# 程序员转全栈是短期解，会 Loop 才是长期解 - URL: https://davidyin.dev/writing/240-20260806-harness-loop-programmer-next-stop/ - 作者: David Yin - 发布: 2026-08-06 - 标签: 全栈、Loop、Agent、验收标准、程序员生涯、AI 编程 - 摘要: 转全栈是短期解，会写 Loop 才是长期解。能被穷举成默认值的东西都会被产品吃掉，技能清单、harness 与提示词都已被吃掉。护城河是搭一套自己干、自己验、出错自己重来的循环，验收标准由你定义。配官方实践与作者通宵实测说明 Loop 的写法与死法。 现在问一个后端"你打算怎么办"，十有八九答"转全栈"。前端也一样，补点 Node、补点数据库，争取一个人能把一件事端到端交付掉。 这个答案没错。但我看它也就管一两年，再长，我不敢替你打包票。 这篇想争的就一句话：转全栈是短期解，会写 Loop 才是长期解。全栈是入场券，不是护城河。 这个答案怎么流行起来的，我大概猜得到。公司招人看技能表，前端要会 React，后端要会 Java；个人涨薪，最快的路也是把清单拉长。两边一凑，"转全栈"就成了标准答案。 先分清两种"转全栈"，要不然后面全白说。 一种是技能清单的广度。会 React 又会 Node，再碰点 K8s，靠"同时懂几摊"拿加分。这是过去十年最标准的涨法，考的就是学习成本，谁啃得快谁先上岸。 另一种是端到端把事交付掉。判断、取舍、验收，一件事从含糊到落地，中间那些拍板都是你做的。这个不靠清单，靠的是对业务和后果的理解。 我说的短期解，指前一种，以补技能清单为目标的转法。 全栈的本质是横着扩。前端、后端、数据库、部署，几摊叠一块。这套涨法养出来的，大多是"每样都会一点"的人。它过去值钱，是因为稀缺，一个人同时懂几摊，学习成本高。可它难在学习成本，不难在判断。而学习成本，恰恰是 AI 工具吃得最快的东西。 给自己立个判据：**凡是能被穷举成默认值的东西，都会被产品吃掉。** 技能清单里的每一栈都有标准答案、有最佳实践、有脚手架，正好是能被穷举的那类。 有几组数据跟这个判断顺边。在全球开发者填的问卷里，全栈连续几年都是人数最多的那个身份，这三年在缓慢下滑，2025 年大约 27%，还是第一。Stack Overflow 2025 年的调查里，69% 的开发者过去一年学过新技术，44% 是 AI 辅助着学的；用 agent 的人里，63% 说 agent 让自己学新技术、啃新代码库快了不少。斯坦福的研究拿 ADP（美国工资单巨头）的薪资数据测过，截至去年年中：22-25 岁的软件开发者，就业比 2022 年末的峰值低了约 20%；而同批受 AI 冲击大的职业里，35-49 岁那档反而持平甚至还在涨。初级入口在变窄，经验在涨价。 多说一句，别把上头的数字读成"全栈岗位在减少"。岗位需求依然很强，LinkedIn、Indeed 上全栈常年排紧缺榜。被削平的是这条路上的上限，不是岗位本身。 这里得接住反方，不然就是自说自话。硅谷风投 SignalFire 2025 年的报告专门讲"通才工程师的崛起"，Gergely Orosz，业内最受信任的工程行业分析者之一，也主张 AI 时代团队从两张披萨缩成一张披萨，通才更值钱。他还有句话很有名：现在要的是通才，有了 AI，你想在哪个领域变专才都行。 他们说得对。但注意他们夸的通才指什么——端到端把一件事定义清楚、交付掉的人。AI 抹平的是清单上的知识差，抹不平判断和取舍。这么一看，这两条反方证据没驳倒我，倒把边界划清了：通才值钱，值的是跨栈的判断和交付，不是跨栈的技能数量。会几样技术，只是入场。 不用猜未来。同样的事，一个多月前刚在我眼前发生过一轮。那轮被吃的是 harness，我看全栈也会走同一遭。 6 月底我写过一篇。当时我说，值钱的不是提示词，是 harness，模型外面那层壳——入口、上下文、工具、验收、恢复五件事。 才一个多月，我就得回来改口。现在 Codex、Claude Code、Qoder、Cursor 全内置了。Cursor 连"干错了回滚"都做成了 Checkpoints，一个快照的事儿。阿里的 Qoder 直接把"最长 26 小时执行时长"印在官网当产品参数，让 agent 连续跑一整夜已经是一行规格说明。 最狠的一刀是 Anthropic 自己捅的。做 Claude 的那家，官方博客写，最好的 harness 应该随模型变强而不断简化。厂商自己把话说破了：这是个会被吃掉的中间层。 提示词更干脆。OpenAI 官方文档的标题就是：Custom prompts are deprecated。自定义提示词，废弃了。 技能也在变成货架商品。Anthropic 把 Skills 做成了开放标准，Cursor 有 Rules，腾讯的办公智能体 WorkBuddy 挂了技能市场，编码 Agent 是 CodeBuddy，也接了插件生态。你攒的提示词和技能，正在上架。 能被产品化的东西，学它就只有短期收益。harness 刚被吃掉一轮，提示词和技能正在被吃。全栈，我看也是同一类。 长期解叫 Loop。搭一套能自己转的循环——它自己干、自己验、发现不对自己再来一遍，你只定目标和验收。 Anthropic 官方最佳实践文档里有一句原话： > Give Claude something that produces a pass or fail, and the loop closes on its own. 给 Claude 一个能产出"通过/失败"的检查，循环就会自己闭合。它干活、跑检查、读结果，迭代到检查通过为止。 那句话有个前提，你得先给它一个能判通过还是失败的东西。那个东西得有人写，只能是你。Anthropic 自己还补了一句：光靠提示词，今天什么活都能让它跑起来；但要让它没人盯着也能正确收尾，得靠验收钩子那类机制。 Claude Code 的创建者 Boris Cherny 是这么干活的。一千条 lint 报错，就开一千个 Claude，每个修一条，各自提一个 PR。Claude Code 自己 80% 到 90% 的代码是 Claude 写的，他本人已经好几个月没手写过单元测试。他们内部 CI 里还挂着一个 GitHub Action：让 Claude 跑 lint，发现问题自己改，改完自己提交回 PR，整条链路没人盯着。 最硬的官方实例来自 Anthropic 的工程博客。一个研究员派 16 个 agent 从零写一个 Rust 版的 C 编译器，近 2000 次 Claude Code 会话、2 万美元 API 成本，产出 10 万行代码，能把 Linux 6.9 编译出来，x86、ARM、RISC-V 三个架构都行。脚手架朴素到可笑，就是个 while true 的死循环，做完一个任务立刻拿起下一个。他自己总结，任务验收器必须近乎完美，否则 agent 会去解错的问题。他还说，他先起草"我要什么"——一个从零写的优化编译器，指定了部分设计要点，但完全没写怎么做。 这里必须放一条反方声音。opencode（开源的编码 agent）的创建者 Dax Raad 就不这么看。他在播客里说，长时后台 agent 只对某些任务管用，大多数活还是人留在环里、拿快反馈更好；他还公开质疑"AI 让人十倍产出"的叙事，说多数人只是用更少的精力做完同样的事。 按我的读法，这两边没打架。Boris 那些能无人值守跑的活，修 lint、写测试、写编译器，共同点是都有个明确的通过/失败。Dax 说要人盯着的，是那些说不清什么算对的活。分界线不在 AI 强不强，在你能不能把"什么算对"写下来。 我自己也试了一晚上。昨晚让一个 Loop 自动跑了一整夜，DeepSeek V4 Flash 走 OpenCode Go 通道，让它自己写、自己跑、自己验。早上看后台，每周用量 13%，每月 6%，单次几厘到几分钱，最贵的一条合不到六分人民币。一个晚上，钱几乎没花掉。钱已经不是门槛了。 但它中间死了。看日志，断了好几个小时，中间没有推理记录，进程直接没了。额度没到顶，模型也没报错，就这么断了。我清楚是我自己的用法有问题。要让 Loop 真的不停转下去，是有写法的，我还没找到。这个没人教，得自己摸。 按我那个判据往下推，结论对我不利：Loop 的通用骨架一样会被吃掉，而且已经在被吃了。 Anthropic 的 Agent SDK（给开发者用的 Agent 开发工具包），官方原话是，给你和 Claude Code 一样的工具、agent loop、上下文管理。它还有 Managed Agents，托管着帮你跑，你只管丢任务。OpenAI 的 Agents SDK 把 agent loop、任务交接、护栏都内置了，还给了一个图形化的 Agent Builder，鼠标点一点就能搭一个。Qoder 把"目标导向循环：计划、执行、验证、迭代"列成产品能力，Cloud Agents 直接是托管平台。 这些产品化的都是同一套东西：思考、行动、观察的骨架，上下文压缩，断点续跑，子代理拆分。厂商把这些做成了货架商品，跟当年把 harness 做成内置是一个路数。 所以，如果把"会 Loop"理解成学一个工具用法，那它就是下一个 harness。这是我按自己的判据推的，我可能是错的。但两年前"学提示词"那条路我走过，味道很像。 **会被吃掉的是循环的引擎，吃不掉的是循环里那句"什么算过"。** 回到我那个死掉的 Loop。循环本身没毛病，那部分产品早替我写好了。缺的是三句话：什么叫"做完了"、什么叫"卡住了"、卡住之后怎么办。 有句话我说过头了。我之前讲"没人教 Loop"，那是说满了。查下来，Anthropic 有公开的长任务方法论，带可运行代码的那种；LangGraph（做 agent 的框架）有整套课程。它列的失败模式，头几条是：一次干太多、提前宣布完成、没测试就标完成、环境弄脏。 这些坑它都给了结构上的解法：拆成两个 agent、写进度文件、挂验收清单。这套解法搬到你自己的项目上也成立，要变的是验收标准本身。它能解决的是"怎么记、怎么查"这层；"记什么、查什么"，它管不着。 产品替不了你，因为它得知道你这摊业务里，什么错能忍、什么错一次都不能出、哪一步必须有人看一眼、哪一步值得多花十倍的钱换个更强的模型。同一句"跑通了"，在你自己的脚本里值一个"行"；在银行对账系统里，错一个字段就是事故。这些取舍，没有任何一份 SDK 文档能替你定。 **全栈是横着扩，Loop 是竖着扎。横的那层会被工具铺平，竖的还得人自己往下挖。** 能做成模板的是清单的格式，不是清单里那句"什么算过"。那句"什么算过"，得你自己一笔一笔写出来，没人替你起头。 写到这里，插一件刚发生的事。 8 月 5 日，Jeff Dean 离开谷歌，在谷歌待了 27 年。他和三个老搭档——做过 MapReduce、GFS、TensorFlow、seq2seq 的那批人——开了一家新公司，叫 Discovery Loop，一家公共利益公司（不以股东回报为唯一目标的企业形态）。做法是把"提出实验、实现并运行、评估"这个循环整个自动化，一次并行跑几千个实验。谷歌一边送人走，一边掏钱当了这家公司的创始投资方和云伙伴，这两件事同一天做完。我猜这也算一种表态，有些事，在大组织里就是做不成，谷歌自己心里有数。 最顶上那批人，下一个赌注的名字里，也带着 Loop。 说回我们自己。这不是说别学全栈。全栈该学还得学，它是入场券。只是别把入场券当成护城河。 位置在变。从"把事做出来的人"，变成"定义什么算做好了的人"。以前面试问你"会什么"，以后大概会问你"怎么定义做完了"。两种问法考的是两种东西，前者翻简历，后者翻你脑子里那套判断。 今天就能试，不用等新工具。挑手上一件重复的活，搬数据、核表都行。让 AI 动手之前，先把三句话写下来：什么算做完了，要能查的那种，一条命令能跑、一个字段能勾；什么情况必须停下来叫人；卡住了怎么自己爬起来。 我昨晚那个 Loop，就死在第三条上。卡住了，没有机制拉它一把，干耗了几个小时。我还在摸。 要是你试完卡在哪儿，回来跟我说一声。 文里的数字和原话，出处都在下面，我一条条核过。 **本文事实来源** - Stack Overflow：《2025 年度开发者调查》 - 斯坦福大学数字经济实验室：基于 ADP 薪资数据的 AI 与就业研究 - SignalFire：《2025 State of Talent Report》 - Anthropic 工程博客：《Effective harnesses for long-running agents》《Building a C compiler with a team of parallel Claudes》，以及 Claude Code 最佳实践官方文档 - Latent Space 播客：《Claude Code: Anthropic's Agent in Your Terminal》（嘉宾 Boris Cherny、Cat Wu） - Codacy「AI Giants」播客：opencode 创建者 Dax Raad 访谈 - OpenAI 官方文档（Codex 与 Skills 相关页）、Qoder 官网产品页 - Google 官方博客：《The next chapter of our AI momentum》，以及 Jeff Dean 本人帖文与 Discovery Loop 官网