Jev：把 AI 从聊天和写代码推进到能办事的软件原语

一、嘉宾背景

这期节目来自 a16z / The Ben & Marc Show，由 Marc Andreessen 和 Ben Horowitz 主持，题目是《How Jev Turns AI Into Software That Gets Things Done》。节目时长约 42 分钟，上传方为 a16z，发布时间为 2026 年 9 月 28 日。虽然长度没有超过一小时，但对话密度很高：它不是产品发布式介绍，而是一次围绕“AI 为什么还没有真正带来自动化”的技术和产业分析。

本期嘉宾是 Diogo，节目材料把他标识为 TypeSafe 的 founder and leader。TypeSafe 被描述为“making AI for software”，也就是把 AI 做成面向软件本身的能力，而不只是给人聊天或辅助写代码的界面。Jev 则被描述为 TypeSafe 在这一方向上的第一个模型：它用于自动化和构建真实软件，被解释为一种类似库的新 primitive，让开发者在代码内部结合自然语言、状态机和置信度。

Diogo 的可信度主要来自他在节目中呈现出的交叉背景，而不是外部传记包装。他说自己更先把自己看作 computer scientist，而不是 AI researcher；他讲到早年数学竞赛、通过自动化赢得 Kaggle、与 Jeremy Howard 做创业公司、在 Google Brain 工作，后来加入 OpenAI。他还回顾了自己对 RLHF 泛化能力的惊讶，以及一度认为相关模型可能接近 AGI、后来又修正判断的过程。这些经历在节目中服务于同一个主题：他既理解模型能力，也更关心模型如何被放进可运行的软件系统。

二、本期主要内容

节目开场的问题直接而尖锐：AI 如此聪明，为什么现实里仍然缺少自动化？Diogo 并不否认聊天机器人或 coding agent 的价值。他明确说自己也喜欢这些工具，但他的不满在于，它们大多仍是 human-in-the-loop 的工具：帮助人生成文本、生成代码、完成某些交互，却没有让软件本身获得足够新的执行能力。

主持人把这个区别进一步挑明：Claude Code、Codex、Cursor 等工具可以让软件“即时生成”，也可以用自然语言驱动编程，但生成出来的代码本质上仍是传统代码，可能更快，可能更好，也可能更差。Diogo 接受这个区分，并把 Jev 放在另一侧：Jev 不是替代程序员写旧式代码，而是作为能被放进代码里的新原语，扩展软件可以表达和执行的事情。

在 Diogo 的描述中，Jev 有点像一个库。开发者用自然语言描述想要什么，同时给出类似状态机的结构；Jev 在这个结构里根据输入和状态选择下一步动作，并附带置信度。主持人后来把它概括为一种会说自然语言、能够推理、又嫁接到状态机上的能力；Diogo 说如果听众把这作为 takeaway，就是对他们工作的极大肯定。

因此，这期节目真正分析的是 AI 从“给人看的输出”转向“软件内部的决策部件”时会遇到什么。对话覆盖 Jev 与 coding agent 的区别、分类器是否是贬义、可靠性的重新定义、AGI 与 RSI 叙事的偏差、SaaS 是否会被 AI 消灭，以及“do what I mean”界面是否可能成为下一代软件体验。它不是时间线式的创业故事，而是围绕一个产品概念展开的软件架构讨论。

三、核心观点：推理、例子与边界

这期节目最重要的判断是：AI 的瓶颈不只是“模型还不够聪明”，而是软件缺少合适机制，把这种聪明转化为可靠、可组合、可编程的系统能力。Diogo 反复追问自动化在哪里，是因为他认为模型已经展示出大量智能，但这些智能常常仍停留在聊天框、代码生成器或人类审核流程中。只要 AI 输出最终只是给人看，或交给另一个 LLM while loop 继续猜，它与软件运行逻辑之间仍像两艘擦肩而过的船。

这也是 Jev 与 coding agent 的关键区别。coding agent 的价值在于提高代码生成速度，甚至让软件按需生成；但如果生成的仍是十年前那类传统代码，应用本身并没有获得新的表达能力。主持人也提出，过度依赖 coding agent 可能因为监督减少而让软件更差或更不安全。Diogo 没有把问题理解为“人类程序员对抗 AI 程序员”，而是把 Jev 定位为一种人类和 coding agent 都可以调用的新 primitive：它让代码内部出现一个能够处理意图、分类、路由和决策的智能层。

“Jev 只是分类器吗？”在节目中，这不是批评的终点，反而成为 Diogo 的核心论证。他说 Jev 当然是 classifier，并认为 classifier 很有价值，因为分类器、状态机、置信度这类接口来自实践者对可用系统的需求。这里的推理很工程化：自然语言输入提供弹性，状态机输出提供约束，置信度让系统可以按风险和确定性组织后续动作。它不把 AI 神化为万能大脑，而是把 AI 做成生产软件中可以组合、可以预期、可以被开发者围绕设计的部件。

可靠性是这套观点能否成立的技术支点。Diogo 区分了 uptime 或 SLA、determinism 和 robustness：服务可用是一层；同样输入得到同样输出是另一层；但他更关心的是“每次都有相似智能”。在随机模型时代，真实系统未必需要逐字确定性。例如一个 prompt 里多了 UUID，功能上相同的请求应该得到相似判断，而不是必须返回完全相同的文本。更高一级的目标，是 Jev 每次都足够聪明，让开发者可以围绕它编程，甚至不再需要先写一批 example queries 才敢相信它。

Diogo 对行业评价标准的批评也很集中：AI 行业太容易优化“人类觉得答案好”，而不是“实际生产任务是否被自动化”。他提到 GPT-3 时代还相对校准，但后来的行业分叉成巨大承诺和交付不足。主持人追问是否应该用能自动化多少 productive tasks 来衡量，他基本同意，并把“硬 benchmark 看似 solved，却连 drive-through 或客服这类任务都做不好”的反差视为强烈信号。这里需要保留边界：节目没有独立证明这些行业任务的真实自动化比例，呈现的是 Diogo 和主持人对行业错位的判断。

限制同样重要。Diogo 承认真实世界存在长尾，也承认某些界面示例还不能保证可靠。他不主张一开始就自动化所有异常情况，更不主张先去碰空中交通管制这类需要强保证的系统。他说自己的哲学是先自动化容易的工作。主持人提到状态一致性、持久性、系统层强保证等开放问题时，Diogo 也没有把 Jev 包装成已经解决一切。他的乐观来自“很多工作其实简单、重复、值得自动化”，而不是“所有高风险系统已经可以交给模型”。

SaaS 讨论把这一判断落到产业层面。Diogo 不相信“software 很容易复制，所以 SaaS 会被 coding agent 消灭”的说法，因为软件价值不只是表层代码。很多东西藏在工作流理解、客户分发、系统细节和长期资本投入里。他认为 SaaS 公司可能反而是 AI 能力化的赢家：它们知道用户问题，知道哪些流程值得自动化，也能把一次软件投资分发给大量用户。这不是金融预测；Diogo 明确说不预测市场，而是在能力层面判断 SaaS 可能迎来“inverse SaaS apocalypse”。

四、学习与应用

从产品和工程实践看，这期节目最可操作的启发，是把 AI 功能从“聊天入口”改写为“软件内部原语”。一个团队如果只是在 SaaS 产品旁边加聊天框，很容易让 AI 停留在解释、检索、建议或人工确认层。Jev 的思路提醒开发者：真正值得追问的是，哪些决策点本来就存在于业务流程中，哪些输入本来就是自然语言或半结构化意图，哪些输出可以被约束成状态、动作、标签、路由或置信度。

具体应用时，第一批场景应当简单、重复、高价值、低风险，并且失败后可回滚或可人工接管。Diogo 的 ROI 逻辑很实用：自动化不是为了展示模型多聪明，而是判断一次工程投入能否长期节省五分钟、十分钟、成百上千次重复劳动。因此，客服分流、邮件意图判断、日志初筛、表单替代、内部工单路由、轻量工作流触发，可能比强保证系统更适合早期尝试。相反，资金不可逆转移、关键基础设施控制、强一致性数据库操作、生命安全相关流程，都需要更严格的边界。

可靠性设计不能只问“模型准不准”。按照 Diogo 的区分，团队至少要拆成几层：服务是否可用，输出是否在相似输入下稳定，系统是否在真实扰动下保持相似智能，低置信度时是否降级，错误动作是否有权限和资源边界。若 AI 要在后台运行，还要避免 outlier/demo 反模式：不是挑一个惊艳案例录屏，而是让它安静地运行很多次，不误触发、不乱用资源、不把值班人员叫醒，并且可以被其他软件模块继续组合。

对开发组织而言，Jev 也提示了 coding agent 的合理位置。Diogo 认为 coding agent 擅长语法，不擅长语义和架构；所以团队可以让它们承担样板代码、接口粘合、测试脚手架和重复修改，但不能默认它们已经替代架构判断。速度和架构质量之间会有灰度取舍：有时项目愿意接受中等架构以换取更快推进，但这应当是显式决策，而不是被工具默认带走。Jev 这类原语如果进入代码，也更需要人类设计边界、状态、失败路径和可观察性。

对 SaaS 公司来说，最好的应用不是“把聊天机器人贴到现有产品上”，而是回到客户工作流：用户在哪些地方把自然语言意图翻译成下拉框、多选项、固定按钮或工单模板？哪些选择其实是在做分类？哪些流程常因语义理解不足而需要人工判断？Diogo 想象多选表单可能消失，语音控制电脑时系统能持续判断一句话是命令还是输入文本。但他同时承认这个例子不一定可靠，也可能需要更便宜、更快。因此，落地边界应当清楚：先用 AI 缩短意图到动作的距离，再逐步扩大权限。

最后，这期节目给出的最大边界是反过度承诺。Diogo 的愿景是“do what I mean”，但不是把演示、长尾、高风险和生产级可靠性混为一谈。可采用的原则是：先把 AI 放在明确状态机内，让它做有限决策；用置信度和日志让系统可观察；把低置信度、异常输入和高风险动作交给人或传统规则；用真实任务完成率、误触发率、人工接管率和单位成本来评价，而不是只看回答是否漂亮。这样，AI 才可能从聪明的对话对象，变成软件里真正能办事的工程部件。

来源

• 原始节目：How Jev Turns AI Into Software That Gets Things Done