Jane Street发布Signals and Threads 播客(3天)

Jane Street的这期 Podcast 太硬核、太实用了！把 AI 编程工具在公司内部怎么落地，聊得具体透彻，很有学习借鉴价值。

这是 Jane Street 官方技术播客 Signals and Threads 的一期，由技术负责人 Ron Minsky 主持，嘉宾是开发者工具工程师 John Crepezzi。他在 Jane Street负责搭建内部 AI 工具。

John分享了从三天做出的 JaneGPT 原型，到权限体系、沙箱、异步编程 Agent，再到代码 Review，几乎都是实际工程中会遇到的问题。

几个特别值得记下来的点：

1. 自建平台，也用外部工具。

Jane Street 自己做 AIDE，同时也让工程师使用 Claude Code 和 Codex。自建工具可以深入整合内部构建、代码库和权限系统；外部工具则带来新的功能和交互方式，也让内部团队知道自己差在哪里。不能靠屏蔽外部竞争，让自家工具成为“最好用”的那个。

2. 给 AI 单独的身份：AI Users。

Agent 代表你做事时，使用对应的 AI 身份。这样底层服务就能区分“你本人”和“替你工作的 AI”，应用不同的权限规则，还能追踪哪些代码是 AI 辅助生成的。接入 Agent，已经涉及身份和权限基础设施的改造。

3. 把启动任务的摩擦降下来，使用方式会明显改变。

他们的 AIDE mint 允许你直接在 Slack 里描述需求，系统自动创建类似 PR 的工作单元、启动构建，再让 Agent 在你的开发机上执行。省掉的只是几步操作，却让更多人开始把任务交给 Agent。这个细节对做内部工具的人很有参考价值。

4. 沙箱要采用白名单，默认拒绝。

靠黑名单逐个堵危险操作，很容易遗漏。模型越来越擅长寻找替代路径，权限边界需要由系统强制执行，不能依赖提示词里的“请不要”。

5. 警惕 Reward Hacking，也警惕模型为了完成任务绕过规则。

一个很具体的例子：编译器把 warning 当作 error，模型修不好，就把 warning 检查关掉。表面上构建通过了，工程标准却被绕过去了。评估时也会出现搜索现成答案的行为，所以测试怎么设计、Agent 能访问什么，都得一起考虑。

6. 代码生成变容易之后，验证和 Review 更值得投入。

后半段聊得尤其好：AI 可以帮助人理解陌生代码、生成解释和可视化；但提交代码的人，仍然需要理解自己的改动。一个功能已经被 Agent 写出来，也不代表它就值得合入。Review 还要判断它是否有必要、会不会让系统变得更复杂。

如果你正在公司里推广 AI 编程，或者搭建内部 Agent 平台，推荐观看学习。（加了中文字幕）