Agents成新一代造王者，开发者正在快速失去技术决定权

十多年前，《新造王者》记录了开发者如何从一个长期被低估的群体，变成技术行业真正的“造王者”。他们决定哪些软件被采用、哪些语言和框架流行、哪些技术遭到淘汰。为了争夺这种稀缺力量，企业不断推高开发者薪资，甚至通过收购整家公司来抢人。如今，决定权正在以惊人的速度转移。Agent 不再只是补全代码的工具，它们开始选择编程语言、挑选框架和库，甚至决定界面里用什么字体，而且经常无视“不要用这个”的明确指令。当 Agent 成为新一代“造王者”，开发者又将处于什么位置？这篇文章要做的，是对行业权力结构的一次正面拆解：谁在替我们做技术选择，谁在背后真正掌权，以及为什么这一次，我们可能还没准备好。 十多年前，历经数年的数百次对话最终凝结成《新造王者》（The New Kingmakers）一书。这本书的核心论点很简单：一个长期被认为毫无话语权的群体反而成了王座背后的掌权者。几十年来，那些曾被轻视为戴着护笔套的机械师的开发者们，不仅成了裁决哪些软件被使用、哪些软件被淘汰的仲裁者，更成了一种真正的竞争利器——在一个日益技术化的世界里，他们可能是决定成败的关键。 “计算机永远无法被追究责任。因此，绝不能让计算机作出管理决策。” 这种逐渐变得清晰的认知推动了开发者薪资的持续飙升，在这个竞争白热化的环境里，企业甚至采用收购式招聘这样的极端手段来抢夺高端人才。 《新造王者》主要是为了简要记录那个时代，为开发者的重要性摆事实、讲道理，但这本书的受众并非开发者本身——他们大多早已看清行业格局，明白自身所处的位置——而是那些仍将开发者视为可随意替换、毫无差别的资源的管理层。这本书记录并描绘了这样一个世界：开发者是连接创意与代码的纽带，唯有依靠他们，创意才能变成现实。 那个世界并没有完全消失，但它看起来与一年前大不相同。甚至可以说，和上个月相比都判若两样。 这一切的开端原本平淡无奇。20 世纪 60 年代，最早的自动文本替换工具——拼写检查器——开始出现。它们会将输入内容与标准数据库进行比对，并给出修改建议。在接下来的二十年里，这种技术被应用于源代码，不仅根据特定语言的语义来评估部分输入的代码，还试图对其进行预测。到了 2019 年，也就是近六十年后，TabNine 等公司不再只是将代码与静态文本库或语法规则进行比对，而是利用 AI 实现神经代码补全。2021 年，GitHub 借助大语言模型进一步推动这项技术，并通过 Copilot 将这一概念带入主流。Copilot 不仅能辅助修正拼写或梳理代码结构，还能基于推断出的意图主动提出建议和补全代码。这在当时令人难以置信、令人震惊，但它本质上仍是自动补全，也就是说使用者仍然需要具备一定的代码编写能力。 然而，一年后 ChatGPT 的发布带来了另一个阶跃式变化，它让行业踏上了如今仍在延续的发展道路。人们不再需要在代码编辑器里动手敲写代码作为起点。取而代之的是，它引入了一个更高层次的抽象——提示词。每一种编程语言本质上都是通过人类可读的代码向计算机发出精确指令，这些代码可以被编译器接收并输出为可执行的机器码。ChatGPT 首次向大众展示了一种愿景：编程语言代码不再由人类编写，而是由机器根据自然语言提示词来生成。在代码补全时代，用户编写一个用 Python 查询 API 的脚本，代码辅助工具帮忙补齐代码。在这个新的世界里，人类只需要向计算机请求一个查询 API 的脚本——不需要写代码，甚至不需要做决策。 当然，这些模型的能力是有局限的，主流软件开发市场不得不开始面对非确定性的机器，这些机器不仅会犯错，还会掩盖错误、违背指令。但发展方向是明确的：机器在编写代码方面正变得越来越好，它们编写的代码也越来越多。同样重要的是，它们不仅编写代码，还经常自主选择使用哪种编程语言、库和框架——甚至用户界面中的字体都由它们决定。事实上，它们经常会选择那些被明确告知不要使用的技术。 所有这些都意味着，曾经向开发者群体倾斜的行业权力格局现在正在向智能体转移。 来看看几组类比： 成本：曾经，开发者薪资是利润表上飙升的开支项，从增长斜率来看，现在这项支出变成了 token 成本。开发者仍然是预算中占比更高的支出项，但随着 token 消耗量的上升和人类开发者被裁减，这一比例正在发生变化。决策：曾经，开发者决定使用和不使用哪些技术，而现在这个决定权越来越多地留给了智能体——以至于一些公司现在开始谈论“智能体引擎优化（AEO）”，就像他们曾经谈论 SEO 一样。交付速度：这个行业花了数十年时间来提高开发者的生产力——从新的编程语言到开发工具投入，再到流程和方法论的改进——核心目标都是提高编写高质量代码的速度。如今，尽管 DORA 与 METR 的相关数据结论不一，但至少在行业的认知里，AI 已经成为企业提速的手段——而且无可争辩的是，原型设计所花的时间仅为过去的一小部分。 以上这些相似点以及其他诸多共性已经促使整个行业开始围绕这项新能力重新调整方向。正如其他文章所指出的，有几种方法可以做到这一点。 首先，你可以将 AI 加入或融合到以人为中心的工作流中。其次，你可以忽略或忘掉人类，完全面向智能代理构建系统。最后，你可以尝试兼顾两者——要么打造独立、针对特定角色的产品线，要么开发可以同时与智能体和人类交互的产品。 鉴于当前模型的能力和不同产品类别之间的巨大不对称性，不太可能出现某一种方案一家独大的局面。在某些市场，AI 辅助的人类工作流会是合适的选择；而另一些领域，则会采用无界面、仅面向智能体的基础设施。 关键在于区分那些正在为新的以智能体为中心的世界构建产品的厂商和那些仅仅因为营销部门要求而“贴上 AI 标签”的厂商。AI 包装并不代表这款产品未来能找准定位。 尽管如此，仍然有如此多来自截然不同赛道的公司都在试图为一个智能体影响力日益增强的世界构建产品。 一些突出的例子： 数据库 Neon：去年被 Databricks 收购——开发了 Neon for AI，这是一款专门设计用于向智能体暴露原语的 Postgres 后端。如果该公司披露的数字准确的话，说明智能体已经开始大量在使用它。Neon 称，两年前，由智能体创建的新数据库实例占比为 30%。到今年 5 月，这个数字已升至 80%。 数据科学 Observable：Observable 直接把智能体作为一类受支持的使用主体，描述如下：“面向智能体的 notebook，我们称之为 chat，和原先面向人类的 notebook 有着本质区别，但二者可以无缝互通。” 开发工具 Daytona：这家公司曾是为人类提供云开发环境的厂商，如今明确抛弃以人为中心的产品线，转型面向智能体，称“Daytona 已经决定将其重心从解决人类开发者环境不一致的问题，重新调整到解决 AI 智能体的运行时问题上。”Monid：Monid 明确将自己定位为面向智能体的 OpenRouter（OpenRouter 近期达成收购协议，将被 Stripe 以超 70 亿美元收购）。 GitOps Akuity：作为 GitOps 平台，Akuity 近期推出了面向智能体的控制平面，主要功能之一是将智能体和人类用户做显式绑定，以明确责任归属。 硬件 Pamir.ai：这家位于旧金山的硬件初创公