Jev与TypeSafe：让AI真正可靠地执行软件意图

「所有的自动化到底在哪里？」

在这场由投资人与TypeSafe创始人Diogo的对话中，一句略带愤怒的开场定下了全篇基调：「所有的自动化到底跑哪去了？」AI已经聪明到令人难以置信，却在真正的工作场景中几乎毫无用处。Diogo并不否认ChatGPT、Claude Code、Codex这些工具的价值，相反他本人也是重度用户，但他尖锐地指出一个被大多数人忽视的事实——AI的智能和软件自动化之间，长期以来是「夜航中擦肩而过的两艘船」（ships in the night）。

OpenAI从2020年就开始尝试自动化客服，财务激励巨大，技术也早已就绪，但到今天企业内部真正被自动化的工作少得可怜，除了编程之外几乎没有成功的案例。Diogo把这种「理想与现实的严重错位」形容为「tragic（悲剧性的）」——我们手握大量「未经打磨的璞玉」，却只能在软件边上挂一个有时能动、有时不敢让它动的小聊天框。

Jev不是更快的程序员，而是「更聪明的软件」

要理解Jev的差异，关键在于区分两种思路。Diogo引用Gary Tan对Claude Code和Codex的评价——它们是「即时编译的软件（just-in-time software）」，能用自然语言在飞行中生成代码，但生成出来的东西和十年前的代码本质上没有区别。「不管用多少AI编程助手，软件本身并没有变好，你只是写得更快了，」他说，「甚至可能变得更糟，因为监督更少、往往更不安全。」

Jev走的是另一条路：不是用一个更快但未必更好的程序员去替代工程师，而是扩展软件本身能做的事情，让那些「本应该可被自动化」的任务真正变得可自动化。Diogo把它描述为一种全新的编程原语（primitive）——像一个库，你用自然语言描述意图，给它一个状态机（state machine），它就会在软件内部做出带有置信度的决策。无论调用它的是Claude Code还是人类，这个原语都给代码注入了一层此前不存在的「智能」。

他特别点出一个有意思的设计细节：Jev把输入称为「state（状态）」是刻意为之，意在表达它处理的是程序内部状态的智能编排，而不仅仅是「语言进、语言出」。

**状态机（State Machine）**是一种经典的计算机科学抽象，描述系统在有限个状态之间按规则转换的行为——例如一个订单系统可能处于「待支付→已支付→已发货→已完成」等离散状态。传统状态机的转换规则是硬编码的确定性逻辑；Jev的创新在于将转换决策本身交给语言模型来判断，让系统能根据自然语言描述的「当前状态」智能选择下一步走向，而不是靠程序员预写每一条分支。这种设计使得原本需要大量if-else或规则引擎才能处理的模糊业务逻辑，变成可以用意图描述来驱动的动态流程。Diogo特意用「state」而非「input」来命名输入，正是为了强调Jev操作的是程序内部的业务状态语义，而非单纯做文本变换。

「Jev就是个分类器」——这恰恰是重点

面对「Jev不就是个分类器吗」的质疑，Diogo毫不回避：「Jev绝对是个分类器，而分类器超棒。」在团队的入职第一天，他会画一个维恩图：AI擅长什么、代码里什么有价值，Jev就落在二者的交集中。所以它不会去输出AI本就不擅长的外推浮点数，但会处理概率这类「并不新鲜却极其实用」的概念。

他给出一个大胆判断：Jev很可能比2019年一支机器学习工程（MLE）团队为你定制的系统还要好用——过去搭这类系统需要收集数据集、做评估、调模型，门槛极高且团队稀缺，而现在你几乎可以「在飞行中编程」实现同样的能力。这背后是他的北极星指标：每美元智能（intelligence per dollar），而非短期更吸引眼球的「每秒智能」。

关于Jev在设计空间中的位置，Diogo坦言心里的答案是一个「滑块」：一端是今天的「语言进语言出」，另一端是传统的命令式程序，而Jev是「语言进、状态机出」，试图在这条光谱上为通用编程找到稳固的落点。

**每美元智能（Intelligence per Dollar）**这一指标的背后，是对当前AI落地经济学的一种务实重构。MLE（机器学习工程）团队在2019年前后是极度稀缺的资源：搭建一套生产级分类系统往往需要数月的数据标注、模型训练、A/B评估与基础设施维护，总成本轻易超过百万美元，且高度依赖难以招募的专业人才。大语言模型的出现使「零样本分类」成为可能，但API调用成本与推理延迟依然是规模化部署时的核心瓶颈。Diogo用「每美元智能」而非「每秒智能」作为北极星，是在说：对企业真正重要的不是模型跑得多快，而是在给定预算下能解锁多少原本无法自动化的业务决策——这也直接决定了Jev在定价与架构上的取舍方向。

可靠性，才是Jev真正的护城河

整场对话中，Diogo反复强调一个词：reliability（可靠性）。他说这款产品本可以更早发布，之所以压了多年，正是因为对可靠性的极致追求。他把可靠性拆成几个层次：第一层接近「正常运行时间/SLA」；第二层接近「确定性」（同样输入返回同样结果，适合单元测试但不完全适用于真实系统）；第三层他称为「鲁棒性」——不要求每次函数完全一致，但要求每次都足够聪明。

他举了一个精妙的例子：如果给prompt加一个UUID，功能上理应得到相同结果；真实系统需要的不是机械的确定性，而是「每一次都智能」的稳定表现。可靠性的最高荣誉，是让开发者无需写示例查询就能信任它、直接针对它编程，进入「永久心流状态」去创造软件。

Diogo认为，每一个「9」的可靠性提升都会解锁全新的应用场景。他举了一个让人眼前一亮的例子：有人用语音控制电脑，Jev不断判断「这是一条命令，还是要插入的文本」——这类让交互界面彻底改变的应用，正是可靠性带来的。他同时诚实地表示，无法保证所有Demo都真的可靠，这正是他拒绝「过度承诺、低度交付（over-promise, under-deliver）」的态度。

软件工程中常用「几个9」来衡量系统可用性：99%（两个9）意味着每年约87小时宕机，99.9%（三个9）约8.7小时，99.99%（四个9）约52分钟。对于传统确定性代码，测试与调试相对直接；但AI组件的「可靠性」远比这复杂——同一个prompt在不同上下文下可能产生不同输出，而这种不一致性在自动化流程中会被放大成级联故障。Diogo区分「确定性」与「鲁棒性」正是直面这一困境：纯粹的确定性对LLM来说既不现实也未必必要，真正需要的是每次调用都能达到「足够好」的决策质量下限，使得开发者可以像信任标准库函数一样信任它、直接围绕它构建系统，而无需在每个调用点都加防御性检查。

从「SaaS末日」到「SaaS狂欢」

市场给出了一个耐人寻味的信号。编程智能体刚出现时，业界喊出「SaaS末日论（SaaSpocalypse）」，SaaS公司估值集体跳水；而Jev一出，SaaS公司却纷纷表示「这是史上最棒的东西」。Diogo对此的解读是：SaaS末日论建立在「软件既便宜又易于复制」的前提上，前者或许成立，后者则大错特错——大量价值藏在引擎盖之下，难以复制。

他判断SaaS反而会是整个AI浪潮最大的赢家之一。因为SaaS公司最懂用户的真实工作流、最清楚该自动化什么，而且早已完成了触达海量客户的巨额资本投入。当它们不只是在产品旁挂一个聊天框，而是用Jev让软件本身变得「极大地更有用」，就会迎来一场「反向SaaS末日」。他甚至畅想，多选表单这类东西可能彻底消失——它们本质上只是把软件早已拥有的能力，强行映射成一种「人工语言」。

一位把AI当成程序员工具的「务实主义者」

Diogo的背景颇为非典型。他自称曾是获奖数学竞赛选手，却坦言「从没真正喜欢过数学」，转向计算机科学后才找到乐趣——「计算机科学就像数学，但更酷、更有用、更有趣」。真正把他带入AI圈的是一次Kaggle竞赛夺冠，靠的不是精巧数学而是「疯狂地自动化、嵌套循环解决系统问题」。此后他与Jeremy Howard共事、在Google Brain工作、短暂退休，最终因为「AI实在太好玩了」而加入OpenAI。

他对AI的态度与多数大厂领袖截然不同。他推崇TypeSafe那句「我们造的是prod，不是God（we build prod, not God）」，明确表示自己「出于诸多细致的理由，不认为我们正走在RSI（递归自我改进）的道路上」。在他看来，业界的悲观叙事源于一种「单一大模型的迷魂汤」——相信要造一个统治一切的大脑。而他真正相信的，是让所有技术都「做我想做的事（do what I mean）」，让世界像咬合的齿轮一样更顺滑地运转。

对于编程智能体，他给出了务实评价：它们擅长语法、也懂一些语义，但在架构上「极其糟糕」——而架构恰恰是软件中最具人类创造力的部分。或许模型的架构能力只是「第50百分位」，对不懂架构的人已经够用，这就成了速度与质量之间的灰色权衡。最终他把Jev定位为一种值得「重新构建系统」的新原语——就像互联网、客户端-服务器架构曾经带来的那种周期性重构，而「do what I mean」正是这一切的核心愿景。