从软件到Agent:当代码不再稀缺 | Winning Insights

文 | 张俊

责编 | 王利霞

过去几十年，我们对软件（Software）的认知是稳定的：一群工程师写代码，代码变成产品，产品解决问题。从瀑布到敏捷，从单机到云端，变化的是方法论和架构，但“人写代码、代码即产品”这条主线从未动摇过。

但最近一年，这条主线开始松动了。

而且，并不是又出了一个更好的开发框架，或是某种编程语言取代了另一种。真正发生变化的是“写代码”本身，正在从人类手中滑出。与此同时，一个新词高频地出现在技术圈的讨论中：Agent。

它不是一个功能或插件，也不仅是一个更聪明的工具。它代表的是一种全新的形态：能理解目标、自主规划、调用工具、完成任务的智能体。

从软件到 Agent，是一次范式的迁移。为了理解这场迁移，我们梳理了近一年内十余位全球技术思想者与一线实践者的观点，分享他们的共识。这些观点来自图灵奖得主、开源传奇、诺贝尔奖获得者，也来自身处一线的工程负责人和创业者。

考 古 学 中 有 一 个 概 念 叫“ 陶 瓷 地 平 线 ”（Ceramic Horizon）。一旦人类学会了制陶，碎陶片就成了最常见的文物。独立开发者 Scott Werner 用这个类比来描述今天正在发生的事：当软件制作门槛被大幅降低，软件也会像陶片一样变得无处不在：

“软件正迎来它的陶瓷地平线。当每个人都有能力制作工具时，每个人都会开始为自己制作工具。不是好的工具，不是坏的工具，只是……工具。无处不在。”

他用一条时间线描绘了软件生产效率的陡峭变化：2010年，50 个人花两年做一个产品；2015 年，20 个人半年搞定；2020 年，5 个人两个月；2025 年，一个人午饭时间做完；2026 年，AI 在你煮咖啡的时候做了 5 个。 

这并不夸张。Claude Code 的负责人 Boris Cherny 每天提交 20 到 30 个 Pull Request，其中 100% 的代码由 AI 编写，他甚至不需要手动修改一行。Anthropic 预训练团队成员、前 OpenAI 研究员、前 Tesla AI 负责人 Andrej Karpathy 更直接：他的工作流已从 80% 手写代码变为几乎 100% 委托给智能体 。人类不再是那个写代码的人，而是决定让 AI 把算力花在哪里的“Token 分配者”。

Matt Shumer 的体验也许更能让非技术人员感同身受。作为一名 AI 领域深耕六年的创业者，他现在的工作方式是：用英语描述自己想要什么，然后离开电脑四个小时，回来发现工作已经完成了。“比我自己做的还要好，且无需任何修正。几个月前，我还在和 AI 来回沟通、引导它、进行编辑。现在我只需描述结果然后离开。” 

Boris Cherny 为此找了一个绝妙的历史类比：今天的软件工程师，就像 14 世纪精通书写的“抄写员”。活字印刷术出现后，“抄写”这项技能的壁垒被打破了，但随之诞生了广阔的“作家”和“作者”市场。过去只有不到 1% 的人识字，印刷术让知识不再是少数人的特权。

 今天，编程正在经历同样的去神秘化：过去不懂代码的人也能直接构建产品。

 “因为编程只是手段，创造有用的事物才是目的。”

这场全新浪潮的意义不只是效率提升。当软件的制作成本趋近于零，整个行业的底层逻辑都在改变。SaaS 的护城河在消融，定制化 App 的概念在瓦解，而“谁能写代码”这个问题本身正变得越来越无关紧要。

如果 AI 写了所有的代码，那么人类干什么呢？

这个问题的答案正在被一批身处变革一线的实践者重新定义。

《 重 构》 作 者、 敏 捷 宣 言 十 七 位 签 署 人 之 一 的 Martin Fowler 给出了一个精准的心智模型：“要把 AI 生成的代码当作是一个能力很强但不太靠谱的实习生提交的 PR。”当 AI给出一段代码时，人要追问的是：为什么这么写？有没有其他办法？这个方案的前提假设是什么？风险在哪里？

人的角色不再是“编写者”，而是“审查者”和“判断者”。

Google Chrome 团队的工程领导者 Addy Osmani 曾引用过一个更诗意的比喻：

“在‘智能体化’的开发环境中，工程师将成为‘作曲家’，负责编排 AI 智能体和软件服务的合奏。他们不会亲自编写每一个音符，但他们定义了旋律：架构、接口以及智能体之间如何交互。”

OpenClaw 创始人 Peter Steinberger 已经活成了这个比喻的样子。他每天合并数百次代码提交，但大部分代码不细读。他认为，软件开发中 90% 的工作只是数据的管道运输，只要架构正确，无需纠结实现细节。他同时操作 5 到 10 个 AIAgent，就像国际象棋大师同时下多盘棋。一个 Agent 在生成代码（需要 20 到 40 分钟）时，他切换到另一个 Agent 去设计子系统。他不再是程序员，而是拥有“智能体军团”的架构师。

这 种 多 线 程 的 工 作 方 式 带 来 了 一 个 反 直 觉 的 洞 察。HashiCorp 联 合 创 始 人 Mitchell Hashimoto（Terraform、Vagrant 等知名开源工具的创造者）用一句话点明了 Agent 最核心的价值：

“不要尝试在拥有的时间里做更多，而是尝试在没有的时间里做更多。”

他的做法是：每天最后 30 分钟启动一个或多个 Agent，然后下班。第二天回来，Agent 已经在他不在场的时间里完成了探索和推进。Agent 的价值不在于加速你正在做的事，而在于填满你不在场的时间。

这些实践者共同勾勒出的新角色，和传统意义上的“程序员”已经截然不同。Addy Osmani 的研究指出，市场正在青睐“T型工程师”，即在 1-2 个领域有深度，同时对多个领域有广度的人。AI 工具对通才的增强作用更大，让一个人更容易处理多个技术组件。未来最有价值的人，不是写代码最快的人，而是“知道何时该不信任 AI 的人”。

说到这里， 一个根本性的问题浮现了：我们 一直在说Agent，它到底和传统软件有什么本质区别？

Sierra 的 CEO Bret Taylor（前 Salesforce 联 合 CEO、Google Maps 的联合缔造者）给出了一个直指本质的回答：

“Agent 一词来自 Agency（自主权），其本质就是强调一定程度的自主完成任务。如果一个 AI Agent 不只是帮人类提高效率，而是真正完成了一项工作，那为什么不直接为‘任务完成’付费呢？”

这句话的分量，远超技术讨论。传统软件卖的是许可证或订阅，本质上是为“使用工具的权利”付费；而当 Agent 能自主完成一项工作时，付费对象就可能从“工具使用”转向“任务结果”。这意味着，只有任务真正被解决了，才产生费用。这不是商业模式的微调，而是价值逻辑的重构。

医院未来购买的或许不再只是一个具备某项功能的软件模块，而是一项可衡量、可追踪、有人机协同保障的业务成果：更快完成一份合规病历、更及时发现一次医保风险、更高效完成一次项目交付。

如果说商业模式的变化回答了“Agent 如何创造价值”，那么 Hinton、Knuth 等人的观察，则把问题推向了更深处：Agent 正在改变我们对智能积累和智力劳动边界的理解。

2024 年诺贝尔物理学奖得主、“深度学习之父”Geoffrey Hinton 指出了一个令人不安的事实：数字智能相比生物智能拥有结构性优势。人类一旦死亡，大脑中的知识随之消亡。但 AI 的权重数据可以被无损保存和复制：一万个 AI 可以并行学习不同的数据，然后合并权重，瞬间共享所学。这是人类大脑在物理上做不到的事。GPT-4 的连接数只有人脑的 1%，但知识量却是人类的数千倍。

如果说 Hinton 的观察揭示的是数字智能的结构性优势，那 88 岁的图灵奖得主 Don Knuth 的经历则是一个近在眼前的实证。这位计算机科学领域最重要的学者，《计算机程序设计艺术》的作者，一向对“生成式 AI”持保留态度。但 2026 年，Claude 解决了他研究了好几个星期的一个开放性数学问题：在有向图中将弧分解为三个哈密顿循环。他用了一句意味深长的话：

“看来总有一天我得修正我对‘生成式 AI’的看法。”

他感叹道：我们确实生活在一个非常有趣的时代。当连这样一位最不可能被轻易说服的人都做出了这样的表态，这不仅仅是关于软件自动化。Agent 正在最高层次的智力劳动中发挥实质性作用。

Matt Shumer 则揭示了这一切加速演进的底层引擎：“AI 实验室做出了一个蓄意的选择：先让 AI 擅长编写代码。因为构建 AI 需要大量的代码。如果 AI 能写那些代码，它就能帮助构建它自己的下一个版本。一个更聪明的版本，编写更好的代码，从而构建一个更强的版本。让 AI 擅长编程是解锁其他一切事物的战略。”

这意味着，从软件到 Agent 不是一个线性的、可预期的过程。它是一个自我加速的反馈回路：AI 越擅长写代码，AI 就进化得越快，进而更擅长写代码。这条曲线的斜率只会越来越陡。

梳理完以上的观点，有一种感受愈发强烈：代码正在变得廉价，但理解问题的能力却变得更加昂贵。AI 可以在几分钟内生成一个技术方案，但这个方案解决的，究竟是不是真正的问题？这个判断，依然需要由人类来做。

回到我们所处的医疗数字化领域，这场变革或许比其他行业来得更复杂，也更值得被认真对待。因为我们的系统关乎数据安全与合规，更关乎每一位患者的切身利益。代码可以被Agent 生成，但对临床流程的理解、对医疗政策法规的把握、对客户真实痛点的洞察，并不能简单写进提示词里，也不会因为模型能力提升就自动生成。

从软件到 Agent，变化的是生产力的形态，不变的是我们对行业的深耕。写代码的人也许会越来越少，但懂业务、懂场景、懂得在不确定性中做出正确判断的人，会越来越重要。

好消息是，Agent 不要求你会写代码，它要求你会提出好问题、能描述清楚目标、懂得判断结果的好坏。这恰是每一个深耕行业的人已经具备的能力。过去，这些能力需要通过“找一个工程师帮你实现”才能变成产品；现在，Agent 正在成为那个随时待命的工程师。

从会写软件到会用 Agent，这不是一次被迫的转型，而是一次能力的释放。把 Agent 当作新的杠杆，用它去放大我们对行业的理解、对客户的洞察、对业务的判断，或许这才是超越软件真正落地的方式。