行业趋势：Agentic AI 时代到来 - AI应用价值从聊天对话跃迁至执行任务，代理式人工智能（Agentic AI）时代全面到来[3] - Agentic AI领域正以年均43%的速度增长，远超其他AI赛道[3] - 活跃Agent数量预计将从2025年的约2860万快速攀升至2030年的22.16亿[3] - 2026年被视为AI Agent走向成熟和规模化应用的关键节点[3] 企业落地挑战与市场机遇 - 企业在部署Agent时面临不可控的幻觉、不稳定执行、数据泄露等风险，导致落地困难[3] - 企业级Agent部署的困境包括客服机器人答非所问、DataAgent抓不到业务重点、开发Agent生成代码漏洞多等[4] - 缺乏对业务流程的深度理解和数据积累是问题的根本原因[4] - 市场存在大量中小型软件服务商受困于传统研发模式，对能提升产能的AI工具有强烈需求[18] 网易智企公司定位与战略 - 公司定位为不提供通用大模型，而是为企业部署可信赖、稳定、可靠的Agent[5] - 公司使命是“以可靠的AI技术，释放企业生产力，共创美好世界”[7] - 将Agent确立为核心战略方向，构建了从客服、销售、数据分析到智能开发的全方位Agent矩阵[7] - 公司依托网易集团二十余年技术积累，拥有10年服务行业标杆企业的经验[4] - 服务过的客户包括月之暗面、瑞幸咖啡、OPPO、赛力斯、渣打银行、中信证券、胖东来、中铝集团、米哈游等[4] 客服/销售Agent解决方案 - 客服Agent进入售前咨询场景，承担AI客服与AI销售双重角色，目标从降本增效扩展到创收[8] - 已帮助王府井集团、孩子王、中国人寿(海外)、澳门航空等企业完成智能服务升级[8] - 为某宠物用品超市成功接住70%的售前咨询，大幅提升夜间外卖订单量[8] - 为香港某保险公司构建“双AI服务体系”，面向个人客户提供7x24全天候AI助手，面向理财顾问提供智能知识检索工具[9] - 得益于领先的文档解析、召回排序算法、RAG技术和实施经验，其召回准确率和回答准确率在业界领先[11] DataAgent解决方案 - 产品定位为“懂业务、会思考、可进化”的AI员工，旨在解决数据工具操作复杂、学习成本高、缺乏分析建议等难题[12] - 采用自然语言交互，用户可通过聊天方式提出数据需求，系统能一键生成可视化图表并给出归因分析[12] - 帮助智能制造企业三花智控聚焦“报销退回率”场景，整体单据退回率从23.6%下降至9.2%，降幅达61%[15] - 帮助三花智控将平均报销处理周期从5.8天缩短至3.1天，效率提升46.6%[15] - 产品通过中国信通院可信AI智能体评估，成为业界首批最高评级的数据分析智能体[15] 开发Agent解决方案 - 开发Agent基于规范驱动开发（SDD）范式构建，以精准的软件规格说明书为核心驱动全链路智能开发[16] - 深度适配企业级研发全场景，包括新项目开发、老项目迭代、大模型复杂应用开发等[16] - 旨在帮助中小型软件服务商（ISV）实现高效率、高质量、可复现、可维护的代码交付，从而承接更多项目[18] - 使用该开发Agent，企业构建Demo的时间可缩短70%以上，并大幅降低因需求不匹配导致的重构风险[18] AI内容风控与安全能力 - 公司构筑了“多模态大模型安全围栏”，通过内生安全、外生安全、衍生安全三个层级实现风险分级管控[19] - 安全业务最早起源于1997年，从支撑网易邮箱内容检测起步，拥有近30年实战经验[19] - 公司是国内为数不多可覆盖“文本+图像+音频+视频”全模态的风控厂商[20] - 截至2025年，国内超九成大模型创业主体（如Kimi、MiniMax、硅基流动等）及多模态大模型企业（如生数科技、爱诗等），其大模型安全围栏的技术内核均源自网易智企[20]

文章核心观点 - 2026年1月标志着AI产业进入一个变革加速期，其一个月的变化相当于过去25年里任意半年的总和[4] - AI发展的核心趋势正从工具应用转向以Token消耗为衡量标准的原生应用和劳动力管理，并为Agent构建基础设施成为巨大机遇[6][11][16][22] - 在生产力极度富足、产品同质化的未来，品牌、流量、渠道以及交付结果的能力将构成核心竞争优势[6][26][28] AI Native 应用的定义与标准 - 判断AI原生应用的唯一明确标准是“Token燃烧”，即应用必须通过消耗Token来处理输入、生成输出或执行求解任务[6][11] - AI原生应用对Token的依赖程度越高，其属性就越纯粹[11] - AI时代的业务排行榜应以Token消耗量为核心排名依据，Token消耗量体现了一种权利和影响力[11] 2026年Token消耗与产业增长预期 - 2026年全年，Token消耗量预计将增长100倍，市场将呈现供不应求的态势[12] - 个体需要思考自身Token消耗能否实现100倍增长，否则将落后于整体发展水平[12] - Token消耗的真正瓶颈在于人类操作者，当AI能获得完整任务自主执行时，才能持续消耗Token并产出[12] AI在组织与个人层面的效能差异 - AI在个人层面（如AI Coding）能使生产效率提升十倍，但在组织层面产生的效率提升倍数远低于个人层面[6][14] - 组织层面效率提升受限的根本原因在于团队协作中的沟通速率、信息交换效率和认知对齐问题[15][17] - AI时代尚缺乏适合其特点的软件工程方法论[15] 为Agent构建基础设施的机遇 - AI在许多领域的生产力已经超越人类，例如2025年2月由Agent创建的Neon云端数据库数量已超过人类管理员[16] - 从2025年开始，行业应当停止为人类开发软件，转而直接为Agent构建基础设施[6][21] - 这是一个巨大的机会：如果每人拥有100或1000个Agent，每个Agent每天调用接口和访问数据的频率将远超人类使用手机的频率，产生指数级增长的乘数效应[6][22] - 2026年的最大发展机遇是为AI构建大规模的基础设施，包括运行环境、API接口和数据访问能力[22] AI认知的转变：从工具到劳动力 - 对AI的认知需要从“工具”转变为“劳动力”，AI可以被委托执行任务并交付具体结果[23] - AI时代的领导力体现在个人管理AI Work的数量、每日工作产出和Token消耗水平上，核心差异在于资源管理能力[25] - 有人一天能消耗上亿Token，而有人只能消耗百万Token[25] 生产力富足时代的竞争优势 - 在几乎所有人都能产出80分水平产品且生产成本趋近于零的时代，产品被发现变得极其困难[26] - 因此，拥有品牌、流量、渠道将具备极大的优势，这也是KOL等具备影响力的人群价值高的原因[6][26] - AI时代“交付结果”的重要性日益凸显，因为事物复杂性持续增加，购买结果比购买工具成为更优选择[27][28] - 提供的价值在于将复杂问题内化到服务、产品和能力中[28] 对开发者与从业者的建议 - 品味（Taste）是一种关键的筛选能力，能在同质化的产品环境中识别和突出优质作品[29] - 开发者应深度思考用AI来做什么，避免陷入缺乏商业价值的“程序员垃圾时间”[31][32] - 面对知识爆炸，应采取“有取有舍”的策略：构建个人知识图谱，聚焦核心概念，并对感兴趣领域深度实践[33][35] - 应“Follow builders not influencers”，深入理解事物发展的趋势和底层逻辑，而非仅仅关注技术细节[33]

公司战略与产品发布 - 苹果公司在其旗舰编码工具Xcode中引入智能体编码功能 支持Anthropic的Claude Agent和OpenAI的Codex [1] - 公司宣布Xcode 26.3现已推出测试版 供注册开发者使用 最终将在App Store发布 [5] - 此次更新扩展了与智能体编码工具的关系 此前夏季更新已支持OpenAI的ChatGPT和Claude [2] 产品功能与集成 - 新的智能体编码工具使Xcode能够代表开发者处理复杂的多步骤任务 [2] - 智能体将能够构建和测试项目 搜索苹果文档并修复问题 [2] - 用户需通过API密钥将其OpenAI或Anthropic账户连接到Xcode [4] - 公司采用开放标准 使程序员除内置的Anthropic和OpenAI集成外 还能使用其他兼容的智能体和AI工具 [4] 行业趋势与市场反应 - 智能体编码是硅谷最热门的趋势之一 程序员利用人工智能软件独立编写代码 [1] - 个体程序员和公司已接纳智能体编码作为一种更快的软件开发方式 通过被称为“氛围编码”的实践 即人类提示AI并审查其生成的代码 [3] - 在苹果的消费者AI套件“Apple Intelligence”面临延迟和管理层变动之际 AI编码在iPhone开发者中获得了关注 [3] - OpenAI于周一发布了其Mac版智能体编码应用Codex [5]

公司产品发布与核心能力 - 摩尔线程于2月3日正式推出AI Coding Plan智能编程服务，这是首个基于国产全功能GPU算力底座构建的智能开发解决方案 [3] - 该服务以公司MTT S5000 GPU的全精度计算能力为核心驱动 [3] - 服务融合了硅基流动推理加速引擎，并集成了智谱AI的GLM-4.7顶尖代码模型 [3] 技术合作与模型优势 - 该服务由摩尔线程与硅基流动联合开发，通过高效算子融合及框架极致优化，在确保代码生成质量的同时显著降低了响应延迟 [1] - 系统选用的核心模型是智谱AI的GLM-4.7，该模型在Code Arena（全球百万用户参与盲测的专业评估系统）中位列开源及国产第一 [1] - GLM-4.7模型在函数补全、漏洞检测等场景的表现超越同级，甚至优于GPT-5.2 [1] 产品生态与应用适配 - 摩尔线程AI Coding Plan服务已实现与Claude Code、Cursor、OpenCode等多款主流编程工具的即插即用适配 [1] - 开发者可在不同开发环境中无缝切换使用该服务 [1] 行业意义与突破 - 该服务的推出实现了国产芯片与国产大模型在AI Coding领域的关键突破 [3]

公司产品发布 - 公司于2月3日晚间通过官方微信公众号正式推出AI Coding Plan智能编程服务 [1] - 该服务是首个基于国产全功能GPU算力底座构建的智能开发解决方案 [1] - 服务以MTT S5000的全精度计算能力为核心，融合硅基流动推理加速引擎，并集成GLM-4顶尖代码模型 [1] 技术与行业意义 - 该服务实现了国产芯片与国产大模型在AI Coding领域的关键突破 [1] - 标志着国产算力在AI核心生产力工具领域打破瓶颈，具备了支撑高复杂度应用开发的实战能力 [1]

OpenAI发布Codex桌面应用：AI编程进入多智能体指挥时代 - OpenAI正式发布独立的Codex桌面应用，标志着AI编程从“对话助手”进化为“指挥中心”，旨在重塑开发者与代码的交互逻辑 [1][8][10] - 该应用定位为AI智能体的“指挥中心”，允许开发者指挥多个AI智能体并行工作，贯穿软件设计、构建、发布和维护的全生命周期 [4][13][15] - 自2025年4月发布Codex以来，开发者与AI的协作方式已发生根本转变，现有模型可端到端处理复杂长流程任务 [15] 核心功能：多智能体并行与任务管理 - Codex应用为多AI智能体并行工作构建了专注空间，AI在按项目组织的独立线程中运行，确保用户可无缝切换任务而不丢失上下文 [16] - 应用内置对Git worktree的支持，允许多个AI在同一个代码仓库上同时开工且互不冲突，每个AI在代码的隔离副本上工作 [16] - 应用可自动从Codex CLI和IDE扩展中同步会话历史和配置，便于用户在现有项目中立即使用 [19] 核心功能：Skills（技能）系统扩展AI能力边界 - Codex通过Skills系统从代码生成AI进化为能用代码在电脑上实际解决问题的AI，Skills是打包好的指令、资源和脚本 [20] - Skills让Codex能可靠连接工具、运行工作流，并按照团队习惯完成任务，能力扩展至信息收集整合、问题解决、写作等非纯代码生成任务 [20] - 应用提供专门界面创建和管理Skills，用户可明确要求Codex使用特定Skill或让其根据任务自动调用 [20] - OpenAI在GitHub开源了Skills库，该仓库已获得2.4k星标和153个分支，涵盖内部流行的工具和工作流 [34] 核心功能：自动化与个性化 - Codex可设置Automations（自动化），按计划在后台自动执行任务，将指令与可选Skills结合，结果会进入审查队列 [35] - OpenAI内部团队使用Automations处理每日Issue分类、总结CI失败原因、生成发布简报等重复性重要任务 [37] - Codex允许开发者在两种AI个性间切换：简洁务实风格与更具对话感和同理心的风格，两者能力相同 [39] 性能展示与用例 - OpenAI演示了Codex仅凭一个用户提示词，独立消耗超过700万个Token，制作出一款功能完整的3D体素卡丁车赛车游戏 [6][20] - 游戏开发过程展示了Codex从粗糙原型（消耗6万Token）到可玩版本（消耗80万Token），最终到精致版本（消耗700万Token）的迭代能力 [21][22][23][24] - Codex内置Skills库包含多个实用技能，如：从Figma设计生成生产级UI代码、使用Linear管理项目、将Web应用部署到主流云平台、使用GPT Image生成图像等 [26][27][28][29] 安全设计与采用数据 - Codex应用采用原生、开源且可配置的系统级沙箱，默认情况下AI智能体只能编辑当前工作文件夹的文件并使用缓存的网页搜索 [41] - 如需更高权限命令（如联网访问），Codex会先请求用户许可，用户可为项目或团队配置规则允许特定命令自动以提升权限运行 [41] - 自12月中旬发布GPT-5.2-Codex以来，Codex总使用量翻了一番，过去一个月内有超过100万开发者使用Codex [42] 发布计划与未来路线图 - Codex桌面应用目前已在macOS上线，Windows版本即将推出 [12] - OpenAI提供“限时福利”，ChatGPT免费用户和Go版本也可使用Codex，而Plus、Pro、Business、Enterprise和Edu计划用户速率直接翻倍 [12] - 团队未来计划包括：上线Windows版应用、持续突破模型能力边界、实现更快的推理速度，以及为Automations开发基于云端的触发器支持 [42][43]

文章核心观点 - AI已将软件开发的执行成本降至趋近于零，未来工作的瓶颈和稀缺资源从“执行”转变为“对齐多方意图”与“深度理解组织知识” [4][6][9][21][23] - 软件开发正从“专业化分工”时代转向“全才协作”时代，组织的经济目标从“规模化生产”转向“规模化定制” [11][13][18] - 最终胜出的公司将是那些能最好地捕捉并普及组织知识的公司，Isoform公司开发的Yansu平台旨在成为主动捕捉团队意图、沉淀组织知识并将其转化为可执行软件的行动系统 [4][31][49] 行业趋势分析：AI对软件开发范式的颠覆 - **执行成本归零**：AI，特别是ChatGPT等工具的出现，已将软件实施的执行成本降至极低水平，颠覆了传统工作方式 [6][9] - **经济逻辑转变**：传统企业组织基于“执行是稀缺资源”的假设，通过专业化分工和复杂流程来优化单位投入产出比 [7][8]；当执行成本下降，专业化分工不再是最高投资回报率策略，当前组织设计反而会成为阻碍 [11][17] - **从专才到全才**：最前沿的公司正将僵化的职位迭代为模糊的跨学科角色，如“Member of Technical Staff”，因为当实施不再是瓶颈时，产品经理、工程师和设计师之间的人为边界重要性下降 [12][13] - **软件进化三时代**：软件正从“记录系统”、“预测系统”进化到“行动系统”时代，软件不仅能记录和建议，更能直接执行工作 [14][15][16] - **新经济目标：规模化定制**：竞争前沿从“能否造出来”转变为“能否为特定组织造出正确的东西”，AI使得为任何规模的企业定制软件成为可能，消除了大型企业才享有的定制特权 [18][19] 新范式的核心挑战与瓶颈 - **新瓶颈：对齐多方意图**：软件开发中最难的部分（占80%工作量）是理解意图、搜集需求、对齐设计、达成共识等，而写代码只占20% [21][22]；大多数现有的AI编程工具只解决那20%的代码生成问题 [22] - **上下文成为稀缺资源**：随着实施成本降低，业务意图、工程上下文、设计约束等“上下文”知识变成了新的稀缺资源和瓶颈 [23] - **协作形式的根本变化**：真正的协作不再是线性的“协作表演”，而是围绕意图进行持续、紧密的跨职能对齐与反馈循环 [26][27]；知识必须被捕捉和沉淀，不能仅存在于人脑或会议中 [27] 未来企业与工具的发展方向 - **企业需要模糊职位界限**：从专才转向全才，更多地考虑“产出总负责”，这类人能深度理解问题、与AI系统合作、评估产出并快速迭代 [28] - **工具需从任务驱动转向产出驱动**：未来的工具应优化“达成结果的时间”，而非微观任务或敲键盘速度；应接受意图、询问缺失上下文、主动推动工作流，让人类在正确的环节（如上线、修改约束）做最终拍板 [30] - **软件协作平台需为多人协作设计**：押注“集体智慧”和“多人协作”型公司的未来，而非单兵英雄工程师 [34] Isoform公司及其产品Yansu的战略 - **产品定位**：Yansu是一个为多人协作设计的主动型软件协作平台和行动系统，旨在主动捕捉团队意图、沉淀组织知识，并将其转化为可执行的软件成果 [31][34] - **技术差异化**： - **主动捕捉意图**：平台不会消极等待用户提供背景，而是主动提问、澄清并结构化意图与组织知识，在生成代码前通过测试验证是否符合意图 [34] - **兼顾绿地与棕地项目**：不仅针对新项目，更重视公司赖以生存的、带有历史包袱和技术债的“棕地项目” [36] - **构建业务知识图谱**：不仅仅生成代码，而是构建关于整个业务背景的知识图谱，并利用它做出智能决策，实现组织内的理解平权 [37] - **首创技术**：包括顶级的环境建模、全球首款上下文提取引擎、为未来宏观结果设计的工作流 [43] - **市场进入策略**： - **目标客群**：首先聚焦于私募股权支持的美国中型企业，这类公司有约4万家，每年运行约30个集成项目，平均成本3万美元，形成一个年需求360亿美元的市场 [40] - **细分市场优势**：需求是提升EBITDA的高价值刚需；客户有钱但没时间；可通过PE机构实现快速且可规模化的分销 [41][42][44] - **服务模式**：采用“AI赋能的服务”模式，结合前线部署工程师与AI原生平台，将集成周期从数月缩短至数天，以服务建立信任，再扩展为平台 [44] - **财务表现**：服务业务毛利率达到87%，得益于AI效率，服务可以像软件一样规模化 [45] - **扩展计划**：正在横向和纵向扩展，与Workday、HubSpot和阿里巴巴等洽谈分销合作，部分客户已开始将Yansu用于核心产品开发 [45] - **公司愿景**：最终目标是主动且自动地生成完全适配每家公司运作方式的定制软件，使每家公司都建立在定制软件之上，提升工程设计的定义，使其从实施转向策略，从写代码转向判断 [46][47][48]

行业与公司 * **行业**：人工智能（AI）特别是Agentic Coding（智能体编码）、软件行业、算力基础设施（包括存储、CPU、数据中心等）[1] * **公司**： * **AI Coding/软件**：卓易信息、Minimax、智谱[4] * **AI基础设施**：深信服、优刻得、青云科技、金山云、网宿科技[4] * **CPU**：Intel、AMD、Rambus、海光信息、中国长城、龙芯中科[4] * **存储**：MU（美光）、SNDK（西部数据/闪迪）[4] * **互联**：AVGO（博通）[4] 核心观点与论据 * **AI Agent发展预测**：2025年是Agent元年，2026年将是Agent爆发的年份，体现在Agentic Coding迭代速度大幅加快，以及国内外大厂争夺个人Agent助手超级入口，这将成为下一轮token加速的重要推手[1] * **对算力基础设施的全面影响**：AI Agent的爆发不仅会带来算力需求数量级的提升，也会带来存储和CPU新的结构性需求[1] 当前算力通胀的链条正从存储、先进封装、CPU，向云服务和数据中心传导[1] * **软件行业面临重构**：Agentic Coding的快速迭代会加速软件行业的重构，软件开发成本面临“杰文斯悖论”，即未来个性化的、由AI生成的软件会爆发，但单体软件的价值会剧烈下降[1] * **软件公司未来路径**：未来的软件公司只有两条路，要么足够“轻”成为被AI随时调用的原子化API，要么足够“重”成为承载企业核心数据和合规的底座[2] 因此，具备“行业knowhow+专有数据”的深度垂直SaaS公司、基础设施底座平台公司未来机会会扩大，而简单的、缺乏行业深度的工具型软件将受损[2] * **AI Coding市场与进展**：AI Coding是发展最快的垂类AI应用，全球Coding市场空间约为2万亿美元[3] 目前AIcoding正在从代码补全向自主执行任务的Agentic Coding进行范式跃迁[3] * **代表性产品与特点**：Anthropic基于Claude Opus 4.5大模型升级的Claude Code 2.1和Cowork是代表性产品，其特点包括200K tokens的超长上下文，以及Agentic工作流具备多工具、多Agent的调用能力[3] 这些特点指向了存储需求的增加（从HBM外溢到DRAM、NAND），并提升了CPU在动态批处理、吞吐率优化、Agent调度、工具编排等环节的重要性[3] * **技术迭代速度极快**：2025年年中AI Coding仅能自主实现1000行左右代码的简单程序，现在1-2w行代码的中型系统的自动化率可以达到80%-90%[4] 预计未来两年中型系统可实现完全自主生成，五年后大型生产级系统的自主生成将成为可能[4] 其他重要内容 * **市场影响**：年初以来AIcoding产品在海外媒体爆火，造成了美股存储/CPU等加速上涨和美股软件股的加速下跌的分裂走势[3] * **Cowork产品细节**：Cowork需要加知识库来永久性的存储用户资料，这进一步指向了存储需求的增加[3]

文章核心观点 - AI Coding领域竞争激烈，但新进入者Emergent凭借其独特的多智能体架构和产品能力，在短时间内实现了显著的商业增长，表明该市场仍存在结构性机会[1][4] - 行业正经历从“工具辅助”到“服务替代”的范式转变，AI Agent平台通过取代传统人工服务，为传统SaaS转型和中小企业服务开辟了巨大市场空间[5][6] Emergent公司概况与市场表现 - 公司成立仅数月，在7个月内实现了5000万美元的年度经常性收入[1] - 近期完成了由软银和Khosla Ventures领投的7000万美元B轮融资，投后估值达到3亿美元[1] - 累计用户数量已突破500万[1] - 其快速增长表明，即使在头部玩家ARR已达1亿至10亿美元级别的拥挤市场中，新进入者仍有机会[1][4] Emergent的技术架构与核心优势 - 技术基石采用多智能体架构，模拟完整工程团队[1][2] - 基于Node.js运行时的Neo Agent OS系统，让规划、设计、前端、测试、运维等专门化智能体在持久循环中协同工作[2] - 该架构解决了传统AI编码工具的跨文件推理和上下文理解难题，并声称通过测试智能体的闭环验证，彻底解决了单模型的“幻觉”问题，确保交付“生产级”软件[2] - 拥有100万Token的超大上下文窗口，以应对大型项目中的“记忆消散”问题[3] - 具备“Forkchat”功能，可在项目达到上下文极限时自动总结状态并开启新对话，支持项目的长期持续演进[3] Emergent的产品功能与目标 - 用户通过自然语言描述即可生成完整产品，无需额外配置[4] - 提供真正的后端能力和自动化部署与托管能力，采用托管K8s/云端全自动方式，实现一键推送至生产环境[3] - 核心目标是彻底消除技术门槛[3] - 引入“代理化运维”概念，由Ops代理对已部署应用进行7x24小时实时监控，并在出现崩溃或报错时自动介入调试和打补丁，尝试实现无人工干预的服务恢复[4] 行业趋势与投资逻辑 - 投资者认为，当软件创建门槛快速下降时，行为模式的改变将重塑整个产业，而非仅影响单一产品[4] - AI最大的机会之一是用软件取代服务，这为传统SaaS成功转型提供了经典路径[5] - 有AI Agent平台专为小企业提供“AI员工”，在不到2年时间内实现了1亿美元的ARR，印证了上述趋势[5]

【导读】100%是用Codex写的。还有内部爆料说，Codex让他们仅用三天时间就搭出了服务器，三周就发布了APP。人类程序员，真的要退出历史舞台 了？ 硅谷的空气里再次充满了躁动，而这一次的震源中心，回到了OpenAI。 OpenAI的奇点时刻，也要来了？ 就在刚刚，X被一条爆料彻底刷屏—— Codex，已经正式接管了OpenAI研究员「Roon」100%的代码编写工作！ Roon发出了感慨万千的宣告： 编程一直很痛苦，然而却是必经之路。我很高兴，它终于结束了。 我惊讶于自己竟然这么快就摆脱了编程的阴影，而且一点都不怀念它。甚至我有点遗憾，从前的电脑为什么不是这样的。 早在去年12月，Claude Code之父Boris Cherny就曾投下一枚震撼弹—— 自己对Claude Code的贡献100%都是由Claude Code完成的。 这一「套娃式」的自我进化，直接引爆了硅谷的自动编码狂潮。 面对如此巨大的蛋糕，OpenAI显然不会拱手相让。 如今，反击已经开始。 在刚刚过去的周末，Sam Altman已经公开预告：接下来一个月会发布一堆关于Codex编码模型的新产品。 社区的风向也开始发生微妙的转变。 一 ...