我们正站在印刷术时刻
印刷术时刻——从古登堡印刷机涌出的 AI 信息工作者
SemiAnalysis 那份报告里给编码下过一个定位：它只是 Agent 颠覆信息工作的第一个滩头阵地。真正的主战场是全球 15 万亿美元的信息工作市场，超过 10 亿信息工作者，占全球劳动力的三分之一。"程序员不用写代码了"只是这个故事里最小的那部分。
为什么编码先被颠覆？因为几乎所有信息工作共享同一个流程：读取→思考→写作→验证，软件开发的流程一模一样。Agent 能颠覆软件开发，理论上就能颠覆所有信息工作。
METR 的研究给出了速度参考：AI Agent 能自主完成的任务时长，每 4 到 7 个月翻一倍，当前主流水平大约是 4.8 小时。等这个数字翻到 8 小时，也就是一个完整的工作日，整个信息工作的版图就要重画了。
Boris Cherny 的预测很直接："'软件工程师'这个头衔会慢慢消失，可能变成 builder，变成产品经理。"这在 Anthropic 内部已经是现实：PM 写代码，设计师写代码，工程经理写代码，财务团队也写代码。在那里区分人的早就换成了另一把尺子，看你对系统、用户和问题的理解有多深。
Anthropic 自己也把这件事产品化了。Cowork 的推出，相当于一个面向通用计算的 Claude Code，标志着 Agent 正式从程序员群体拓展到所有信息工作者。第四篇里陈宇森说过，Claude Code 是最强的通用 Agent。Cowork 是这个判断的直接延伸：通用 Agent 不该只服务程序员。
内部的用法已经走在前面：数据科学家用 Claude Code 写 SQL、做数据分析，销售团队拿它接 Salesforce 处理业务。Plugins 功能干脆是一群 Agent 自动领取任务、分工开发，周末跑了几天就做完了，几乎没有人介入。
Agent 甚至开始在人类的沟通渠道里活动。Boris 描述过一个常见模式：让 Claude 开发功能，Claude 读代码库时在 git blame 里看到某位工程师的名字，直接在 Slack 上给对方发消息问澄清问题，拿到答案接着开发。Claude Code 团队还用 Agent SDK 自动化了代码审查、安全审查、issue 标签分类和上线流程。Agent 在人类的社交渠道里运作，自主管理开发流程，甚至开始为自己创建 Agent 去完成任务。"工具"和"同事"的界限已经非常模糊，"编码"这个词的边界也是。
这套能力外溢出去，最先受冲击的是现有软件行业，尤其是 SaaS：三道核心护城河正在同时瓦解。第一道是数据锁定，用户数据困在某个 SaaS 系统里，迁移成本极高，但 Agent 能跨系统迁移数据，成本大幅下降。第二道是工作流锁定，用户花了大量时间学某个产品的 UI 和操作流程，而 Agent 不需要 UI，它理解自然语言，直接执行任务。第三道是集成复杂度，不同 SaaS 之间的集成原本需要专业开发，现在 MCP 让 Agent 能无缝对接各种工具和服务。
SaaS 这门生意，说白了就是把信息工作流程固化成代码，再按月收费。如果 Agent 能直接完成信息工作，不需要固化的代码流程，SaaS 75% 的毛利率就变成了巨大的套利空间。这正好呼应第四篇"日抛型软件"的判断：当软件可以按需生成，那些把工作流固化成产品的公司，护城河就不再是护城河了。
微软是最典型的案例：一边通过 Azure 给 Anthropic 和 OpenAI 提供算力，另一边看着这些客户用 AI 产品颠覆自己的 Office 365 和 GitHub。微软的 Copilot 系列比 Claude Code 早了整整一年，却几乎没取得实质性的市场进展。这个困境也不只属于微软，所有按席位收费的软件公司都在同一条船上。
回顾这个系列的写作过程，我自己就是证据。2023 年 Cursor 刚发布不久我就开始用，那时候还没有 Agent Mode，只有 Tab 补全，帮你续写代码。就算只是补全，效率提升已经很明显。
后来转向 Claude Code，才发现范式完全不同。Cursor 本质上仍是 IDE，让你看代码、编辑代码，AI 只是辅助；Claude Code 让你不再盯着代码，专注于描述意图。我的角色从"写代码的人"变成了"管理 Agent 的人"。
2025 年底，我先做了一个六壬占卜 app，然后是八字、MBTI、解梦，一开始都是玩具实验。后来决定认真做产品，买下 panpanmao 域名，重写底层架构，整合成一个统一的 all-in-one app，这就是盘盘猫的起点。
到 2026 年初，变化明显加速。我在 GCP 上搭了 OpenClaw，把 Agent 接入飞书，非技术的团队成员开始直接跟 Agent 协作，这段经历第五篇写过。同一时期，Anthropic 推出 Cowork，SemiAnalysis 发了报告，顶尖开发者集体表态。如果 2023 年的我看到 2026 年的我，大概不会相信：日常工作变成了思考和跟 Agent 对话，代码反而很少亲手写。
这场变革的受益者会极不均匀。能力已经到位，Claude Code 就是目前最强的通用 Agent；成本也不高，入门档一个月就是一顿饭、几杯咖啡的钱。重度用户需要更贵的 Max Plan，但对比它能产生的价值，依然低得离谱。那为什么 Agent 革命还没真正发生？瓶颈不在技术和成本，在教育。
第五篇引过一组数据：全世界 84% 的人从来没跟 AI 对过一次话，16% 用过免费聊天机器人，大约 0.3% 每月为 AI 付费，用编程 Agent 的只有 0.04% 左右。这是一个认知漏斗，每往下一层，人数就掉一大截。就算走到了最底层，大多数人手里的 AI 也还是一个更快的工具，没升级成协作者。
本该承担教育角色的学校，完全没准备好。教育系统还在考记忆力，还在教学生用标准化格式回答标准化问题。这恰恰是 AI 最擅长的事：你花四年练出来的记忆和复述能力，一个 Agent 零点几秒就能做到，还做得比你好。真正重要的东西，独立思考、做决定、提出正确的问题、自驱力，课堂上几乎不教。教育系统在批量训练执行者和背答案的人，可接下来更缺的是管理者和会问问题的人。
过去，聪明人和普通人的工作效率差距也许是两三倍。当聪明人学会了用 Agent，普通人还停在搜索引擎，这个差距可能拉到一百倍。AI 把"会用的人"和"不会用的人"之间的鸿沟撕得更大了。
Boris 在访谈里用了一个历史类比。古登堡发明印刷术之前，欧洲绝大多数人不识字；印刷术出现后五十年，印刷品的数量超过了此前一千年的总和。当时修道院抄写员的反应出人意料，不是恐惧，而是兴奋：终于不用把生命耗在一本一本手抄上，时间可以花在思考应该写什么上。
我们现在就站在代码的"印刷术时刻"，写代码就是抄写。我们就是这一代被解放的抄写员：不再逐字逐句手写指令，把精力放回思考该构建什么上。范式转移已经发生了，GitHub 上 4% 的提交来自 Claude Code，顶尖开发者也不再手写代码；接下来被重新定价的，是那个 15 万亿美元的信息工作市场。
还有一个环没闭上：当 Agent 开始理解自己的源代码，事情会变得更有意思。
有空的话，推荐看看：