科技Bestblogs·Ryan Peterman··AI 生成
Brian Kernighan 谈贝尔实验室、顶尖程序员与 C 语言的成功
Brian Kernighan 回忆在贝尔实验室的暑期实习与长期研究机制：稳定电话业务收入支撑自由选题，年度评审按多年贡献而非季度目标评价。他讲述 Ken Thompson 三周搭出早期 Unix 工具、Doug McIlroy 的建设性批评，以及 C 语言如何在小机器上兼顾简单、效率与表达力。对 LLM，他承认自动化价值，但强调生成 SQL 看似合理却可能答错问题，自动生成的测试本身也需验证。原文 ↗原文 ↗
核心观点
- ▍贝尔实验室的长期研究自由依赖懂技术的评价机制：稳定资金支持自主选题，年度评审结合同行意见比较多年实际贡献，而非只看季度目标。
- ▍C 语言的成功来自其表达能力与早期机器约束的匹配，Unix 的推广又反过来促进语言普及。
- 01Ken Thompson 用三周时间搭建了早期 Unix 的工具。
- 02Doug McIlroy 通过建设性批评帮助同事改进工作，走廊交流是贝尔实验室的重要反馈方式。
- 03awk、make 等工具最初是为了解决作者自己眼前的问题，已有语言开发工具和 Unix 组件降低了实现成本。
- 04Kernighan 认为教学像零售、写书像批发，清晰表达和理解听众能放大技术价值。
- 05LLM 生成的 SQL 可能看似合理却答错问题，自动生成的测试本身也需要验证，判断最终结果仍离不开领域知识。
反方 / 局限
- — 文章对贝尔实验室模式的回忆基于个人观察，学生人数等估计也属个人视角，未必能直接推广到其他机构。
- — Kernighan 对 LLM 的讨论停留在验证难题上，未深入展开 AI 辅助编程在大型项目中的长期影响。
概念锚点
前置背景
平行视角
争议局限
未来推演
延伸追问