Agentic coding 让生成功能变得前所未有地容易。但这恰恰说明，仅有可扩展性已经不够：我们需要的是始终保持可理解、可替换、可治理的系统。

本次演讲以 Bub 的重写为案例，探讨一种刻意"反直觉"的设计选择。在 AI 越来越擅长产出 demo 和边缘功能的当下，Bub 的核心很大程度上仍由人类设计并手工编写。Bub 脱胎于杂乱的多人群聊，而非精致的单用户 demo，这早早暴露了结构性问题：一旦频道（channel）、技能（skill）以及与记忆相关的能力不断累积，继续把它们吸收进框架核心，只会让系统越来越难以理解、配置和维护。

我将分享为什么这次重写把更多的变化推出了框架核心，让系统保持小巧且以 hook 为先，并把内置功能当作可替换的默认插件。我还会讨论 Bub 的 tape 模型——它使上下文对人和 agent 都更明确、可重建、可审查。更宏观的论点是切实的：当功能生成的成本降低时，由人精心设计核心边界、依赖方向、扩展点和上下文，这件事会变得更加重要，而不是更不重要。

讲师:

卓燃 尚：ASF Member，OceanBase 资深工程师

数据系统 · AI 基础设施 · 开源（OSS）