过去几个月，GitHub上出现了一批不太寻常的账号。历史提交寥寥无几，几乎算得上空壳，但从七月、八月开始，这些账号突然被完整的仓库填满——CI流水线、测试、Docker、TypeScript、Python、Rust、Web应用、文档，一应俱全。

最省事的解释是：AI把每个人都变成了程序员。但真正发生的事，比这更深一层——现代编程智能体正在把"从想法到能跑的软件"这道门槛，压到前所未有的低度。

打开网易新闻 查看精彩图片

门槛被压缩成了两步

能生成代码的大模型早就不新鲜了。真正的变化发生在模型之外。一个现代编程智能体能读完整套代码库、翻文件、改多个模块、执行命令、观察报错、自我修正、跑测试、用Git、跟浏览器和API打交道，自主完成越来越多的操作性工作。

过去这条链路是：想法→技术知识→实现→调试→测试→部署。现在它正被压缩成更接近：想法→智能体框架→验证。

这不意味着所有人突然对软件工程有了深刻理解。它意味着，不亲手穿过底层复杂性的每一层，也能拿到技术上足够成熟的结果。生产与理解，从这里开始分家。

结果正确，不等于你真的懂

很长一段时间里，生产和理解是强相关的。一个人能搭出复杂系统，基本可以推断他被迫搞懂了其中相当一部分。今天这个关系已经没那么可靠了。

你可能得到一个结构良好的仓库、全绿的测试、CI、部署、看起来自洽的架构，却未必对底下发生了什么有完整的心智模型。

大模型把这段距离藏得极好，部分原因是它们倾向于给自己的活儿返回一份干净、有序的叙述，比如"我分析了问题，定位了根因，应用了修复"。而真实过程可能曲折得多：错误假设、反复探索、来自工具的信号、修正、上下文的反复重建。结果可能依然是对的。关键在于，结果的正确性并不必然意味着使用者具备同等程度的理解。

最值得注意的局限不是明显的幻觉，而是丢失的细节——五十步之前做的一个决定、一个已经失效的前提、一处看似微小的语义区分、组件之间某个会改变整个系统含义的依赖关系。智能体可以在局部极其能干，却在全局丢掉某个根本性的东西。

这正是人类至今仍是真正连续性层的原因。人记得某个决定为什么做出，能察觉哪里不对劲，能识别一个绿色测试其实没在证明它该证明的东西，能发现项目正慢慢偏离最初意图。

如果连这个局限也被跨过

真正的问题在于：当这个局限也被克服之后会怎样。不是指更大的上下文窗口，而是能持续数月乃至数年保存持久状态、因果链、来源、过往决定、已过时信息、假设、矛盾与后果的系统。到那时，我们面对的不再只是执行任务的智能体，而是能维持一条轨迹的系统。问题的性质会在那里彻底改变。

如果智能体变得远为可靠、持久、自主，编程本身可能逐渐不再是稀缺资源。这不是说会有几十亿程序员，而是另一件或许更重要的事：会有几十亿人具备让软件被生产出来的能力。

一个人可以为某个单一问题生成工具；一家公司可以自建数百个内部应用而不去采购；一位研究者可以为一次实验造个软件，用完立刻丢掉；一个人可以描述一个非常具体的需求，然后拿到一个几乎完全为这个场景而生的工具。

在这样的世界里，软件可能越来越临时。它未必是设计来用上几年的稳定产品，而是一种意图的瞬时状态：我需要这个→它被造出来→我用它→它随我的需求变化→不再有用时，它可以消失。

编程只是第一个可见信号

到目前为止，互联网主要是一张由人类通过软件建造和使用的网络。即便存在机器人、爬虫和自动化，人类仍是网络上经济与社会活动的基本单位：人开户、人搜索、人建站、人发布内容、人购买商品、人发起交易。

智能体改变了这个结构。一个人可以激活几十个能浏览网页、查询API、修改仓库、生成软件、发布内容、分析数据、使用云服务、与其他智能体交互的进程。一次人类请求，因此可能变成数百次机器对机器的交互。

从外面看，我们看到的可能只是：一句提示词。