原始标题: From GitLab to Kilo Code (Interview)

发布日期: 2026-01-07 | 来源频道: @changelog

📝 深度摘要

1. 节目元数据 (Meta Info)

  • 核心主题：GitLab 创始人 Sid Sijbrandage 深度访谈，从抗癌经历到创立 Kilo Code 全栈 AI 编程平台，探讨 AI Agent 工作流的未来图景
  • 出场人物：主持人 Adam Stacoviak, Jerod Santo；嘉宾 Sid Sijbrandage（GitLab 创始人，现任 Executive Chair，Kilo Code 创始人）

2. 核心摘要 (The TL;DR)

本期节目是《The Changelog》2026 年首播访谈，邀请到 GitLab 创始人 Sid Sijbrandage。Sid 分享了他从 2015 年将 GitLab 打造为全球领先的 DevOps 平台并于 2021 年成功 IPO 的完整历程，以及在 2022 年发现骨癌后开始的抗癌艰辛旅程。在抗癌期间，他开创性地采用多线并行的治疗策略，通过单细胞测序精准定位肿瘤特征，使用德国实验性 FAP 靶向放射性治疗成功缩小肿瘤并实现手术切除。目前他的癌症已无法检测到，但仍持续推进 10 种药物和诊断方法的开发，并同时经营着约 30 家公司，其中最重要的新项目是 Kilo Code——一个支持 500+ 模型的全栈 AI 编程助手。Sid 在节目中大胆预言：2026 年将是并行 Agent 的元年，未来每个知识工作者都将拥有多个 AI Agent 协同工作，而 AI 模型的定价将持续下降但人类消耗的 Token 量将爆炸式增长。

3. 深度技术剖析 (Deep Dives)

议题一：Kilo Code——全栈 AI 编程平台的架构与战略

  • 背景/上下文：

Sid 在离开 GitLab CEO 岗位后（因癌症治疗需要全职投入），看到了开源 Agentic Coding 领域的巨大机会。他观察到虽然市面上已有 Cursor、Windsurf 等优秀的 AI 编程工具，但它们大多封闭源码，而开源社区在这一领域几乎空白。Sid 决定复制他在 GitLab 身上验证成功的"全栈一体化"模式，将代码编写、代码审查、安全审查、部署等完整开发流程整合到一个平台中。

  • 技术细节与挑战：

Kilo Code 的核心架构包含以下几个关键层面：

首先，它是真正的全栈解决方案。Sid 强调：“Kilo has great agentic coding. But the best reason to use it is that it’s all in one. So not only can you do the coding, it can also review your code. Not only can it do that, it can also do a security review. Not only can it do that, it can also deploy it.” 这意味着开发者无需在多个工具之间切换，从需求分析到生产部署都可以在同一个界面完成。

其次，Kilo 采用了模型无关的策略。目前支持超过 500 种不同的模型，包括大量新出现的"stealth models"（尚未公开的模型）。Sid 透露：“We’re the most prominent launch partner for new models. So a lot of new models, a lot of stealth models are first launched on Kilo.” 这种策略使用户可以根据不同任务需求灵活选择最合适的模型——例如使用 Opus 4.5 进行复杂的故障排查，使用 Grok 处理简单任务以节省成本。

第三，Kilo 正在开发并行 Agent 功能。Sid 明确指出：“I think 2026 is going to be the year that that changes. Our parallel functionality where you have kind of, you farm it out to multiple agents in multiple work streams.” 他描述了一个革命性的场景：用户不再只有一个工作的 Agent，而是可以同时运行多个任务，每个任务又可以运行多种不同的 Agent。这就好比杂技中的转盘表演——“the spinning plate act where you have all these agents up in the air”。

  • 关键结论/观点：

Sid 认为 AI 编程工具的未来在于三个核心要素：全栈整合（避免工具切换）、模型多样性（不绑定单一供应商）、并行化（最大化并发效率）。他承认与 GitLab 早期面临同样的挑战——当时 Travis CI 主导 CI/CD 领域，CodeRabbit 主导代码审查，但 GitLab 最终以更快的速度超越了它们。Sid 表示：“Let us cook. We’ll go faster than anybody else.”

议题二：AI 编程的经济模型与市场格局演变

  • 背景/上下文：

节目中讨论了一个关键问题：随着 AI 编程工具消耗的 Token 数量爆炸式增长，其经济模型将如何演变？主持人提到有人每月为 Cursor 支付 1400 美元，而 Sid 则预言未来人类每年将消耗 1 万到 10 万美元的 Token。

  • 技术细节与挑战：

Sid 分析了当前 AI 模型市场的几个重要趋势：

第一，免费模型的快速涌现。Sid 在节目中透露：“If you go to kilo.ai and you look at our homepage, we see the 10 most popular models for kilo. I tried to count them this morning and I think 8 out of 10 offer free usage today.” 这些免费模型包括 Grok、MinMax、GLM 等，其中 Grok Code 被 Sid 评价为"incredibly good model, and it’s been free for months now"。这种模式类似于当年的网约车大战——“VC dollars are plentiful and the leading labs have free models.”

第二，Token 消耗量的指数级增长。Sid 指出：“the amount of tokens you can burn as a human, that is shooting through the roof. With this like split up the work. Even with my only one agent. You know, I’m only doing one agent. I can burn some tokens. I imagine if I had six agents going. I mean, that’s just 6x my token ability.” 他预言：“I think humans are going to burn $10,000 in tokens, maybe $100,000 in tokens per human.”

第三，模型价格的"通缩"与"通胀"并存。Sid 观察到：“the same quality model gets 10 times cheaper year over year”（同质量模型每年降价 10 倍），但"the price of a frontier model per token has kind of held steady"（前沿模型按 Token 计费的价格保持稳定），而"every time we think it’s going down, there’s like GPT 5.2… the really expensive one"（总会出现新的高价模型）。

  • 关键结论/观点：

Sid 承认这场"免费盛宴"可能是暂时的：“the catch is it’s temporary maybe.” 但他同时指出免费模型推出的速度远超过它们被弃用的速度，因此用户实际上处于一个前所未有的"买方市场"。他建议开发者"Use it while you can"，同时警惕不要形成依赖——“you don’t know how to write software any other way. And then, you know, three years from now… they turn on the old money-making machine.”

议题三：抗癌历程——软件工程师思维与精准医疗的碰撞

  • 背景/上下文：

这是本期节目最具个人情感色彩的段落。Sid 在 2022 年底（GitLab 上市一年后）被发现患有骨癌（ osteosarcoma），脊椎上长了一个 6 厘米的肿瘤。他讲述了自己如何将软件工程师的思维模式应用到癌症治疗中，包括并行测试多种治疗方案、进行单细胞测序以精准定位靶点、前往中国获取快速诊断等。

  • 技术细节与挑战：

Sid 的治疗历程充满了技术细节和艰难抉择：

第一，确诊与初始治疗。2022 年底，Sid 在脊椎上发现了一个 6 厘米的肿瘤，必须紧急进行手术。“We removed the vertebrae and most of the cancer and did a spinal fusion with a titanium frame. We did radiation, chemo.” 手术后他进行了单患者 IND（Investigational New Drug）申请，这是他第一次尝试实验性治疗。

第二，癌症复发与标准治疗穷尽。2024 年，癌症再次扩散。“And the doctor said, you’re done with standard of care. There’s no more treatment we have for you.” Sid 具有罕见的 HLA 类型，导致他被排除在多个临床试验之外。作为一名骨肉瘤患者，他面临"无药可救"的困境。

第三，精准医疗的单细胞测序。Sid 可能是最早在临床试验之外进行单细胞测序的个人患者之一。“You’re sequencing thousands of cells but you’re kind of, you’re able to see the genetic markup of each cell and you’re able to see what the tumor is looking like.” 通过将测序结果与"骨髓应该是什么样子的图谱"进行对比，研究团队发现他的肿瘤中含有大量成纤维细胞（fibroblast，即瘢痕组织）。

第四，FAP 靶向放射性治疗的突破。德国的一种实验性治疗使用 FAP binder 结合放射性元素（lutetium 或 actinium）来靶向成纤维细胞。“We saw 60% necrosis and 20% shrinkage, which considering it was only two treatments, that was a great result.” 更关键的是，肿瘤缩小后从脊髓上脱落，使手术成为可能——“allowing a really talented surgeon to go in and go after it and remove most of it surgically, which wasn’t possible before.”

第五，放射性治疗的细节。Sid 回忆道：“I was like 10 times as radioactive as an airplane at altitude from the outside, let alone what was happening inside of me.” 他被隔离了两天，辐射持续一周。在机场安检时曾引发警报——“they had to call kind of Washington because their sensors were showing plutonium.”

第六，诊断失误的虚惊一场。Sid 曾在一次 PET 扫描中被告知癌症扩散到肺部 50 处——“My lungs were lighting up like a Christmas tree.” 他准备向团队宣布这个噩耗时，最后一位参与会诊的医生（曾运行过最多骨肉瘤试验的专家）指出有 60% 的概率不是癌症，而是 COVID 的残留痕迹。Sid 形容这是"Probably the happiest COVID diagnosis of all time."

第七，当前状态与未来计划。目前 Sid 的癌症已无法检测到，但他清楚手术并未完全切除（“positive margins”）。他正在接受两种 checkpoint inhibitors（释放免疫系统）和一种溶瘤病毒（oncolytic virus）治疗，后者可以清除 TGF beta（癌症用来躲避免疫系统的"隐身斗篷"）。两周后他将接种 mRNA 疫苗，有 50% 的治愈概率。

  • 关键结论/观点：

Sid 将自己的抗癌经历总结为"buy time"——“You’re buying time to research it more, to attack it more, to have a mRNA opportunity for a 50-50 chance.” 他同时启动了 6 家生物技术公司，旨在将个人经验转化为可扩展的治疗方案。他的洞见是：医药公司缺乏动力研究药物组合（“there’s very little incentive for pharma companies to spend a billion dollars… To spend a billion dollars for an approved medicine to research a combination of drugs”），因此患者往往需要自己成为"自己的研究者"，从第一性原理出发判断哪些药物可以安全组合。

议题四：AI 作为"超级通才"——改变知识工作范式

  • 背景/上下文：

Sid 在节目中提出了一个引人深思的观点：AI（特别是 GPT 级别的模型）已经成为有史以来最强大的"通才"（polymath），能够跨越所有学科进行知识整合。他将 AI 视为可以替代过去需要 8 位专家才能完成的"整合者"角色。

  • 技术细节与挑战：

第一，AI 作为跨学科整合者。Sid 分享了一个亲身案例：他在对抗癌症期间需要理解 TCRT 与 CAR T 的区别，“ChatGPT walked me through it and all the pluses and minuses.” 更令人震惊的是，他曾将癌症的 RNA 测试表格发送给 ChatGPT：“And what came out of it was really insightful.” AI 能够连接遗传学、分子生物学、病理学等多个领域的知识，这是人类专家难以企及的。

第二，AI 作为"思想伙伴"。Sid 形容他与 ChatGPT 的对话"was very therapeutic… It was just uncanny, the response type and the level of care." 他强调这种交互不仅仅是问答，而是真正的深度对话——“it was this depth that I never expected a machine… to give me back this feedback loop.”

第三，多模型协同的未来。Sid 提出了一个革命性的概念：与其使用单一模型，不如让多个模型并行工作，然后选择最佳结果。“You can do a runoff. Especially if you’re using these free models, you might as well have two models work and then see which one has a better result.” 这意味着未来的 AI 系统不再是"一个智能助手"，而是一个"AI 团队"。

  • 关键结论/观点：

Sid 大胆预言 AGI 已经在 2024 年 4 月实现——“I think in April, the models became as smart as the median human.” 他引用了经济学家 Tyler Cowen 的观点来支撑这一判断。他的核心论点是：AI 虽然在单一领域不如最顶尖的专家，但它了解所有领域——“the ultimate polymath.” 这使得它能够完成过去需要多人协调才能完成的跨学科任务。“We need humans to go super deep and super thoughtful into a very specific domain… But we need those kind of folks to think about the long-term future of humanity. And feed this algorithm, this LLM, this model, its knowledge, not to replace them, but to augment how fast we can iterate through a problem set that requires eight humans and a polymath that sits above those folks.”

4. Homelab & 自托管车库 (The Homelab Corner)

[注：本期节目中主持人与嘉宾未详细讨论个人 homelab 基础设施的搭建细节，主要聚焦于 Sid 的创业经历和 AI 技术讨论。]

5. AI 与 Agent 工作流 (AI & Agentic Workflows)

  • 讨论的工具/框架：

节目中提到的 AI 编程工具包括：Kilo Code（Sid 创立的全栈平台）、Cursor、Windsurf、Claude Code、Augment Code、Grok Code（xAI 的编程模型）。此外还讨论了 Notion Agent（用于知识管理的工作流自动化）以及 Tiger Data（专为 AI Agent 设计的数据库）。

  • 工作流范式转移：

Sid 描述了 AI 如何从根本上改变软件开发的工作方式。首先，身份转变——“the most natural way I interact with my coworkers is either a video call or Slack… I think collaborating with agents is going to look a little bit less like this big monitor with an IDE on it. And more like Slack on your mobile phone.” 其次，效率跃升——“it used to be that you needed like a team of seven people to do something. Now you have one person and kind of a whole team of agents working on something… we have like 20 engineers. But in reality, they’re all working with seven agent decoders.” 第三，移动化——通过手机随时启动 Agent 进行开发的能力。

6. 行业洞察与"暴论" (Industry Insights & Hot Takes)

  • 传统软件工程学习路径已死：Sid 认为现在不再需要花 10 年时间学习计算机科学，也不需要通过繁琐的算法面试。“You don’t have to study computer science. You don’t have to solve these lead coding problems anymore. You can just make it yourself without any other human helping you.”

  • 2026 年是并行 Agent 元年：Sid 预言今年将是多 Agent 并行工作的突破点，用户将能够同时管理多个任务，每个任务又运行多个不同类型的 Agent。

  • AI 消耗的 Token 将爆炸式增长：未来每个知识工作者每年可能消耗 1 万到 10 万美元的 Token，但同时效率提升 100 倍，使得这种投入依然值得。

  • 免费模型的盛宴是暂时的：虽然目前 80% 的流行模型提供免费使用，但这种状态不会永久持续。开发者应该"Use it while you can"，但也要警惕形成依赖。

  • AI 已经是"准 AGI"：Sid 认为 2024 年 4 月 AI 模型已经达到了中位数人类的智能水平，只是这个里程碑被大多数人忽视了。

7. 工具雷达 (Tool Radar & Shoutouts)

  • Kilo Code：全栈 AI 编程助手，支持 500+ 模型，覆盖代码编写、审查、安全、部署全流程
  • Grok Code：xAI 出品的编程模型，当前免费且质量优秀
  • MinMax / GLM：中国前沿实验室推出的新模型，提供极具竞争力的价格
  • Tiger Data：专为 AI Agent 设计的数据库，支持 MCP 协议和零拷贝分支
  • Notion Agent：知识管理平台的 AI 助手，可完成端到端的任务执行
  • Depot.dev：构建加速平台，利用 ARM/AMD CPU 和智能缓存实现极速构建
  • Single Cell Sequencing：单细胞测序技术，用于精准定位肿瘤特征

8. 金句摘录 (Golden Quotes)

金句一： “I think in April, the models became as smart as the median human. It’s like the ultimate polymath.” “我认为（2024年）4月起，这些模型已经和中位数人类一样聪明了。它是终极通才。”

金句二： “You don’t have to study computer science. You don’t have to solve these lead coding problems anymore. You can just make it yourself without any other human helping you. It’s incredible.” “你不需要再去学计算机科学。不需要再去解那些令人头疼的算法题了。你完全可以自己动手，不需要任何其他人的帮助就能创造出软件。这简直不可思议。”

金句三： “I wasn’t interested in finding what cured me. I was interested in getting cured.” “我不在乎搞清楚到底是哪种疗法治愈了我。我只关心一件事——被治愈。”

9. 赞助商与商业信息 (Sponsors)

  • Fly.io：开发者部署平台，“Build fast, run any code fearlessly”
  • Depot.dev：构建加速服务，利用最新一代 ARM/AMD CPU 和智能缓存技术
  • Tiger Data：AI Agent 数据库，支持 MCP 协议、混合搜索和零拷贝分支
  • Notion：知识管理平台，Notion Agent 可完成端到端任务执行

📺 播客地址

播客时长: 78分钟