Jas: AI-Paired Engineering as a Revival of N-Version Programming
本文通过一项案例研究表明，在精确的可执行规范锚定以及通过并行 N 版本实现进行验证的情况下，AI 配对工程使单名开发者能够在约 120 小时内开发出五个不同的软件移植版本，从而有效地复兴了 20 世纪 80 年代成本高昂的 N 版本编程方法论。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你想构建五个不同版本的复杂、高端绘图应用（类似于微型 Adobe Illustrator）。在过去，这就像雇佣五位不同的建筑大师，每人都说着不同的语言，来设计同一栋房子。这会耗费数年时间并花费巨资。
Jason Hickey，一位独立开发者，做了一些不同的尝试。他在短短七周内（仅利用晚间时间），就构建了这款应用的五个工作版本（分别基于 Rust、Swift、OCaml、Python 和 Web 浏览器）。他没有雇佣团队，而是将 AI 作为他的合作伙伴。
以下是他实现这一目标的简单解释：
1. “主蓝图”（可执行规范）
通常，当你为不同平台构建软件时，你必须为每个平台从头开始编写应用的规则。如果你想修改颜色选择器的工作方式，你必须在五个不同的代码库中进行更新。
Hickey 反其道而行之。他编写了一个单一的“主蓝图”（一份由名为 YAML 的语言编写的 23,000 行文档）。
- 类比： 把这份蓝图想象成不是一份静态的 PDF，而是一个活的食谱。它不只是说“做一个红色的按钮”；它会说：“这里是这个按钮的外观、它如何响应点击，以及点击后会发生什么。”
- 神奇之处： 这份蓝图是“可执行的”。计算机读取这一个食谱，就能自动构建出所有五个应用的图形用户界面。如果 Hickey 想更改一条规则，他只需在一个地方进行修改，所有五个应用都会随之更新。
2. “五头龙”（N 版本编程）
在 20 世纪 80 年代，工程师们尝试了一种称为“N 版本编程”的方法。其核心思想是：“如果我们独立构建了五个不同版本的系统，且它们都达成了一致，那么结果必然是正确的。如果它们产生了分歧，我们就知道出了问题。”
- 问题所在： 这种方法成本太高了。雇佣五个不同的团队来编写五个不同版本的代码是一种浪费。
- AI 的转折： Hickey 利用 AI 复兴了这个想法。因为 AI 可以承担编写不同语言代码的繁重工作，所以他作为一个人的精力足以构建五个版本。
- 安全网： 这五个版本就像一个五人陪审团。如果“Rust”版本的应用让颜色变红，但“Python”版本却让颜色变蓝，系统会立即发出警报。它们会对彼此进行“差异测试”。如果它们产生分歧，说明主蓝图描述得不够清晰，或者其中一个版本出了错。
3. “逃生舱”
主蓝图涵盖了大约 90% 的工作量。但有时，特定的计算平台（如 iPhone 或 Web 浏览器）需要一些通用的蓝图无法描述的特殊技巧。
- 类比： 想象蓝图是一份标准的房屋设计图。但“Rust”号房屋需要一个特殊的加固地下室，因为那里的地面是岩石。蓝图处理了所有人的墙壁和屋顶，但“Rust”团队必须建造他们自己的特殊地下室。
- Hickey 将其称为**“逃生舱”**。这是每个特定平台所需的少量定制代码，而其余部分则是共享的。
4. 流程是如何运作的（循环）
Hickey 并不只是输入代码然后祈祷。他使用了一个特定的循环：
- 设计： 他用纯英语编写计划。
- AI 评审： 他要求 AI 寻找计划中的漏洞（“缺少了什么？哪里很混乱？”）。
- 更新蓝图： 根据 AI 的建议更新主蓝图。
- 构建与测试： AI 生成所有五个应用的的代码。
- “人工视觉”检查： 这是最慢的部分。Hickey 会手动并排观察所有五个应用。如果其中一个看起来很奇怪，他就知道需要修复蓝图。
结果
- 时间： 约 120 小时的晚间工作（约 7 周）。
- 产出： 五个共享核心逻辑的完整功能应用。
- 成本： 取代了“多个开发者年”的成本，仅需一个人和几个月的时间。
局限性（注意事项）
论文诚实地说明了它并非做到的事情：
- 它不是最终成品： 这些应用缺少专业工具中的一些高级功能（如复杂的 3D 网格或专业打印功能）。它是一个“实质性的子集”，而非完美的克隆。
- 它依赖于 AI： 如果 AI 产生困惑或“幻觉”（编造虚假代码），系统会通过五个版本的差异来捕捉它。但如果 AI 在处理特定任务时表现不佳，整个过程都会变慢。
- 它需要人类： AI 负责打字，但必须由人类来检查结果、修复逻辑，并管理项目的“记忆”，以免 AI 忘记昨天所做的决定。
核心启示
这篇论文认为，AI 改变了软件工程的经济学。
此前，为了确保质量而构建多个软件版本是非常昂贵的。现在，随着 AI 处理重复性的编码工作，单个开发者可以构建一个由五个应用组成的“陪审团”来相互校验工作。它将一种因成本原因在 20 世纪 80 年代被放弃的方法，转化为了今天个人开发者可以使用的实用工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。