对话 Patrick Collison (Stripe CEO)

对编程、组织、AI 与未来的深度思考

早期编程经历：从 Smalltalk 到 AI
  • [事实] 第一个创业公司的产品是使用 Smalltalk 语言编写的，因为他认为基于延续（Continuation-based）的 Web 框架是正确的实现方式，而在 Ruby 中找不到合适的。
  • [观点] 他欣赏 Lisp 和 Smalltalk 提供的完全交互式的开发环境，允许在运行时深入堆栈进行调试和代码修复，这种开发体验远超“修改-重新部署”的循环。
  • [事实] 曾为 MSN Messenger 开发过一个 Lisp 写的 AI 聊天机器人，它是一个简单的贝叶斯下一词预测器，并尝试让它通过图灵测试。
  • [观点] 当时他没有深入研究神经网络，而是更多地探索了遗传算法，甚至用它来优化键盘布局，最终得出了类似 Dvorak 的方案。
编程哲学：IDE、抽象与未来
  • [观点] 现代编程环境最大的错误之一，是将“运行时”与“文本编辑器”分离开。他怀念 Lisp Machines 和 Smalltalk 那种融为一体的强大开发环境。
  • [观点] 真正被低估的编程思想是构建富集成的开发环境 (Rich IDE)，而不是仅仅是文本编辑器。他设想的 IDE 应该能在悬停代码时，即时显示性能分析、日志、变量常见值等信息。
  • [观点] 对编程范式的探索在过去20年似乎停滞了。AI 可能会推动编程语言向更高层次、更少关注具体实现（How）、更多关注意图（What）的方向发展。
  • [观点] AI 的一个巨大潜力在于代码库的自动化重构与美化，就像一个“夜间精灵”持续优化和清理技术债务。
Stripe 的演进：技术、组织与 API
  • [事实] Stripe 的早期关键技术选型是 Ruby 和 MongoDB。选择 MongoDB 是因为它提供了比 SQL 更灵活的、类似对象数据库的模式。
  • [观点] 康威定律（Conway's Law）影响深远。公司的API 和数据模型设计不仅塑造了组织架构，更深刻地影响了其长期业务战略。他认为 iOS 生态的成功就部分归功于其早期优秀的抽象设计。
  • [事实] Stripe 进行了长达数年的 V2 API 重构项目，核心是为了修正早期不够完美的顶层抽象。例如，将客户、子账户、收款方等统一为同一种实体。
  • [观点] 设计长期系统和 API 的两大原则：
    1. 尽可能地统一 (Unify) 你可以统一的一切。
    2. 如果一个关系有可能是 N-M 的，就按 N-M 关系来设计，因为需求总会发展到那一步。
AI、生产力与进步研究 (Progress Studies)
  • [事实] 在访谈时，最新的研究论文摘要显示，尚未在宏观生产力数据中观测到由 LLM 带来的显著提升。全球经济也未因此进入高速增长期。
  • [观点] 他认为不需要为 AI 时代发明新的经济衡量标准。如果 AI 真的极大地提升了经济，现有的 GDP 指标就能够反映出来。
  • [观点] AI 的出现让“进步研究”变得空前重要。因为技术增加了人类社会的“自由度”，未来的走向并非命中注定，我们的选择和判断将起到决定性作用。
终极挑战：用代码“编程”生物学
  • [观点] 人类从未真正“治愈”过任何一种复杂疾病（如癌症、自身免疫疾病、神经退行性疾病），因为我们缺乏足以应对其组合复杂性的认知和实验工具。
  • [事实] 过去十年，生物学领域迎来了三大技术突破，构成了一个全新的闭环：
    • 读取 (Read): 单细胞测序等技术。
    • 思考 (Think): 深度学习、Transformers 模型。
    • 写入 (Write): CRISPR 等基因编辑技术。
  • [观点] 通过这个“读-思-写”的循环，我们第一次有机会系统性地理解和攻克复杂疾病。他参与创立的 Arc Institute 正在为此努力。
行动指令：对 Cursor 的三个期望
  • [行动] 1. 集成运行时信息：希望 Cursor 能将代码的运行时特性（如性能、日志、错误信息）直接整合到开发环境中，实现更深度的集成。
  • [行动] 2. 赋能代码重构与美化：大力发展 AI 辅助的代码重构 (Refactoring) 和美化功能，以降低未来修改代码的成本，提升架构质量。
  • [行动] 3. 追求工艺与美学 (Craft & Beauty)：希望 Cursor 帮助开发者创造更多“最好”的软件，而不仅仅是“更多”的软件。AI 工具应致力于提升软件质量和美学，而不是制造更多的“代码垃圾 (Slop)”。

原文

源链接