Addy Osmani谈Chrome DevTools与AI工程

Addy Osmani：从 Chrome DevTools 到 AI 工程 来自 @GergelyOrosz 对 @addyosmani 的深度访谈。Addy 在 Google 工作 14 年，从软...

Addy Osmani：从 Chrome DevTools 到 AI 工程 来自 @GergelyOrosz 对 @addyosmani 的深度访谈。Addy 在 Google 工作 14 年，从软件工程师升至工程总监（L8），主导过 Chrome DevTools、Core Web Vitals，近年负责 Gemini / Cloud AI 的开发者体验。访谈录制于他宣布离开 Google 之际。 youtube.com/watch?v=2fyPnx… # 职业起点：从自制浏览器到 Google 在爱尔兰乡村长大，拨号上网时代因网速太慢，16 岁时研究下载管理器的多线程分块原理，从零写了一个浏览器来加速网页浏览，并因此获得全国科学竞赛冠军，意外登上《华尔街日报》、CNN。 这段经历让他意识到"能跑起来 ≠ 理解原理"，从此养成逐层深入理解系统（网络、渲染、JS 引擎、GPU、内存）的习惯。 早期参与 jQuery 社区；创建 TodoMVC（用同一待办应用对比各前端框架），成为事实标准，并被 Apple 邀请合作催生了沿用至今的浏览器基准测试 Speedometer。 2012 年左右加入 Google Chrome 团队，经历了从 Grunt/Gulp/Webpack 到现代工具链的整个前端工程化演进。 # Chrome DevTools 与 Core Web Vitals 的内幕 DevTools 的成功源于"与开发者在一起"：团队把 Paul Irish 等一线开发者型人才的痛点直接转化为工具能力——source map 映射、框架代码黑盒过滤、移动端设备模拟、PWA/Service Worker 调试面板。 内存调试至今仍是未解决的难题：很少有开发者真正理解内存管理，工具演进有限。 Core Web Vitals 的本质是把"用户感受"翻译成可量化的指标：LCP、INP、CLS。例如 CLS 针对的就是"文章读到一半被加载完的广告挤下去"这类体验。指标经过大量实验并与标准组织、开发者社区反复验证。 # Google 工程文化与总监之责 面向数十亿用户做变更，A/B 实验文化极其严谨；跨团队（如与 YouTube 合作优化性能）依赖双方"高能动性"的人推动。 职业路径：L4 入职（DevRel）→ L6 转管理 → L7 → 总监（L8），团队规模一度约 45–50 人。 总监的核心差异是问责：对年度顶级目标负直接责任，每 1–2 周向上汇报；关键是建立能自动运转、问题能快速上浮的组织系统，而非事必躬亲。 近两年的一个新现象：总监/VP 级别的高管们重新开始亲手写代码、玩模型，这在以前很少见。 # AI 时代的软件工程 认知债务：过度依赖 AI 会侵蚀记忆力和对问题的理解力。 认知投降：盲目接受 AI 的答案，AI 的回答变成你的回答，批判性思维丧失——这是最需要警惕的。 应对方法是相互增强：不再逐条阅读 agent 的执行轨迹（现在一次任务可能并行 20–30 个子 agent，根本读不完），而是坚持两件事： · 读完 agent 输出的决策摘要（没有就主动要求生成，并警惕模型编造理由）； · 让 agent 记录学习成果、关键决策和非常规选择，使人和 agent 每天都变得更好。 Loop Engineering 与软件工厂：不再专注于"写好提示词"，而是构建能自动完成提示、生成、测试、验证的系统；下一步是接入生产环境的遥测、日志、用户反馈，形成闭环（例如 Sentry 报错自动触发 agent 修复并提交 PR）。但没有护栏（爆炸半径控制、质量门禁、关键环节人工审查）的全自动循环是灾难配方。 工程师的未来：引用 Node.js 作者 Ryan Dahl 的话——"人类手写代码的时代结束了"。Addy 认为工程师相对模型的优势在于品味与问责：模型能判断"是否符合规格"，但判断不了"什么是好"；更重要的是系统必须有人负责——正如 Chromium 每个目录都有 OWNER 文件，负责人未必写过每一行代码，但必须理解它、决定什么能发布。同时，每次软件创作门槛降低，创作者总量都会指数级增长，新岗位也会随之出现。 # AI 时代的写作困境 Addy 已出版 18 本书。他的工作流：用 deep research agent 调研社区观点形成论点 → 自己手写初稿，同时让模型写一版做对照 → 用模型做可读性润色。 坦承困境：模型润色后的文字常带有可辨识的"AI 腔"（如三连排比），他一篇"循环工程"的文章就被听众当场指出"读起来像 AI 写的"；甚至他手写的段落也会被 AI 检测工具误判为机器生成。如何在借助 AI 与保持个人文风之间取得平衡，目前尚无最佳实践。 # 职业建议 预测工程、产品、设计等岗位将出现"解绑与融合"：懂产品的工程师、懂工程的产品经理会更吃香。 建议：不要只做工程师——拓展产品感、布道、市场等非工程能力；保持终身学习与好奇心。 💬 0 🔄 0 ❤️ 0 👀 361 ⚡