🤖人工智能对编程的颠覆性影响🤖 ⏳在过去两个月里，人工智能对编程的影响难以用言语描述：并不是以 “照旧进步” 的方式逐步发生，而是集中在刚刚过去的这个十二月。 ⚠️虽然有一些注意事项，但依我看，编程代理在十二月之前基本上不起作用，而自那以后基本上可用了 —— 模型的质量显著提高，具有更强的长期连贯性和韧性，能够完成大型且耗时的任务，远超足以对默认的编程工作流程造成极大冲击。 📝案例示例 💡举个例子，周末我在家里为摄像头搭建本地视频分析仪表盘，所以我写道：“这里是我的 DGX Spark 的本地 IP 和用户名 / 密码。登录，设置 ssh 密钥，配置 vLLM，下载并基准测试 Qwen3-VL，设置一个用于对视频进行推理的服务器端点，一个基础的网页 UI 仪表盘，测试所有功能，用 systemd 配置好，记录内存笔记并为我写一份 markdown 报告。” ⏱️代理运行了大约 30 分钟，遇到多个问题，在网上查找解决方案，一一解决，编写代码，测试，调试，配置服务，最后带着报告回来了，事情就这样完成了。 🙅我什么都没动。这在三个月前可能还只是一个周末项目，但今天你只需启动它，30 分钟后就可以忘掉它了。 🧠编程范式变革 💻因此，编程正变得面目全非。你不再像从计算机发明以来那样在编辑器中输入计算机代码，那个时代已经结束。 🚀你在启动 AI 代理，用 “英语” 给它们下达任务，并在并行中管理和审查它们的工作。 🏗️最大的收获在于弄清楚如何持续提升抽象层次，建立长期运行的协调器（orchestrator Claws），为其配置所有合适的工具、记忆和指令，以便有效地为你管理多个并行的 Code 实例。 ⚖️通过顶级 “代理工程”（agentic engineering）所能获得的杠杆作用现在看起来非常大。 ⚠️局限性与展望 ❌它并不完美，需要高层次的方向感、判断力、审美、监督、反复迭代以及提示和想法。 ✅在某些场景下它的工作效果要好得多（例如，特别适用于那些目标明确且你可以验证 / 测试功能的任务）。 🔑关键是培养直觉，恰当地分解任务，把能自动完成的部分交给它，同时在边缘部分提供帮助。 ⏳在我看来，这远不是软件领域的 “照常营业” 时期。