佳文共赏 全部文章

1976年作者在明尼苏达社区大学修读商业美术，因高级字母课需设计完整字体且偶然看到ITC《U&lc》征稿与付费模式，创作并手绘首套字体“Uncial Sans”，由此确认以字体设计为职业目标并长期持续构思，近20年后才首次正式出版字体。

作者判断AI正从根本上改写软件与组织：人人可用自然语言快速造软件，软件因此从稀缺资产变成可替换耗材；Agent通过调用Skills直接完成任务，弱化UI、人机交互和SaaS价值；未来产品服务对象更多是Agent而非人，企业竞争转向可调用性、可靠性与信任，组织中依赖传话、协调的信息中间层也将被压缩。

过去一年开源AI在Hugging Face近乎翻倍增长至1100万用户、200万模型、50万数据集，但下载高度集中于极少数头部；中国在月度与总下载超越美国并贡献41%下载，产业主导下降而个人与小团队通过微调、量化与衍生模型上升；小模型更易部署且热度周期约6周，硬件适配向多GPU与国产芯片扩展，机器人与科研成为新增量，开源正从单一市场走向多子生态并影响国家主权与企业竞争格局。

Agent 应定位为OS，垂类不要造Agent而应做其上的应用；prompt与无状态script易复制，skill商业上限接近卖模板；因上下文容量与注意力带宽两大约束，需以Agent-native应用用领域状态、基础设施投入与规模经济形成壁垒，通过外部管理知识与历史实现能力解锁和认知卸载，并与OS按WHAT/HOW分工形成认知共生飞轮。

AI编程能力提升快于团队实践，真正决定产出差距的不是基准分数，而是从补全、上下文管理、经验沉淀、工具接入到反馈闭环和后台智能体的分级进化；每升一级都会放大效率，且团队短板会卡住整体吞吐，当前最有价值的方向是把智能体从辅助写码推进到可异步协作、可自我验证的后台执行。

作者主张AI应提升而非拉低代码质量，低质交付是流程选择，应以减少技术债为目标，把命名、API调整、去重、拆分大文件等耗时重构交给异步编码代理在分支完成并以PR筛选迭代，同时用LLM扩展方案空间并快速做探索性原型与并行实验，配合复盘沉淀指令形成“复合工程”循环，让小改进持续累积，实现上线与质量兼得。

过度依赖AI生成代码会累积“理解债”，即代码规模增长快于人类理解速度，表面测试与指标向好却削弱系统心智模型，变更与排错时集中爆雷；研究显示用AI代写理解力下降约17%，被动委派最伤技能，测试与规格无法替代理解与审查，组织应将“真正理解所交付内容”作为质量门槛与合规前置条件。

硅谷开发者正把写代码交给AI代理，转而用自然语言下达任务、审阅计划与结果并用测试约束幻觉，初创公司效率可提升至数十倍，大厂在既有代码库中更多用AI做理解、修复与自动化运维，整体提速约10%且团队规模缩小；结果是编码更像架构与评审而非手工实现，入门岗位与技能传承承压，但非程序员也能快速生成可用软件，白领工作或普遍转向“生成更少、判断更多”。

编码代理让写代码成本骤降，EPD流程从“先写PRD再出设计再实现”转为“先快速原型再集中评审”，瓶颈由实现转到架构、产品与交互的审查与仲裁；传统PRD式瀑布死亡但需求意图文档仍必需且可演化为结构化提示；角色更趋融合，通才与产品感更关键，专才门槛提高，组织分化为用代理构建的builder与高强度系统思考的reviewer，坏产品想法将放大浪费与产品膨胀风险。

写作的核心是通过提出并回答问题来澄清目标、加深理解并建立能力与信任，用LLM直接代写会失去独立思考训练，也会削弱作者可信度，让人怀疑观点是否真实；LLM更适合用于调研、校对、记录和发散想法，若要真正提升效率，必须同步提高人的思考质量。