新時代，軟件將如何變化？

Something maybe wrong

過去兩年，我的核心工作從「開發」變成到了「生成」，寫代碼的時間少了，寫 Prompt 和 Skill 的時間多了

這個五一假期沒有出門，想了很久：在新的時代，開發者該如何自處？

想清楚這個問題之前，我發現需要先回答一個更基本的問題：我們所言的軟件，是什么？

軟件在提供什么

我有一個發現，不同時期我們說的「軟件」，甚至是不同的東西：PC 時代覺得軟件是窗口，移動互聯網時代覺得軟件是 App，SaaS 時代覺得軟件是訂閱制的網頁... 大家會把自己熟悉的軟件外殼，當成了軟件本身

嘗試一下，如果我們把外殼剝掉，軟件剩的是什么？做事的能力

人們安裝 Word，要是文字處理能力。用 Photoshop，用的是圖像編輯能力。訂閱飛書，訂閱的是辦公管理能力。而所謂的菜單、按鈕、頁面都只是能力暴露給人的操作面板，點按鈕、填字段、切頁面只是走向目標的路徑

傳統軟件，把目標拆成一堆操作步驟，交給用戶

再看一下 SaaS，CRM 出售銷售流程，ERP 出售資源管理流程，飛書和 Slack 出售協作流程。企業買 SaaS，買到的是一套「公司應該如何運轉」的默認答案。

一套報銷系統規定誰能報、報多少、怎么審、誰負責。一套 CRM 規定客戶怎么分配、商機怎么推進、銷售怎么匯報。制度寫在紙上經常被忽略，寫進軟件就會自動執行

SaaS 軟件，更像是把制度打包，然后出租

那么，軟件是在干什么呢？

把原本長在人身上的過程性知識剝離出來，封裝起來，復制出去

會計知道怎么記賬，后來變成財務軟件。銷售知道怎么跟客戶，后來變成 CRM。運營知道怎么發活動，后來變成營銷自動化

本文是用 Claude Code 進行排版的，是用了我的「排版Skill」

如此看來，Skill 也會是一種軟件，他也是封裝好的、能被執行的能力

軟件的位置

最早的計算機是沒有軟件的。在 ENIAC 時代，計算器能干的事兒是固定的，每算一個新任務，工程師得畫好幾天重新接線：硬件只認電路，人腦里的意圖沒法直接灌進去

馮·諾依曼在 1945 年提了一個方案：把指令和數據一起存進內存，機器按順序讀指令執行。不用重新接線了，換一組指令就換一個任務。這個方案后來叫「存儲程序」，它創造了一個新的東西：一層可以被隨時替換的邏輯。這層邏輯，就是軟件的起點

從那以后，所有軟件做的事情都沒變過：站在人和機器中間，把人想做的事翻譯成機器能執行的步驟。早期是科學家自己寫匯編，后來有了操作系統、圖形界面、瀏覽器、App Store。每一次形態變化，都是在降低「翻譯」的門檻，讓更多人能把自己的意圖交給機器

軟件的作用，是把人的需求，通過合理的交互，翻譯成標準的、嚴謹的處理邏輯，然后控制執行

早期軟件把人和計算機連起來，互聯網軟件把人和信息連起來，SaaS 把人和組織流程連起來。Agent 軟件繼續擴展這條鏈路，它連接人、模型、工具、數據、權限、組織規則和外部世界。軟件正在從單點工具變成跨系統的協調器

從商業價值的角度看，你站在鏈路的哪個位置，決定你值多少錢。站在意圖入口，控制需求。站在執行層，控制履約。站在數據層，控制上下文。站在權限層，控制邊界。站在 Skill 層，控制方法。Agent 時代的競爭，會從搶頁面入口升級成搶任務鏈路里的關鍵位置

軟件，通過它的交互，是把不可操作的世界壓縮成可操作的入口。城市交通太復雜，打車 App 把它壓縮成一個按鈕。金融清算太復雜，支付軟件把它壓縮成一次確認。軟件的形態會不斷變化，因為要壓縮的在不斷變化

AI 帶來的三個跨越

這輪 AI 的誕生，讓軟件的能力帶來了三個跨越

第一，從明確操作到模糊意圖

之前的軟件只能響應明確操作，用戶必須知道點哪里、填什么、選哪個選項。AI 軟件開始接收模糊意圖，用戶可以說「幫我做成老板能看懂的版本」。從這一刻起，軟件開始承擔理解任務的責任

第二，從固定輸出到開放結果

傳統軟件輸出預設格式：表格、報表、訂單、審批狀態、PDF。AI 軟件的輸出是開放的：文章、圖片、網頁、代碼、方案、臨時工具。輸出形態由任務決定，不再由系統預設

第三，從單步功能到多步任務

傳統軟件執行功能，功能是單點動作。Agent 執行任務，任務是目標導向的鏈路。它要讀取上下文、拆解步驟、調用工具、處理中間結果、檢查異常、交付結果。這條線一旦跨過去，軟件設計的基本方法就要重寫

這三點跨過去之后，有三個連鎖反應

輸入變模糊了，軟件就越來越依賴上下文

一句「幫我排一下這篇文章」，沒有上下文就只能泛泛處理。如果系統知道你的公眾號風格、排版方法論、歷史文章、讀者偏好，它做出來的結果完全不一樣。Memory 從一個附屬功能升級成了基礎設施

輸出變開放了，評估就變得極其重要

固定輸出時代測試很簡單，看按鈕能不能點、字段對不對。開放輸出時代，問題變成文章好不好、方案能不能打動人、判斷是否可靠。Eval 會成為 Agent 軟件的新測試系統，也是產品進化的方向盤

執行變多步了，產品經理設計的東西就不同了

一個工具只需要做好一件事，一個 Agent 要判斷什么時候做、先后順序是什么、異常怎么處理、什么地方需要人確認。設計的對象從按鈕路徑變成了任務鏈路

長尾，更多的長尾

當 AI 以極低成本進行開發的時候，我們滿足了更多的長尾需求

在以往，軟件只服務高頻、標準化、大規模的需求。太小的需求（除非是老板自己的），往往會受制于 ROI 而不會被滿足。比如：運營崗的同學，希望能獲得一個工具，每星期自動盤點一下過去的曝光數據。在過去，這些東西只能人來手動處理，而現在有了AI，這些都可以被即興軟件化

更進一步，軟件開始學習用戶的工作方法。傳統軟件要求用戶適應系統結構，AI 軟件可以學習用戶的表達、偏好、文件、風格、流程和判斷方式。軟件個性化從「給你推薦什么」升級成了「學會你如何做事」

甚至，軟件開始臨時生成自己的子軟件。用戶要看交互結果，Agent 生成一個臨時網頁。用戶要批量處理圖片，Agent 生成一個批處理工具。這些子軟件存在的時間比一次會議還短，用完即棄。在這個過程中，模糊輸入、開放輸出、多步執行同時存在，不確定性也由此內生

最后

回到開頭的問題：當代碼變成一次性的，開發者的價值在哪里？過去開發者賣代碼，賣的是把需求翻譯成指令的能力。現在這個翻譯過程 AI 可以做了

當軟件本身變成一次性的，很多賣軟件的方法就不成立了。或許，更持久的生意是讓你的軟件，更加深入到客戶的關系：更懂思考、生活、工作...