编译器是你运行过最廉价的评估 (Eval)
· 阅读需 12 分钟
正在构建编程智能体（coding agents）的团队在验证上投入了真金白银。针对每一次模型升级运行精心策划的任务评估套件；对 diff 进行打分的 LLM 裁判；每次迭代都要消耗数分钟算力的沙箱测试。这一切的存在都是为了回答一个问题：模型写出的代码能运行吗？
与此同时，这些团队大多能接触到的最便宜的评估方式就躺在他们的工具链中，而他们在十年前配置它时根本没有考虑过模型。它就是编译器。一个严格的类型检查器是一个免费、即时、确定性的验证器，它在智能体循环中的每一次编辑时运行——而你是否拥有它取决于你的语言选择，而不是你的评估预算。
这种重构带来了一个令人不安的后果。你的团队在多年前确定的技术栈决策——为了速度选择动态语言、类型可选、以测试作为安全网——是针对人类作者优化的。当作者变成模型时，权衡的优先级会重新排序。你团队最擅长的语言可能不再是你的智能体最安全的语言。
