工作流的剧变：从手写代码到自然语言编程
11月时还是80%手动编码加自动补全、20%交给AI Agent。到了12月，比例彻底反转——80%的编码工作由Agent完成，人只负责20%的编辑和润色。换句话说，现在基本是用英语（自然语言）告诉大模型该写什么代码。
这种转变确实有点伤程序员自尊，但用大粒度的"代码动作"来操控软件的威力实在太大了，尤其当你适应了它、配置好了它、搞清楚它能做什么不能做什么之后。目前估计已有两位数百分比的工程师在经历类似的转变，但大众的认知还停留在个位数。
Agent编程仍然需要你盯着
无论是"IDE已死"还是"Agent集群自动干活"的说法，目前都过于夸张了。
模型仍然会犯错。如果你有任何真正在乎的代码，建议像鹰一样盯着Agent的输出，同时在旁边开一个大型 IDE 做对照。错误的性质已经不是简单的语法错误了，而是那种粗心的初级开发者才会犯的微妙概念性错误。最常见的情况包括：
- 错误假设一路狂奔：模型替你做了一个错误的假设，然后不加验证地一路执行下去
- 不会管理自己的困惑：不会主动寻求澄清，不会指出不一致的地方，不会呈现权衡取舍，该反对时不反对，还是有点过于谄媚
- 过度工程化：特别喜欢把代码和API搞得太复杂，膨胀抽象层，不会自己清理死代码。可能会用1000行代码实现一个低效臃肿的方案，你说一句"你不能直接这样做吗？"，它就"当然可以！"然后缩到100行
- 误伤旁观代码：有时会作为副作用改动或删除它不理解的注释和代码，即使跟当前任务完全无关
即使在 CLAUDE.md 里写了明确的指令来约束这些行为，以上问题仍然时有发生。但尽管如此，这仍然是一个巨大的净改进，很难想象回到纯手动编码的日子。
当前推荐的开发布局：左侧用 Ghostty 终端窗口开几个 Claude Code 会话，右侧放一个 IDE 同步查看和手动编辑代码。
Agent的耐力是一种被低估的优势
看着Agent不知疲倦地攻克一个难题，这种体验很有意思。它从不疲惫、从不气馁，只是不断尝试不同的方案，而人类可能早就放弃改天再说了。看它在一个问题上挣扎半小时后终于搞定，你会意识到耐力本身就是工作中的核心瓶颈，而AI把这个瓶颈大幅拉高了。
加速还是能力扩张？
如何衡量AI辅助编程的"加速"效果其实并不明确。做原来就要做的事确实快了很多，但主要的变化是：做了比原计划多得多的事情。原因有两个：
- 可以编写各种以前不值得花时间写的东西
- 可以处理以前因为知识或技能不足而无法触碰的代码
所以与其说是加速，不如说是一种能力边界的扩张。这对独立开发者来说尤其重要——一个人能覆盖的技术栈范围被显著拓宽了。
用声明式思维放大杠杆效应
大模型特别擅长循环迭代直到满足特定目标，这也是Agent编程中最有威力的部分。实操建议：
- 不要告诉它怎么做，给出成功标准让它自己去执行
- 让它先写测试，然后通过测试——这是天然的验证闭环
- 配合浏览器 MCP 放进自动化循环里
- 先写出大概率正确的朴素算法，再让它在保持正确性的前提下优化
- 把你的指令风格从命令式改为声明式，让Agent循环更久，获得更大的杠杆效应
编程反而变得更有趣了
一个意外的收获是，有了Agent之后编程变得更有趣了。大量填空式的苦差事被消除，剩下的是创造性部分。被卡住的频率也低了很多，因为几乎总有办法和AI协作取得一些进展。
当然也有人感受相反。AI编程正在把工程师分成两类人：一类主要享受编码本身的人，另一类主要享受构建产品的人。对于后者来说，这是一个黄金时代。
需要警惕的退化
一个真实的副作用：手动写代码的能力开始退化。生成代码（写）和判别代码（读/审查）是大脑中不同的能力回路。由于编程涉及大量语法细节，即使写代码的手感变钝了，审查代码的能力仍然可以保持。但这种分化值得每个依赖AI编程的人留意。
2026年的展望
大模型Agent的能力（尤其是 Claude 和 Codex）在2025年12月左右跨越了某种连贯性阈值，在软件工程领域引发了一次相变。智能部分突然远远领先于配套的工具集成、组织工作流、流程设计和更广泛的行业扩散。2026年将是整个行业消化吸收这种新能力的高能量年份。
几个值得思考的问题：普通工程师和顶级工程师之间的生产力差距很可能会大幅扩大；通才可能越来越胜过专家，因为大模型在填补微观知识方面远强于宏观战略；而对于独立开发者和一人公司来说，这意味着一个人能做的事情的上限，正在被重新定义。