上周和一个做了十五年全栈的朋友吃饭。他最近从大厂出来，拿到两个 offer：一个是去创业公司做 Agent，一个是去传统企业做数字化。他选了后者，理由是「Agent 太新了，不确定性太大」。
我问他：你觉得做网站和做 App 有什么区别？
他想了想：「差不多，都是接需求、写代码、上线、迭代。」
我又问：那做 Agent 呢？
他说：「也是接需求、写代码、上线、迭代。只是交付物从页面变成了 Agent。」
他自己把答案说出来了，但没意识到这句话有多重要。
三个时代，同一种工作
回头看工程师这个职业在过去二十年的演变，有一个很清晰的模式：
2005-2012 互联网时代 交付物：网站
2012-2023 移动时代 交付物：App
2024-now AI 时代 交付物：Agent
每个时代都有人喊「这次不一样了」。
2010 年有人说「做 App 和做网站完全是两回事，需要全新的思维方式」。2024 年有人说「做 Agent 和做软件完全是两回事，需要全新的工程范式」。
但如果你实际做过这三件事，你会发现：
软件工程方法没有变。
| 环节 | 做网站 | 做 App | 做 Agent |
|---|---|---|---|
| 需求分析 | 用户要什么页面 | 用户要什么功能 | 用户要什么工作流 |
| 架构设计 | MVC / 微服务 | 客户端-服务端 | Agent + Tool + Memory |
| 编码实现 | HTML/CSS/JS | Swift/Kotlin | Python + MCP + Prompt |
| 测试 | 单元测试 + E2E | 单元测试 + UI 测试 | Eval + 对抗测试 |
| 部署 | 服务器 / CDN | App Store | Agent 平台 / MCP Server |
| 迭代 | 用户反馈 → 改代码 | 用户反馈 → 发版本 | 用户反馈 → 调 Prompt/工具 |
每一行的「做什么」变了，但「怎么做」没变。你还是在分析需求、设计方案、写代码、测试、部署、迭代。
我在 我写了一行代码，AI 写了剩下 6773 行 中做过一个全栈应用——需求分析、架构设计、编码、测试、部署，全流程一样没少。只是编码这一步，从人写变成了 AI 写。
变了的是什么
既然方法没变，那变了的是什么？
两件事变了：交付物的形态，和流程节点的效率。
交付物形态
网站：用户打开浏览器 → 看页面 → 手动操作
App：用户打开应用 → 看界面 → 手动操作
Agent：用户说一句话 → Agent 自动执行 → 返回结果
从「人操作界面」到「人下达意图，系统自动执行」。交付物从被动的界面变成了主动的执行者。
这意味着工程师的工作重心从「设计界面」转向了「设计行为」——你不再是在画页面，而是在定义 Agent 应该怎么思考、怎么行动、怎么记忆。
流程节点效率
| 节点 | 网站时代 | App 时代 | Agent 时代 |
|---|---|---|---|
| 需求 → 原型 | 1-2 周 | 1-2 周 | 1-2 小时 （AI Coding） |
| 原型 → MVP | 1-3 月 | 1-3 月 | 1-2 天 |
| MVP → 生产 | 3-6 月 | 3-6 月 | 1-2 周 |
| 迭代周期 | 2 周 | 2 周 | 随时 |
AI Coding 没有改变流程，它压缩了每个节点的时间。在 100% AI 编码工程实践 中，我记录了一个 12,000 行的全栈应用从零到上线的全部过程——传统需要 6 个月的活，AI Coding 12 天完成了。
流程没变，但每个节点的耗时压缩了 10-100 倍。
价值度量的翻转
这是本文最核心的判断：
技术价值的度量正在从「支撑的平台规模有多大」翻转为「个性化交付的成本有多低」。
互联网时代的价值 = 平台规模
过去二十年，工程师的价值几乎完全由一个指标决定： 你支撑的平台有多大。
- 日活多少用户？
- QPS 多少？
- 数据量多少 PB？
- 并发多少？
你的简历上写着「负责支撑千万 DAU 的系统」，你就值这个价。写「做了一个 200 人用的内部工具」，就不值。
这个度量在平台经济时代是对的——边际成本趋零，规模就是壁垒。
AI 时代的价值 = 个性化交付成本
但 AI 正在翻转这个等式。
当 AI Coding 让开发成本趋近于零，当一个人一天可以写一个 Agent，「能做一个多大的平台」不再是稀缺能力，「能多便宜地交付一个个性化方案」才是。
我在 代码复制成本归零 中讨论过这个趋势：当代码复制成本为零时，工程师的价值向上漂移——从编码本身漂移到业务理解和方案设计。
把这个趋势放到今天的框架里看：
互联网时代：
技术价值 = 平台规模 × 用户数
核心竞争力 = 能扛多大的流量
AI 时代：
技术价值 = 个性化交付量 × (单次交付成本)^-1
核心竞争力 = 能多便宜地交付一个定制 Agent
以前比的是谁的平台大。现在比的是谁的交付成本低。
一个具体的例子
假设一个制造业客户需要一个报价 Agent：
| 维度 | 传统做法 | AI 时代做法 |
|---|---|---|
| 团队 | 5 人项目组 | 1 个 FDE |
| 周期 | 3 个月 | 3 天 |
| 成本 | 50 万 | 500 元 Token 费 |
| 交付物 | 定制系统 | 可复用 Agent 模式 |
| 边际成本 | 下个客户重新做 | 下个客户改配置 |
传统做法的价值公式：50 万 × 1 个客户 = 50 万。
AI 时代做法的价值公式：500 元 × 1000 个客户 = 50 万——但你只花了 1 个人的 3 天。
同样的收入，成本差了 1000 倍。 这就是价值度量翻转的含义。
工程师该怎么办
理解了这三个变化——交付物从界面到行为、效率压缩 10-100 倍、价值从规模到低成本交付——工程师的应对策略就清晰了：
1. 学会设计行为，不只是设计界面
做网站时你设计页面，做 App 时你设计交互，做 Agent 时你设计行为。
行为设计包括：
- Agent 什么时候该主动？什么时候该等指令？
- Agent 的记忆范围是什么？跨会话还是单线程？
- Agent 的权限边界在哪？能做什么，不能做什么？
- Agent 出错了怎么恢复？怎么让人介入？
这些不是 UI 设计问题，是 系统设计问题。但它的思维方式和架构设计是一脉相承的。
2. 用 AI 压缩编码时间，把省下的时间花在理解业务上
AI Coding 不是让你写更多代码，而是让你有时间做更重要的事：
- 理解客户的 SOP
- 设计 Agent 矩阵
- 定义评估标准
- 验证业务价值
编码从 80% 的时间变成 20%，业务理解从 20% 变成 80%。
3. 追求可复用的交付模式，而不是更大的平台
以前你的简历上写的是「支撑千万 DAU」。
以后你的简历上应该写的是「沉淀了 N 个可复用的 Agent 模式，服务了 M 个客户，单次交付成本从 X 降到 Y」。
从「我做过多大的系统」到「我能多便宜地交付价值」。
没变的那个东西
最后说一个没变的东西。
从做网站到做 App 到做 Agent，有一个东西自始至终没有变过：
工程师的核心能力不是写代码，而是把模糊的需求变成可运行的系统。
2005 年你帮客户把「我想在网上卖东西」变成一个电商网站。
2015 年你帮客户把「我想在手机上管理订单」变成一个 App。
2026 年你帮客户把「我想让 AI 帮我处理客户投诉」变成一个 Agent。
需求永远是模糊的，系统永远是从零开始建的，交付物永远需要可靠运行。
变的只是交付物的形态。没变的是工程师把混沌变成秩序的能力。
这个能力，在网站时代值钱，在 App 时代值钱，在 Agent 时代更值钱——因为 AI 把编码成本压到了接近零，让工程师终于可以把 100% 的精力花在这个最有价值的事情上。
你从做网站到做 App 再到做 Agent，最大的感受是什么？是交付物变了，还是觉得自己做的事情其实一直差不多？欢迎留言讨论。