"情感编程"初创公司Pythagora今天推出其平台,旨在将人工智能驱动的软件开发提升至新高度。该公司表示,其平台将帮助任何人(包括非编程人员)仅通过一系列提示即可开发全栈应用程序。
该公司称其平台专为开发者和非技术用户设计,与其他类似的生成式AI编程工具不同,它将前端和后端开发统一起来,配备全面的调试功能,将整个应用创建体验整合到单一平台中。
Pythagora现已推出,提供免费版本以及专业版和企业版付费计划,可被视为存在于VS Code和Cursor等软件开发工具中的"AI队友"。它由14个专业AI代理组成的团队构成,能够无监督地自动化各种编程相关任务,从规划和编写代码到测试、调试和部署全程包办。
这家初创公司希望让软件开发成为完全对话式的体验,用户只需用简单的提示描述想要构建的应用类型即可开始。但与其他在第一个提示后直接跳转到代码的工具不同,它采用更加深思熟虑的方法,首先为每个应用创建规格说明和任务清单。
准备就绪后,Pythagora的AI代理团队将开始工作,一个负责编写前端代码,一个处理后端,其他则负责连接必要的应用程序编程接口、处理数据库等。公司表示,甚至还有一个专门的代理会在代码编写完成后进行调试,使用断点和调试循环等第三方工具。
Pythagora本质上是对情感编程的超级增强,完全消除了实际编码的需要。在情感编程中,程序员向AI模型输入自然语言提示,模型基于这些描述生成代码。然后程序员检查每行代码是否按预期工作,并根据需要进行调整。但Pythagora声称其用户无需这样做,因为其代理会处理一切。
这些AI代理由包括Anthropic PBC和OpenAI在内的公司的大型语言模型驱动。该初创公司解释说,它会为每个AI代理选择最合适的模型。
据联合创始人兼首席执行官Zvonimir Sabljic介绍,他的公司是第一家在单一平台内提供所有这些AI编程代理的公司,面向从经验丰富的情感编程者到首次应用创建者的所有用户。
"对情感编程的兴趣正在激增,但当前一代工具并未兑现承诺,"Sabljic说道,他指出AI生成代码的质量往往令人失望。"太多AI构建工具止步于前端,或生成在面对现实复杂性时就会崩溃的代码。"
据Sabljic介绍,情感编程的问题在于现有平台只是简单提供构建块,而不是Pythagora提供的"端到端蓝图"。他解释说,该工具设计得更像是共同开发者而非编程助手。这意味着它不仅仅创建代码,还会解释代码为何如此编写,并能向用户解释所做的任何更改。但如果用户认为有必要,仍可以干预和编辑代码。
该初创公司表示,这种方法的最终结果是基于适当架构和分层逻辑的"完整应用程序"。
Sabljic补充说,安全性始终是Pythagora的首要任务,因此情感编程应用的安全工作绝不会交给AI处理。他解释说,虽然代码库管理和调试可以由AI模型处理,但公司绝不应让AI管理其应用程序的整体安全性。
"情感编程不应意味着偷工减料,"他指出。"它应该意味着流畅工作,没有摩擦,但仍能得到安全、真实且有影响力的结果。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。