agent 先动的是编码，后面是整个信息工作
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，我觉得下得挺准的：编码只是 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。所以「程序员不用写代码了」这件事，只能说是整个故事里最小的那一部分。
为什么是编码先被颠覆？报告里讲得挺清楚的：几乎所有信息工作，底层跑的都是同一个流程——读取、思考、写作、验证，软件开发的流程一模一样。agent 既然能把软件开发颠覆掉，理论上就能颠覆所有信息工作。
所有信息工作底层跑的都是同一个「读取→思考→写作→验证」循环，和软件开发一模一样，所以 agent 能颠覆编码就能颠覆信息工作
速度有多快，METR 那个研究给了个参考：AI agent 能自主完成的任务时长，每 4 到 7 个月翻一倍，现在主流水平大概是 4.8 小时。等这个数字翻到 8 小时，也就是一个完整工作日的量，剩下的信息工作基本就都在射程里了。
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 内部已经是现实了：PM 写代码，设计师写代码，工程经理写代码，连财务团队也在写代码。在那里，会不会写代码已经不太能区分人了，真正拉开差距的是你对系统、对用户、对问题的理解有多深。
Anthropic 自己也把这件事产品化了。Cowork 推出来，相当于一个面向通用计算的 claude code，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 就是顺着这个判断往下走的：通用 agent 不该只服务程序员。
内部的用法已经走在前面了：数据科学家拿 claude code 写 SQL、做数据分析，销售团队拿它接 Salesforce 处理业务。Plugins 这个功能干脆就是一群 agent 自动领任务、分工开发，周末跑了几天就跑完了，几乎没有人介入。
Boris 还描述过一个我觉得特别有意思的模式：让 claude 开发功能，claude 读 codebase 的时候在 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 团队自己还用 agent SDK 把代码审查、安全审查、issue 打标签、上线流程全自动化了。agent 在人的社交渠道里活动，自己管理开发流程，甚至开始给自己创建 agent 去干活。到这个程度，工具和同事的界限已经相当模糊了，你甚至说不太清「编码」这个词还能管到哪。
这套能力往外溢，最先挨打的是现有的软件行业，尤其是 SaaS。SaaS 有三道护城河，现在是同时在瓦解：
SaaS 的三道护城河——数据锁定、工作流锁定、集成复杂度——被 agent 同时攻破，护城河一起瓦解
- 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，这个成本直接被打下来了。
- 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。agent 根本不需要 UI，它理解自然语言，直接把任务执行掉。
- 集成复杂度。不同 SaaS 之间的集成原来要专业开发去做，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 能直接把活干了，不需要那层固化的代码流程，那 75% 的毛利率在别人眼里就是一块很大的套利空间，护城河这个说法也就不太成立了。这跟第四篇讲的「日抛型软件」是同一个判断：软件可以按需生成之后，把工作流固化成产品的公司，原来仗着的那道墙就不太立得住了。
微软是最典型的案例：一边通过 Azure 给 Anthropic 和 OpenAI 供算力，一边看着这些客户拿 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，却几乎没拿到什么实质性的市场进展。讲道理，这个困境也不只是微软的，所有按席位收费的软件公司都在同一条船上。
我自己就是这么一路走过来的。2023 年 Cursor 刚发布不久我就开始用了，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，效率提升也已经很明显了。
后来转到 claude code，才发现范式完全不一样。Cursor 本质上还是个 IDE，让你看代码、编辑代码，AI 只是辅助；claude code 是让你不再盯着代码，专注去描述意图。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，一开始都是玩具性质的实验。后来决定认真做产品，买下 panpanmao 域名，把底层架构重写了一遍，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，变化明显在加速。我在 GCP 上搭了 OpenClaw，把 agent 接进飞书，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。同一个时期，Anthropic 推出 Cowork，SemiAnalysis 发了那份报告，顶尖开发者也集体出来表态。要是让 2023 年的我看到 2026 年的我，大概是不会信的：日常工作变成了思考、跟 agent 对话，代码反而很少亲手写了。
这场变革的受益者会极不均匀。能力已经到位了，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。重度用户要上更贵的 Max Plan，但对比它能产出的价值，只能说还是低得离谱。那为什么 agent 革命还没真正发生？我的判断是，瓶颈不在技术，也不在成本，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% 用过免费的聊天机器人，大概 0.3% 每个月为 AI 付费，用编程 agent 的只有 0.04% 左右。这是一个认知漏斗，每往下走一层，人数就掉一大截。而且就算走到了最底下那层，大多数人手里的 AI 也还是一个更快的工具，没有升级成协作者。
从会用 AI 到会用编程 agent 是一个层层掉人的认知漏斗：84% 没用过、16% 用免费聊天机器人、0.3% 付费、只有 0.04% 用编程 agent
本来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。所以现在教育系统批量产出的还是执行者，背答案的人；可接下来真正缺的是能做管理、会问问题的人。
聪明人学会了用 agent，普通人还停在搜索引擎，两边的效率差距可能就不止几倍了，拉开一个数量级都有可能。这条线只会越拉越开。
Boris 在访谈里讲了一个历史类比，我觉得讲得挺好的。古登堡发明印刷术之前，欧洲绝大多数人不识字；印刷术出现之后五十年，印刷品的数量就超过了此前一千年的总和。有意思的是当时修道院抄写员的反应：他们没怎么恐慌，反而挺兴奋的——终于不用把命耗在一本一本手抄上了，时间可以拿去想应该写什么。
我们现在就站在代码的「印刷术时刻」，写代码就是那个手抄的活。我们就是这一批抄写员：不用再逐字逐句手写指令了，精力放回到想清楚该造什么上。范式转移其实已经发生了，GitHub 上 4% 的提交来自 claude code，顶尖开发者也不再手写代码。编码之后，接下来被重新定价的是剩下那一大片信息工作。
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：