Guillermo Rauch：应用、AI 编程与软件的未来

传统编程要求开发者在代码层精确控制系统。氛围编程把一部分控制上移到意图和可观察结果：

传统编程：需求 → 人写代码 → 人理解实现 → 运行与调试
氛围编程：意图 → Agent 生成与修改 → 人观察结果 → 继续修正

这会显著扩大软件生产者范围。创业者、设计师、运营人员和个人用户都能生成内部工具、网页和自动化流程。Guillermo 将这种变化视为 Vercel 市场空间的扩大：过去只有专业开发团队会部署应用，未来任何有想法的人都可能成为软件生产者。

但控制接口上移也改变了错误形态。人不再理解全部实现时，必须依赖测试、预览、权限和回滚来控制结果。低风险原型可以“看起来能用”就继续迭代；涉及支付、客户数据和生产系统时，视觉正确远远不够。

Karpathy 在 Software 2.0 中对比两种软件：传统程序由人直接写指令，神经网络程序则由数据和优化目标训练出权重。

Guillermo 区分了“写出代码”和“让软件真正运行”。GitHub 和早期代码托管平台让存放代码变得容易，但世界上仍然存在大量从未部署、没有用户的软件。代码只有被部署到真实环境并交给用户使用后，开发者才能获得反馈。

编码 Agent 不太在意“在我的电脑上可以运行”。它们更愿意直接部署、观察结果，再继续修改。这也是 Vercel 使用量随编码 Agent 增长的原因：代码生成扩大了软件供给，也同时扩大了部署、运行和维护需求。

课堂同时区分了两类软件。一类只为一次销售演示或一次客户会议生成，用完即可丢弃；另一类涉及基础设施、客户数据和长期业务，仍然需要工程师处理可靠性、安全与持续维护。软件生成接近免费，不代表生产系统也接近免费。³

传统云围绕短请求设计：用户点击，服务器运行一段代码，返回结果。Agent 可能持续数分钟或数小时，在多个系统之间保持状态、等待外部反馈并反复重试。

人脑是一个持续变化的物理系统，过去经历会改变当前状态。标准大模型调用则是离散的：每次请求读取权重和给定上下文，生成输出后，本次内部激活通常不会自动成为下一次永久记忆。

长期 Agent 因此必须把状态外部化：

任务计划
+ 已完成步骤
+ 当前环境状态
+ 文件和数据库
+ 工具返回结果
+ 长期记忆
+ 预算与权限

这不是简单把所有历史都塞进更长上下文。系统要选择什么值得保留、什么可以压缩、什么必须以可靠系统记录为准。状态设计会成为 Agent 产品的重要差异。

Guillermo 把面向 Agent 的软件生态称为“积木经济”。Agent 不会为每个任务重新发明所有工具，而会选择能够局部理解、直接组合和快速验证的现成模块。

他以 Tailwind、React、Next.js 和 shadcn 为例。这些工具把功能拆成相对独立的组件，修改一个部分时不必理解整个系统。对于上下文有限的 Agent，这种“局部推理”比隐藏在大型系统中的隐式逻辑更容易使用。

工具被大量写入训练数据只是原因之一。Agent 还会搜索文档、读取 API、尝试调用并检查结果。公开内容、稳定接口、可组合性和可以自动验证的输出，共同决定一个工具是否容易被 Agent 采用。³

固定图形界面为人提供可见路径。Agent 更适合直接调用 API、命令行和机器协议。未来软件可能同时提供两套表面：人看到可解释的界面，Agent 看到结构化能力、权限和结果。

人类入口：界面、解释、审批、异常处理
机器入口：API、工具描述、身份、预算、结构化反馈
共同底座：状态、交易、权限、审计

Guillermo 所说“重写 Salesforce”，更合理的理解不是几天内复制整个 Salesforce，而是 Agent 可以基于底层客户数据和业务能力，动态生成更适合当前任务的界面与流程。持久客户状态、权限、交易和审计仍需要可靠底座。

因此，传统 SaaS 可能被拆成：

• 可快速生成的界面与工作流；

• 难以随意生成的系统记录、身份与交易；

• 面向 Agent 的 API、命令和工具；

• 面向人的审批、解释与责任界面。

一个 Agent 可能有能力写邮件、修改代码和发起付款，但“能做到”与“被允许做到”不同。企业必须把人的授权关系转成机器可执行权限。

机器权限至少包含六个维度：

Agent 不只需要技术 API，还需要完整商业关系。一个人可以阅读定价页、申请试用、填写信用卡、处理限额并与销售沟通；机器要自动采购服务，需要这些环节结构化。

发现服务
→ 读取能力与价格
→ 注册身份
→ 获得授权
→ 设定预算
→ 调用与计费
→ 处理限额和异常
→ 取消或迁移

这使即时注册、透明定价、可编程授权和机器账单成为产品能力。面向 Agent 的市场不只是“提供工具协议或 API”，而是让一项服务可以被机器安全购买和持续使用。

Guillermo 认为，AI 最先替换的是软件的展示层，而不是整套业务系统。他举 Vercel 内部重写 Salesforce 界面的例子：团队可以生成更适合自己的客户研究、销售机会和数据展示页面，但底层仍然使用 Salesforce 的数据库、工作流和权限系统。

因此，系统记录、访问控制和交易状态仍然需要长期维护。传统 SaaS 如果能够把这些能力通过 MCP、命令行或 API 提供给 Agent，就可以继续作为底层系统存在；只提供固定界面、又不开放能力的软件更容易被替换。

模型要把生成结果变成真实产品，还需要沙盒、部署平台、域名、监控和安全机制。Guillermo 把 Vercel 的机会定义为成为新产品进入互联网的“前门”：无论代码由人还是 Agent 编写，都需要一个地方运行、被用户发现并持续改进。

所以，课堂给出的控制点不是“拥有别人写不出的代码”，而是掌握可靠的系统状态、机器可调用的接口、生产部署、用户入口，以及对 Agent 的安全和治理能力。³

AI 编程会让软件生成和个性化成本大幅下降，带来大量一次性工具、个人软件和动态界面。但长期生产系统的稀缺性会转向状态、集成、权限、验证、部署和组织适配。

Agent 还会重写软件的接口和云的基本对象：机器需要发现、购买、调用和评价能力，需要长期状态、沙盒、身份和预算。软件不会消失，而会从固定界面中心转向能力、状态和责任中心。能否把真实决策权变成机器可执行授权，可能比模型是否再提高几个百分点更早决定企业 Agent 的上限。