AI Agent 时代的软件生产从写代码到定目标本文整理自 QCon 北京 2026 黄东旭分享《自主系统的时代》通过音视频转录总结工具Ai好记视频转文字整理以下为精炼整理后的内容。传统编程正在被重新定义几年前聊 AI 替代程序员还是段子现在已经是行业共识了。黄东旭PingCAP 联合创始人兼 CTO在 QCon 北京的分享里直接抛了一个观点Coding is dead。不是标题党。他的 PPT 是手写的但代码全是 AI 生成的。他自己闭关几个月单人完成了上百万行基础软件项目几乎全程跟 Agent 协作。他说代码已经从「人的思考载体」变成了「AI 的执行载体」。那问题来了如果 AI 能写代码程序员还剩什么软件构建的底层逻辑变了黄东旭提了一个框架来解释这个变化。他说软件构建的本质从来都是三件事的组合Goal你要做什么目标由人定义Tactic具体怎么做对应上下文工程、Prompt 策略Constraint边界在哪对应测试、CI/CD、运行环境过去人写代码等于同时承担了 Goal 和 Tactic。现在 AI 承担了 Tactic 部分人只需要把 Goal 定义清楚。这不是量变是质变。以容联云的案例为例一个 Agent 团队在无人干预的情况下实现了一个 C 编译器。关键转折点是 GPT-5.2 和 Opus 4.5 Codex 发布后模型能力跨过了一个阈值——它能可靠完成局部模块而任意复杂软件都可以拆解成局部模块的组合。多 Agent 协作才是正确打开方式黄东旭刚开始也尝试过纯黑盒模式完全不干预 Agent 的自主开发相信「Token 越多越智能」。但实践下来发现人需要适度介入。他现在的做法是每天早上「签到」看 Agent 团队的总结像 HR 管团队一样管理它们。同时把软件工程经验产品化供 Agent 学习。关键经验有几个Spec 比 Harness 重要。清晰定义什么算「好的软件」比控制 Agent 的行为流程更关键多 Agent 竞争优于单 Agent。让几十个 Agent 反复重写、讨论、竞争消耗大量 Token 去换那 1% 的「灵光一闪」用顶级模型别省 Token。省钱做不出好软件高智商模型对长程任务有决定作用他特别提到Claude 的 Routine 功能代表了行业思维转变——从单一 Agent Loop 转向事件触发的 Agent 网络。UNIX 哲学在 Agent 时代复兴这个观点挺有意思。黄东旭认为Agent 时代软件形态会发生根本变化。传统软件是静态的UI 和功能固定智能上限受限于设计者。Agent 时代的软件会以意图为接口动态生成。而 UNIX 哲学——小工具、管道组合——恰好跟这种需求完美契合。大语言模型学习 UNIX 工具后就能通过排列组合现有工具满足新需求不需要从零开发。他预测软件市场会从「纺锤形」变成「哑铃形」。传统软件生态中中间层的企业服务市场最繁荣Agent 普及后中间市场被严重压缩创新和资本向两端聚集——一端是极度人性化的交互软件提供情绪价值另一端是纯为 Agent 设计的底层基础设施。什么是 Agent 体工学这可能是最有实操价值的部分。黄东旭提出了一个工程学科叫「Agent 体工学」——系统化描述「好用」的标准。几个设计原则最小化 ToolUse 的摩擦最大化的信息密度相信模型能力避免过度设计流程他举了个案例Gstack 和 Power 的实践——一个基于 Markdown 文档的软件没有传统代码只有几百个 Markdown 文件把 Agent 当操作系统用。Y Combinator CEO Garry Tan 也在做类似的事情。给程序员的建议黄东旭说了一个让人印象深刻的观点程序员给未来留下的宝贵遗产不是代码而是Harness Engineering的经验——如何管理复杂性、如何进行需求分析、如何做项目管理。这些经验会被「蒸馏」给 Baby Agent作为它们的 Bootstrap。Skill 目前还太粗糙——类比早期计算机爱好者交换小程序无法支撑复杂庞大的软件。未来需要更好的抽象更复杂、表达能力更强的抽象自然语言描述、人机协同生成、可结构化、可 Debug。最终目标是蒸馏人类专家知识大幅降低特定领域软件的开发门槛。他说「Coding is dead but programming matters even more」。编程变成了表达和改变世界的通用手段资本和训练向编程能力倾斜通用 Agent 构建于编程能力之上。以上内容由Ai好记转录整理。Ai好记 是一款音视频转图文笔记的 AI 学习助手支持B站、抖音、小红书、小宇宙等平台链接及本地/网盘音视频文件解析转录后自动生成精华速览、思维导图和结构化笔记帮助你把几小时的视频内容变成可搜索、可复习的图文笔记。
