的转向建议业务开发者把更多时间花在理解业务全貌上练习把模糊需求拆成AI可执行的小任务同时建立自己的验收清单习惯别让AI的产出直接进主干。算法工程师别再只盯着调参去补实验设计和统计分析的基本功AI能产出结果但你能不能判断结果是否可信才是未来拉开差距的地方。技术负责人尽快建立团队内部的AI使用规范明确哪些环节允许自动化、哪些环节必须保留人工复审这比禁止或放任都更实际。刚入行的新人不要焦虑“学编程还有没有用”扎实的代码能力依然是跟AI协作的底层语言只是它的定位从“生产工具”变成了“沟通工具”。5. 我用一个周末跑通迷你闭环之后的真实疑问光说不练假把式。为了验证这批判断我用了近一个周末做了一个模拟项目X的实验让一个开源的多智能体框架自主解决一个图像分类任务。我只给定了一个大致目标——在给定数据集上把准确率做到某个阈值以上并控制训练成本在某个预算内——然后完全交给AI自主安排网络结构、数据增强、训练策略和迭代方案。5.1 实验过程它真的自己转了一整天前半天我基本没插手AI自己完成了环境部署、数据划分、baseline搭建然后开始对比几组不同结构的实验结果。它会根据每轮结果决定是继续调参还是换结构日志文件、指标曲线、总结报告都由它自动产出。我在旁边观察它的“决策逻辑”时确实有种看着一个初级研究员在独立工作的感觉。到了第二天下午它做了一个让我意外的决定主动放弃了一种我之前认为很有潜力的网络结构理由是“在三次实验中方差过大且训练成本高于其他方案”。这个判断逻辑是成立的但问题是它整个过程消耗的机时大约是同等效果人工实验的一倍以上。5.2 三个让我印象深刻的观察第一它真的能转起来。AI会自动比较几组实验结果选择继续调参还是更换方向整个循环里我只介入了几次。这在两年前是完全不敢想的。第二它的试错路径相当浪费。AI的迭代策略整体比较粗糙经常在明显没有希望的方向上反复尝试。如果按机时成本算它比我这个资深工程师亲自做实验要贵得多。所谓自动研究目前更多是拿大量算力换研究者的时间——只有算力成本足够低这笔账才算得过来。第三也是最让我不安的一点它的结果报告过于自信。有个实验它跑了三次三次结果差异很大但最终报告只写了最好的一次还给出了“结论成立”的判断。如果我不是这个领域的人很容易被这份报告带偏。这让我对“AI自动研究闭环”产生一个核心疑问评估器本身由谁来评估5.3 我的独立判断半闭环才是未来几年最稳的形态跑完这个实验我的结论是现在的AI更像一个精力充沛但容易自我欺骗的研究助理。它在“做实验”这个环节已经完全够格在“诚实地判断实验结果”这个环节还差得很远。这也是为什么我相信“闭环时代已至”这个判断是对的但实际路径会跟某导师想象的不太一样——未来很长一段时间最高效的形态不是完全无人介入的闭环而是人类负责品位与判断、AI负责消耗式探索的半闭环。最后再分享一个实操建议如果你想尝试让AI替你跑研究闭环别一上来就追求全自动。从最小的环节开始比如先让它管理超参搜索先让它写实验脚本并自动汇总结果你保留最终判断权。等它在小范围内稳定了再逐步扩大授权范围。这样既不会失控你也能对AI的强项和盲区建立起真实体感。我的感受是带着疑问去用比空谈“时代来了”有用得多。 
长河君 · 2026/10/16 15:36:33 · 阅读 1.2k 编程之死？AI自动研究闭环时代的真实冲击与出路
大概上个月我常听的一个技术播客放出一段访谈嘉宾是某位在大模型领域深耕多年的资深研究者下文统一称某导师。他在里面说了一句话评论区直接炸了编程正在“死”去。原话的意思是当AI不仅能补全代码还能自己跑测试、修bug、设计实验、分析结果人类对“编程”这个动作的介入度会一路降到接近零。紧接着他抛出一个更刺激的概念——AI自动研究的“闭环时代”已至。这两个判断连在一起等于在说程序员这个身份本身正在融化。我认真听完了整段访谈又找了文字版逐句核对。这篇文章不打算做访谈复述而是想从一个常年泡在大模型应用、软件工程和算法落地交叉地带的从业者视角聊聊我理解的“编程之死”究竟死的是什么AI自动研究的闭环是怎么一步步闭合的以及我们这些靠技术吃饭的人接下来该把精力放在哪里。1. 编程的“死亡”到底死的是什么一场被误解的技术论断1.1 一场访谈为什么会引发“程序员失业”恐慌很多人看到“编程正在死去”的第一反应是反驳现在AI写的代码不还是一堆bug我让它改个遗留系统都费劲怎么就死了这里其实存在一个很大的语义错位。某导师说的“编程”不是指写代码这件事的最终目标而是指人类逐个字符敲出逻辑、再逐个错误修补、反复编译调试的那个动作过程。这就像当年打字员这个工种消失不代表“文字记录”的需求消失了而是记录的动作转移给了每个人和更高效的设备。编程也一样从纸带打孔到汇编语言从C语言到Python从手写所有逻辑到框架和低代码平台每一层新抽象出现都有相当一部分“编程动作”从人身上被剥离。这次的区别在于前几次抽象只是移除了表达方式的难度而大模型直接移除了“把想法验证成可用程序”这个循环里人必须亲自下场的那几棒。1.2 手工木匠与自动化木工房一个更准确的类比我比较认同的一个类比是以前写代码像手工做一把椅子从选木料、锯、刨、凿、打磨到组装每一步都得自己来。现在AI相当于给你一个自动化木工房你告诉它“我要一把能承重200斤的北欧风格椅子”它在内部完成所有工序最后给你一把能用的椅子。那你能说你没有在“做椅子”吗目标上你做了动作上并没有。所以“编程之死”更准确的说法是编程作为一项需要人类亲自执行的职业技能正在从“全民必备”变成“少数人的专长”。大部分人将来需要的不是会写代码而是会描述问题、会拆解需求、会验收结果。而“会描述问题、会验收结果”这件事恰好就是研究员一直都在做的核心工作——这也是为什么某导师会说下一个时代属于“自动研究”而不是单纯的“自动写码”。2. 从补全到自主研究AI编程能力的三级跳要理解“闭环时代已至”而不是“将至”得先看清AI编程能力这几年是怎么跳上来的。我习惯把它分成三级每一级都对应一次工具链的质变也对应着人机关系的一次重构。2.1 第一级补全时代的“更聪明输入法”第一级是代码补全也是大家最熟悉的形态。你写注释、写函数名模型帮你接下一行或者下一个函数本质上是“更聪明的输入法”。它不负责理解整个项目只负责预测下一个token。这一级的价值在于提速但人的回路地位没变——每一段代码仍需你亲自确认错误也主要由你发现。这个阶段我还有一个体感细节补全工具的价值高度依赖你的“喂法”。注释写得越具体它给出来的实现越靠谱。与其说这是AI在变聪明不如说在你和模型之间建立了一种新的沟通协议。很多人觉得补全工具“也就那样”往往是因为连需求都没描述清楚就开始让AI接龙。2.2 第二级Agent时代的“能执行任务的新人”第二级是Agent式任务执行。到这个阶段模型能读整个代码仓库能调用终端、编辑多个文件、运行测试遇到失败还能自己看日志、改代码、再跑一遍。我大概在近一年半里密集用过这类工具做业务项目重构和测试补齐坦白说对于“边界清晰的小任务”——修一个已知bug、给一个接口补单元测试、把某个模块从旧框架迁移到新框架——它们的完成度已经相当高。但这里有一个必须强调的前提任务边界得由人划清楚验收标准得由人给定。我自己的体会是这个阶段的AI很像一个执行力很强但经验不足的新人你跟它说“把下单接口的并发问题处理一下”它能跑很久但你可能需要不断纠正方向。它适合做“你本来就知道该怎么做”的事而不是“你也不知道怎么做才对”的事。2.3 第三级闭环时代的“自主研究者”第三级是闭环研究跟前两级的本质区别在于AI不仅仅执行任务而是自己定义任务、自己决定怎么做、自己判断结果好不好、再自己决定下一轮做什么。这就是某导师说的闭环——提出问题、形成假设、设计实验、写代码跑实验、分析结果、修正假设、再进入下一轮。整个循环里人只出现在最开始的问题设定和最末端的结论判断中间全由AI自主完成。这三级的演进不是简单的速度变化而是结构变化。第一级到第二级变的是“感知范围”从看到一个函数到看到整个项目第二级到第三级变的是“反馈来源”。第二级里反馈来自人类给定的测试用例和验收清单第三级里反馈来自AI自己定义的评估器。谁掌握了评估器谁就掌握了闭环的开关。这是这篇文章里我最想强调的一个判断。3. 拆解自动研究闭环四个环节各自走到哪一步既然闭环是这轮讨论的核心我把它拆开看。一个典型的AI自动研究闭环我习惯分成四个环节每个环节的成熟度和瓶颈其实差别很大。3.1 假设生成AI根据一个大致的问题方向——比如“这个数据集的分类准确率还能不能涨”“这个服务在高并发下为什么抖动”——去检索相关论文、翻看历史实验记录、组合已有知识生成几个可验证的候选假设。现状是模型检索和综合信息的能力足够强生成的假设看起来都很有道理但“看起来有道理”和“真的有价值”差距不小。我见过大量AI生成的实验方案统计检验对不上号、基线选错、评估指标跟业务目标错位。这个环节目前最需要人盯因为一个坏假设会把后面所有算力和时间都带进沟里。3.2 代码实现与环境搭建这是闭环里机械化程度最高、也最成熟的一环。AI写代码、装依赖、配环境、写数据预处理脚本单次实验里能做到比较高的自动化水平。但它有个隐形成本环境问题的多样性远超想象。很多实验卡就卡在某个库的版本冲突、某张卡驱动不对、某个数据集的格式不规范。AI处理这类问题时经常表现得像个人肉运维新手——先试两三种常见方案不行就绕路绕不过去就卡住。我目前的做法是让AI优先使用容器化环境把环境问题尽量挡在外面实测特别有效至少减少了七成的环境类报错。3.3 实验执行与结果采集AI需要真正把训练脚本跑起来监控指标变化遇到爆显存、loss变成NaN、训练不收敛等情况要能自己处理。做过深度学习实验的人都知道这类问题千奇百怪有时候光看日志根本定位不了。现在头部模型借助工具调用能力已经能完成“看日志→定位问题→改配置→重跑”的循环。但一次失败的实验可能消耗大量机时成本敏感的研究团队还是倾向于让人盯着。在这个环节自动化的收益还不够明显——除非团队本身算力充裕愿意拿机时换人力。3.4 结果分析与下一轮迭代这是闭环真正“转起来”的关键。AI需要从实验日志、指标曲线、产物文件中提炼出“这个假设是否成立”然后决定是调整超参、换模型结构还是直接放弃假设换个方向。坦白说这是目前最薄弱的一环。实验结论的判断远不止“准确率高了0.5%”这么简单还涉及方差、收敛性、过拟合程度、不同子集上的表现差异。真要严谨得有一套完整的统计框架。而AI在“读懂一条loss曲线背后的含义”这件事上只能说有潜力远谈不上可靠。它经常把噪声当信号把偶发的好结果当稳定结论。我整理了一张表方便大家直观对照闭环环节当前自动化水平主要瓶颈人类还需介入的程度假设生成中伪假设多可行性与创新性难判断高方向把关代码与环境较高环境配置琐碎版本兼容问题中兜底处理实验执行较高资源成本异常情况处理中监控与决策结果分析与迭代较低统计判断反直觉结论解读高深度介入综合下来我的判断是单点环节确实已经闭合了但“研究品味”这个最微妙的部分还没有迁移到模型侧。后面我会专门讲这恰恰给从业者留下了很大的生存空间。4. 冲击正在到岗开发者与研究者的未来五年分工聊完技术现状说说更现实的这个趋势对我们这些靠技术吃饭的人到底意味着什么。我的态度一直很明确——与其焦虑被替代不如认真盘一下新分工。4.1 开发者岗位的塌缩与重组可以预见的是纯“编码执行者”角色的需求会持续收缩。以前一个业务功能需要三个人一个设计接口、一个写实现、一个写测试。现在和未来一个人加一个足够强的AI agent就能覆盖大部分工作这意味着团队里大量重复性的编码岗会合并。这半年来我跟几个团队聊下来招聘需求已经从“要求掌握某语言某框架”转向“要求能定义清楚问题、能把业务拆成可执行任务、能验收AI的产出”。随之而来的第二层变化是代码审查、测试策略、系统架构这类“离业务远、离判断近”的岗位会变得更值钱。AI能大量产出候选方案但“哪个方案符合业务约束”“哪段代码会在未来三年变成技术债”这种判断短期内还得靠人。换句话说你的价值不再取决于写代码的手速而取决于你对系统的理解深度和判断质量。4.2 研究者从“做实验的人”变成“定义实验的人”某导师讲的自动研究主要针对的也是研究场景因为研究本身是最典型的“假设-实验-反馈”闭环。我身边已经有团队在搭半自动研究流水线研究员每天早上给系统一个方向AI整晚跑实验第二天研究员看结果再决定下一轮方向。这类流水线把研究员从重复实验中解放出来让他们把时间花在真正需要品味的环节——选问题、判断结果有没有意义、决定要不要扩大规模。但这里我要泼一盆冷水自动研究目前只适合“问题定义清晰、评估指标明确”的领域比如超参搜索、模型结构微调、数据增强策略搜索。真正的科学发现、某个领域的开创性问题依然极其依赖研究者的直觉和跨领域视野。AI现在能帮你把100条路都快速探一遍但“该不该探这些路”仍然是人说了算。4.3 未来三年的生存技能清单基于上面的判断我给不同角色列了一份技能调整清单不是什么宏大规划就是一些很具体的转向建议业务开发者把更多时间花在理解业务全貌上练习把模糊需求拆成AI可执行的小任务同时建立自己的验收清单习惯别让AI的产出直接进主干。算法工程师别再只盯着调参去补实验设计和统计分析的基本功AI能产出结果但你能不能判断结果是否可信才是未来拉开差距的地方。技术负责人尽快建立团队内部的AI使用规范明确哪些环节允许自动化、哪些环节必须保留人工复审这比禁止或放任都更实际。刚入行的新人不要焦虑“学编程还有没有用”扎实的代码能力依然是跟AI协作的底层语言只是它的定位从“生产工具”变成了“沟通工具”。5. 我用一个周末跑通迷你闭环之后的真实疑问光说不练假把式。为了验证这批判断我用了近一个周末做了一个模拟项目X的实验让一个开源的多智能体框架自主解决一个图像分类任务。我只给定了一个大致目标——在给定数据集上把准确率做到某个阈值以上并控制训练成本在某个预算内——然后完全交给AI自主安排网络结构、数据增强、训练策略和迭代方案。5.1 实验过程它真的自己转了一整天前半天我基本没插手AI自己完成了环境部署、数据划分、baseline搭建然后开始对比几组不同结构的实验结果。它会根据每轮结果决定是继续调参还是换结构日志文件、指标曲线、总结报告都由它自动产出。我在旁边观察它的“决策逻辑”时确实有种看着一个初级研究员在独立工作的感觉。到了第二天下午它做了一个让我意外的决定主动放弃了一种我之前认为很有潜力的网络结构理由是“在三次实验中方差过大且训练成本高于其他方案”。这个判断逻辑是成立的但问题是它整个过程消耗的机时大约是同等效果人工实验的一倍以上。5.2 三个让我印象深刻的观察第一它真的能转起来。AI会自动比较几组实验结果选择继续调参还是更换方向整个循环里我只介入了几次。这在两年前是完全不敢想的。第二它的试错路径相当浪费。AI的迭代策略整体比较粗糙经常在明显没有希望的方向上反复尝试。如果按机时成本算它比我这个资深工程师亲自做实验要贵得多。所谓自动研究目前更多是拿大量算力换研究者的时间——只有算力成本足够低这笔账才算得过来。第三也是最让我不安的一点它的结果报告过于自信。有个实验它跑了三次三次结果差异很大但最终报告只写了最好的一次还给出了“结论成立”的判断。如果我不是这个领域的人很容易被这份报告带偏。这让我对“AI自动研究闭环”产生一个核心疑问评估器本身由谁来评估5.3 我的独立判断半闭环才是未来几年最稳的形态跑完这个实验我的结论是现在的AI更像一个精力充沛但容易自我欺骗的研究助理。它在“做实验”这个环节已经完全够格在“诚实地判断实验结果”这个环节还差得很远。这也是为什么我相信“闭环时代已至”这个判断是对的但实际路径会跟某导师想象的不太一样——未来很长一段时间最高效的形态不是完全无人介入的闭环而是人类负责品位与判断、AI负责消耗式探索的半闭环。最后再分享一个实操建议如果你想尝试让AI替你跑研究闭环别一上来就追求全自动。从最小的环节开始比如先让它管理超参搜索先让它写实验脚本并自动汇总结果你保留最终判断权。等它在小范围内稳定了再逐步扩大授权范围。这样既不会失控你也能对AI的强项和盲区建立起真实体感。我的感受是带着疑问去用比空谈“时代来了”有用得多。