构建软件的入门门槛已经坍塌；而打造“真正重要的东西”的门槛，丝毫未动。
Claude Code 和 Claude Opus 4.5 给这股热潮又添了一把火。LLM 工具早就存在，但现在它们比以往任何时候都更好用，因此更多人开始关注。不过我们并不是在迈入 SaaS 的黄金时代；我们正在进入一个“个人化、一次性软件”的时代——工程的重心将从“写代码”转向“塑造系统”。也正因如此，工程师依然不可或缺。
现代开发的转变
Claude Code 现在占据了我的信息流，这是有原因的。有意思的不只是开发者在涌入——那些过去依赖 Lovable 或 Replit 等平台的“搭建者”和创客，也正在迁移到它上面。
别误会，这些工具仍然非常适合快速交付。但我们正在看到一个清晰的变化：人们重新发现了“CLI 优先”的工作流所固有的美感。当交互发生在终端里，抽象层就变薄了。你不再只是沿着某个托管 UI 的“快乐路径”走；你才是掌控者。
入门门槛的坍塌
人们用这些工具到底在做什么？如果你四处看看，答案是：几乎什么都在做。事实上，我们已经到了某种“饱和”的程度。一方面，我们正在见证软件创造真正的民主化：入门门槛基本已经崩塌。第一次，非开发者不再只是软件的消费者——他们成了自己工具的架构师。
过去，如果你有一个特定问题，你会花好几个小时去找一款能解决其中 80% 的 SaaS。今天，流程变了：人们打开 CLI 或语音界面，直接描述自己需要什么。我们正在看到“个人软件”的激增，比如：
这是一个巨大转变：软件正在变成一种“你生成出来的个人工具”，而不是“你购买的商品”。
从 SaaS 到草稿板（Scratchpads）
我们正在进入一个新的软件开发时代：目标不一定总是“长寿”。多年来，行业痴迷于构建“平台”和“生态”，但潮水正在转向更短暂的东西。我们正从 SaaS 走向“草稿板”。
这类新软件很多并不是为了永远存在。恰恰相反：人们越来越多地构建工具，只为把一个具体问题精确地解决一次——然后丢掉。软件成为一次性工具，服务于当下的“现在”，而不是遥远的“以后”。
之所以今天可行，来自一种特定的技术哲学：CLI 优先、本地数据、零上手成本（zero onboarding）。当你去掉注册、配置数据库、在复杂 UI 中导航等摩擦后，创建工具的成本会低到让“临时”成为一种特性，而不是缺陷。若一个一次性任务的定制方案只需五分钟就能搭出来，你就不需要它长期存在。
这与传统 SaaS 模式形成鲜明对比。SaaS 天生就是为留存、锁定、扩张而设计的商业模式，目标是把你留在生态里并不断扩大使用范围。定制小工具则相反：它优化的是即时性与控制感。它不关心你的客户终身价值（LTV），只关心把眼前任务解决掉。
很多方面，这其实回到了电子表格最初的用法：你打开表格不是为了做一个永久的多年数据库；而是把它当作草稿板来推演问题、算出结果，然后继续前进。
在这个新格局里，Claude Code 更像“开发者的 Excel”——一个强大、灵活、用于解决眼前问题的工具；而不是“创始人的 Shopify”（为企业提供永久底座）。它强调把活干完，然后放手。
这也解释了为什么下一部分很重要：快速生成软件是一回事；让它经受住真实世界的摩擦，是另一回事。
代码很便宜，软件仍然昂贵
这就是当下“AI 原生”时代的现实：代码变便宜了，但软件依旧极其昂贵。
LLM 基本消灭了“生成代码行”的成本，却没有触及“真正理解问题”的成本。我们看到一大堆“周末做出来的 App”，但多数只是对基础 CRUD 和第三方 API 的薄封装。它们在 Twitter 演示里很惊艳，但一旦遇到现实世界的摩擦，往往立刻崩塌。
软件真正昂贵的部分不是首次写出来，而是维护、边界情况、不断累积的 UX 债，以及数据归属的复杂性。这些“快”方案很脆。
订阅追踪器会在银行改了 CSV 导出格式的那一刻坏掉；Chrome 扩展会在目标网站 DOM 一变时立刻失效；健身 App 会在用户需要可靠的离线支持或稳定的数据同步时变得不可用。
最近我在 Hacker News、Reddit、Twitter 上看到了不少“软件工程要终结了”的唱衰。完全抓错重点。我们不是在见证职业的终结，而是在进入它的新阶段。
工程师的价值，正在从语法层面的“怎么写（how）”转向系统层面的“做什么（what）”与“为什么（why）”。真正的工程在抽象与架构上：如何组织一个可持久的系统、为什么需要某种限流策略、如何管理分布式缓存、以及到底哪些地方绝对不该存环境变量。
AI 常让人觉得强大，因为它把复杂性隐藏了；但工程师的工作是管理复杂性，而不是忽略它。工具变了，但对工程严谨性的要求只会更高。
分发的幻觉
但也有另一面。门槛消失后，噪音达到了历史最高。我现在的信息流被“AI 创业者”刷屏：他们声称用一个下午做的 App，就能拿到五位数的月经常性收入（MRR）。
很多时候这些说法非常可疑。当你看到一个没有分发能力、没有清晰“护城河”的人，声称周末项目就做到 1 万美元 MRR，通常更像是博取互动，而不是商业现实。
其中一些故事几乎肯定是真的，但多数情况下它们并不是技术创新蓝图，而是营销案例研究。这些人成功，是因为他们掌握了在拥挤环境中捕获注意力的艺术，而不只是因为有 AI 副驾驶。
我们进入了一个“生成代码不再是瓶颈”的时代。真正的挑战转向了分发，以及更重要的：把真实效用与行业里泛滥的“快速致富姿态”区分开来。
这些人并没有偶然发现什么秘密捷径；他们只是找到一种方式，更快地兑现自己原有的优势（而且如果过去学编程对一个副业想法来说门槛太高，如今也可能第一次让它变得可执行）。
对此有一个很有用的框架：AI 实质上移除了“工程杠杆”作为核心差异化要素。当任何开发者都能用 LLM 以过去一小部分的时间构建并部署复杂功能时，写代码的能力就不再是昔日的竞争优势。仅仅做个“builder”已经不够了。
成功将更多取决于更难自动化的因素：品味、时机、对受众深刻而直觉的理解，比以往更重要。你可以周末生成一个产品，但如果你做错了东西，或发布给一屋子根本不听的人，那一切都毫无意义。
在这个新环境里，代码成了最容易的部分。最难的部分仍然和过去一样：让人们在乎。
谁会赢
首先是那些在专业领域里被无聊、重复问题困住的专家。其次是内部团队做一次性工具——那类脚本或内网小应用需要立刻能用，而不是看起来完美。高级用户也会获得巨大收益，尤其当他们想把脆弱的手工流程替换成更稳健的流程时。最后，对于那些更重视“对解决方案的掌控权”而非高光打磨的工程师来说，这同样是利好。
而且确实——Claude Opus 4.5、Claude Code、Cursor 这类工具对工程师非常有用。它们极擅长去模板代码、实现功能、写单元测试。我最近很喜欢的一个用例（尤其是刚换新工作后），是生成个性化文档与功能讲解，帮助我快速熟悉产品代码库及其中的细微差别——非常有帮助。
但现实是：LLM 并不完美——即便代码一次就能编译。即使提示词质量很高、规则也很清晰，这些模型仍会出错。以我每天使用这些工具的经验，你不能直接无条件相信输出。你仍然要像审查同事的 PR 一样审查代码：读逻辑、查假设，并且经常需要手动修改才能正确。
毕竟你很可能还要把它发给同事做 review（也许再加上 Code Rabbit）——让别人审一段你自己都没写、甚至没认真看过的东西，公平吗？
这些工具能让你更快，但它们不会替代批判性眼光、你多年积累的经验，也不会比你更理解整体问题空间。
炒作让人以为我们进入了 SaaS 黄金时代。并没有。我们进入的是“个人软件”的时代：为解决某个问题生成工具，然后继续前进。
只要二十美元、几个小时的闲暇时间、再加一点耐心，几乎任何人都能发布一个能用的应用。我们正在进入“个人软件”时代——从想法到可运行产品的距离前所未有地缩短。
在这个新现实里，工程经验仍然极具价值，只是角色性质在改变。相关性并未消失；而是要利用这些工具，在更高层级上构建过去做不到的东西。真正的专长，现在体现在对系统的引导与技术把关——这是当下 LLM 仍缺乏的部分。
AI 无疑擅长写代码，但仍不擅长设计可维护、可分发、可扩展的系统。这正是那些以为可以用提示词替换开发团队的非技术领导者在犯的重大错误。除非某种人工智能的到来能让这整场讨论失去意义，否则相信“技术专长能被一个 prompt 替代”就是战略性失误。构建健壮软件仍需要理解这门手艺底层原则的人类。
归根结底：工具变了，但良好工程的基本功没有变。
入门门槛也许没了——但判断力、品味与责任，仍然是这份工作的核心。
