这话，出自大神 卡帕西 。 是的，这位AI Coding界的明星人物，开始公开吐槽一件事——代码已经不是AI编程的瓶颈了，部署才是。 梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 我是真发现了，搁现在写代码不是难事儿，难的是你得搞一堆部署服务！！ 更关键的是，人家卡帕西还直接把问题点破了： 所有应用产品的开发流程，都应该变成可以被代码直接调用的东西，最好人类完全不用手动配置！ 卡帕西这番感慨一出，帖子底下的开发者网友们更是憋了一肚子牢骚，纷纷吐槽起AI编程里的各种部署坑： AI编程部署的困扰，显然已经成了程序员们公认的大难题。 卡帕西：应用开发这事儿，部署忒难！ 主要吧，卡帕西还是被自己过往的一段应用开发经历折磨坏了…… 这事儿还要说回去年他自己用AI搓的一个「菜单图片生成器」产品—— MenuGen 。 当时做这个产品的动机也很简单，主要是卡帕西平时去餐馆吃饭，看到那种纯文字菜单，经常不知道这道菜到底长啥样。 本来是想美美干饭，但是把时间全花在谷歌搜索菜单名这事儿上了，气不打一出来。 （于是人家干脆直接自己用AI搓了一个～） 你别说，从下面这产品效果看还真不错，把菜单输入进去就能呈现一个带食物图片的 ...

软件演进三阶段理论 - 软件1 0时代由人类编写明确指令代码 代表为GitHub托管代码库 [8] - 软件2 0时代核心是神经网络权重 通过数据集训练生成 代表平台包括Hugging Face和Model Atlas [10] - 软件3 0时代以自然语言为编程接口 提示(Prompts)成为新程序形式 大语言模型(LLM)演变为可编程通用计算机 [10][11] LLM作为操作系统 - LLM类比为新型操作系统 模型本身充当"CPU"负责推理 上下文窗口相当于"内存" [15] - 市场格局类似早期操作系统 闭源商业提供商(如OpenAI)与开源替代方案(Llama生态系统)并存 [15] - 服务模式类似公共设施 研发实验室投入巨额Capex训练基础模型 通过API按token计量收费 [12] LLM能力与缺陷 - 超能力包括百科全书式知识记忆 信息处理量远超人类个体 [17] - 认知缺陷涵盖幻觉(编造事实) 锯齿状智能(能力不均衡) 顺行性遗忘症(无法自动巩固新知识)及安全脆弱性 [19][20] 人机协作新范式 - 部分自治应用(如Cursor)特征：自动管理上下文 编排多LLM调用 提供可视化GUI及自治程度滑块 [22] - 未来软件将普遍部分自治 需设计让LLM接触用户可操作界面并建立监督机制 [23] 软件开发民主化 - Vibe Coding现象：自然语言编程接口使非专业开发者能快速实现功能原型 [24] - 创新瓶颈从编码转向部署 手动处理认证 支付 部署等DevOps任务占90%耗时 [25][26] AI基础设施重构 - 需为第三类用户(AI智能体)设计专属交互方式 而非仅适配人类GUI或程序API [27] - 具体方案包括创建AI友好Markdown说明书 重写可执行命令文档 开发人类-AI信息转换工具 [28][29] 行业发展现实展望 - 自动驾驶案例显示技术演示与产品化存在十年级鸿沟 需警惕"2025智能体之年"类炒作 [31] - 短期应聚焦"钢铁侠战衣"式增强工具 通过人机协同设计规避LLM缺陷 [32][34] - LLM技术首次 democratized 全球数十亿普通人可直接参与范式变革 [35]