明日的世界（1）AI agent 永久改变了人类工作的最小单位
<
《人月神话》面世已有半个多世纪，依然是软件工程的经典。Brooks 后来又补写了《没有银弹》，话讲得更狠，没有任何语言、工具或方法论能让生产率突然翻十倍。软件复杂性的根源从来不在语法层面，它复杂在业务本身、抽象设计、系统交互，以及人类需求那种永远说不清的不确定性。
到了 2026 年，这颗银色子弹真的诞生了。
让我真正相信 AI agent 是划时代之物的，是 Codex 这次升级。它永久改变了人类工作的最小单位。
最早的 chatbot 本质上只是一个更聪明的搜索框。打开窗口，问一句，答一句，剩下的事还得自己动手。它提升了获取知识和写作的效率，整个工作闭环依然攥在人手里。它像一位无所不知的顾问，思路清晰，从不动手。
后来 Cursor、Claude Code 以及各种终端 agent 陆续出现，AI 开始动手。它能读你的文件、改你的代码、操作终端和浏览器，跟本地环境直接打交道。工作的最小单位从一次问答变成了一次任务，让它修一个 bug，它就真的去修。可这一阶段的 agent 仍然像一个单线程员工，派一件事，等它做完或卡住，再派下一件。
Codex 这一代又往前推了一步。这次一个人面前可以是一群可以并行调度的 agent。一个在修 bug，一个在重构，一个在写测试，一个在探索新功能，一个在整理文档。AI 在这里完成了又一次跃迁，它已经超出了顾问和助手能描述的范围，更像一支由你指挥的小型工程团队。而你的角色，也悄然从那个亲自动手的人，走进了 Brooks 半个世纪前反复强调的主架构师的位置。
为什么 2026 年人们对 AI 基建的认同会突然变强，我的理解是多步骤任务真正能跑通了，而且开始能并行跑了。软件不再只是一个工具，而变成了一个可以被委派的对象。你给它一个目标，它自己想办法去做，中间要写代码、查网页都行，遇到问题它自己修一修，最后把结果交给你。
过去你是在用软件干活，未来你是在指挥 agent 干活。
过去计算机上人工作的最小单位，是点击鼠标、复制粘贴、在表格里键入。打开 Excel、Wind、Python，每个动作都是人手完成的。聊天机器人出来以后，单位短暂地变成了一次提问，你问它答，但执行还是你自己来。轮到单 agent，单位换成了一个完整任务，比如把这家公司过去五年的资本开支、产能、毛利率变化整理成一张表，并标出异常年份。再到 Codex 这种多 agent 形态，单位又一次变了，变成一个可以被委派、可以被隔离、可以被并行、可以被审查、可以被合并的工作包。它真正像突破的地方就在这里。让 AI 更能聊只是表面，更深的变化在于它把 AI 从一个聊天对象，变成了一个可以被组织和调度的生产单元。
软件的交互方式也在跟着变。过去你是在菜单和按钮里点来点去，未来更多是给它一个目标让它做完再验收。前一种交互要你熟悉软件，后一种要你想清楚自己到底要什么。门槛不一样了。
最小单位变成任务以后，人在分工里的位置自然就会上升。
agent 会把人推到组织结构的上层。以前你是亲自干活的人，现在更像一个小组长，要定目标、分任务，再看结果决定要不要返工。
我自己写代码的时候有过类似感觉。过去是在 IDE 里一行一行敲，现在变成跟一群能写出完整模块的工具协作。我的工作变成了告诉它们要什么，再看它们写出来的东西哪里偏了，决定要不要让它再来一遍。产出没变少，但确实是不一样的事了。
执行的成本下降，人的判断的价值就显现出来了。
过去想做点小工具、爬虫或者简单的可视化页面，要么自己懂代码，要么花钱找程序员。现在这种小软件可以直接生成出来。能不能做这件事，慢慢就不再是稀缺资源了。
对个人也是同样的逻辑。未来差距不一定来自谁更勤奋。更可能看的是定义问题的能力，识别 agent 什么时候做错，以及在自己的领域里到底有没有真正属于自己的看法。同样的工具，到了没有判断力的人手里，只会更快地产生一堆低质量内容。到了真正懂业务、懂取舍的人手里，它就接近一个小型研究团队。
前面说的多步骤任务能跑通，背后其实是这一代模型的自我纠错能力上了一个台阶。
早期对 agent 的怀疑是有道理的，错误会累积。任务一百步，每一步偏一点点，整件事最后就崩了。但这一代会思考的模型，准确率每往上提升一点，能完成的任务范围就明显扩大。它会犯错，只是犯错以后能自己发现一些，修正一部分再继续往下做。所以连续跑几个小时的任务开始变得现实。写代码、改 bug、跑测试、出报告这种活，可以打包交出去。
这也是为什么它还不能完全自动执行。Princeton 那篇 AI Agents That Matter 提醒过，看 agent 不能只看准确率。成本是多少，过程有多复杂，是不是只是在某个基准线上刷出来的，别人能不能复现，这些都要算进去。所以现在比较实际的办法，大概还是人确定任务，模型执行，人验收，有问题再返工。
对我这种又做投研、又写内容、又顺手写点代码的人来说，最直接的变化是工作流从线性变成并行。
过去做一项研究基本是按顺序走。找资料、做表、写稿，前一步没干完，后一步开不了头。换到 agent 时代，这件事可以多线一起跑。查公告、归纳卖方观点、做财务表、起草初稿，分头交给它们去做。我自己确认主线，决定哪些保留哪些推翻。
企业软件这一层的护城河，我感觉也需要重新考量。
部分传统 SaaS 的价值，在于它把流程标准化，员工在它的页面里填表、审批、查数据。Agent 时代的问题变成，能不能让一个智能体直接在多个系统之间跑通一件事。比如把本季度销售线索按来源、转化率、客单价重新分层，再生成下周的投放建议。如果一个智能体能在 CRM、巨量引擎、飞书、企业微信之间自己把这件事跑完，那很多软件的页面本身就没有过去那么重要了。人不一定再每天打开十几个后台点来点去，更可能是给它一个目标，让它拿着权限去系统里把事情办完。
UI 的权重在下降，数据和权限这一层底层的东西反而变得更重要。商业模式自然也要改变。具体到二级市场，很多看上去稳定的 SaaS 龙头，估值逻辑可能要重新考虑。
个人能力也在跟着重估。
过去能干的人，大概要会搜索、会总结、会写代码、会做 PPT。这些事现在还是有用，但稀缺度在下降。未来稀缺的可能是另外一些能力。提出真正的好问题，给智能体足够多的上下文让它能干活，识别它什么时候开始瞎编，最后能把这些产出转成一个产品判断或者一笔交易判断。
换个角度，agent 难以改变的那部分，可能更值得重视。短期来说它真正在替代的，是复杂工作里那六到八成最耗时间、最琐碎、最不需要最终判断的部分。剩下两到四成的判断，反而变得更值钱。
对我这种做投研、写内容、又顺手写点代码的人来说，AI agent 最重要的已经不是它能不能帮我做收集数据和修改文件。而是我能不能把自己改造成一个小型投研机构。
研究员、数据员、编辑、程序员这些角色，可以部分交给智能体。人留下来的事情，是判断主线、决定取舍，以及在事情走偏的时候负责。
AI agent 让执行力的价格变得便宜。执行力变便宜以后，一个人的杠杆变大了。但杠杆越大，越考验个人的判断。未来真正稀缺的，是个人该如何用 AI agent 去赋能自己，同时不被 AI agent 替代。
本话题在雪球有59条讨论，点击查看。
雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>
#明日的世界1AI #agent #永久改变了人类工作的最小单位
