当 AI 不再是工具而是同事

事情是这样的。

4月1号，一条消息在科技圈炸了锅。TestingCatalog 曝光了 Anthropic 正在内部测试的一个新东西，叫 Conway。它不是什么新的聊天界面，也不是又一个帮你写邮件的 Copilot 插件。它是一个始终在线的 Claude 代理实例。

始终在线。这四个字我反复嚼了好几遍。

以前你用 AI，都是你去找它，问它问题，它回答你，完事了，它就在那等着你下一次召唤。但 Conway 不一样，你可以给它设 Webhook，外部服务一调用，它自己就醒了。它不再是「等你来问」的工具，它是「一直坐在工位上待命」的同事。

这个区别，坦率的讲，比大多数人以为的要大得多。

因为就在 Conway 被曝光的同一周，微软的 Copilot Cowork 刚发布不到一个月，Salesforce 的 AI Slackbot 刚完成第二轮升级，Google 的 Project Mariner 在浏览器里替你点鼠标也不是新鲜事了。整个 2026 年开年，AI 行业在干同一件事，

把 AI 从「助手」变成「同事」。

这事儿值得好好聊聊。不是聊概念，不是聊愿景，是聊聊当 AI 真的坐在你旁边开始「自主工作」的时候，对你，一个普通程序员，到底会发生什么。

从 Chatbot 到 Agent：AI 的三级跳

先倒回去讲讲这个趋势是怎么来的。

2023 年 3 月，有个叫 Toran Bruce Richards 的开发者发了 AutoGPT。这是第一个基于 GPT-4 的开源自主 AI 代理框架。你给它一个目标，比如「帮我调研一下某个市场并写出报告」，它就自己拆解任务、搜索信息、执行步骤，全程不用你管。

72 小时，GitHub 趋势榜首。整个 4 月，Twitter 上满屏都是 AutoGPT 的演示。有人让它写代码，有人让它做调研，有人甚至让它尝试创业。科技媒体都疯了，好像通用人工智能近在咫尺。

然后，冷水来了。

AutoGPT 经常在复杂任务里迷失方向，陷入死循环，或者一本正经地胡说八道。那些看起来超厉害的演示，其实是在高度受限的环境下跑的。AutoGPT 的真正价值不是实用性，它更像一次概念验证，当大模型被赋予了「身体」（工具调用能力）和「记忆」（上下文管理），它能做到什么？

接下来一年多，整个行业在干一件事，把 AutoGPT 的概念真正做出来。

2024 年 3 月，吴恩达在红杉资本的演讲里提了个说法，后来成了行业的共识。他说，别再争论「它到底算不算 Agent」了，把它当成一个光谱来看，系统可以在不同程度上具备「Agentic」特性。他列了四个维度，反思、工具使用、规划、多智能体协作，越强就越 Agentic。

这话听着好像只是换了个词，但它实际上给了行业一个许可，别管定义纯不纯了，先做出来再说。

2024 年 10 月，Anthropic 干了一件当时所有人都没做过的事。让 Claude 直接操控你的电脑桌面。

Claude Computer Use 通过截图和鼠标键盘控制来跟你的电脑交互。也就是说 AI 不再只能通过 API 跟软件对话，它可以像人一样看见界面、点击按钮、输入文字。任何有界面的软件它都能操作，管你有没有 API。

两个月后 Google 跟进，发了 Project Mariner，一个浏览器 AI 代理，在 WebVoyager 基准测试里跑了 83.5%。又一个月，OpenAI 发了 Operator。三大巨头几乎同时杀进了「让 AI 操作计算机」的赛道。

不是巧合。当模型的多模态能力，特别是视觉理解，到了临界点，Computer Use 就是水到渠成的下一步。

然后就是 2025 年到 2026 年初，产品命名的变化最有意思。

从 Copilot 到 Cowork。

Copilot 是副驾驶，你开方向盘它帮你看看导航。Cowork 是同事，你跟它说「下周有个客户会议你准备一下」，它自己去找邮件、翻会议记录、拉 SharePoint 里的最新数据、在日历上安排时间。

2026 年 1 月，Salesforce 先动，把 Slackbot 从一个通知机器人升级成了完整的 AI Agent，底层是 Anthropic 的 Claude。三个月后又加了 30 多项功能。

3 月，微软发了 Copilot Cowork，内嵌在 Microsoft 365 里。它的核心创新是 Work IQ，一个上下文感知引擎，从 Outlook、Teams、Excel、SharePoint 全环境里提取信号。你让它准备客户简报，它不单是起草个文档，而是同时从邮件、聊天记录、共享文档里拉信息，这是独立工具做不到的。

定价 $99/用户/月，统一了 E5、M365 Copilot 和 Agent 365。

然后是 Conway。

Conway 有三个此前所有 AI 产品都没有的能力。Webhook 唤醒，外部服务一调用它就自己醒了，不用等你来问。扩展系统，引入了 .cnw.zip 格式的扩展包，暗示第三方插件生态。Chrome 浏览器操控，结合 Claude Code 的能力，可以操作浏览器和本地代码环境。

36 氪的标题一针见血，「Anthropic 推出永久在线 AI Conway，终结被动聊天时代。比 Claude Code 更炸裂，比 Cowork 更自主。」

从被动响应到按需执行到始终在线，AI 的角色在半年内完成了三级跳。

数据背后的真相：岗位在增长，但入口在消失

说到这你可能会觉得，这不是挺好的吗？AI 越来越能干了，帮我干活我更轻松了。

坦率的讲，事情没那么简单。

我先给你看几个数据。

CNN 今年 4 月的报道，标题是「软件工程岗位的消亡被严重夸大了」。Indeed 的数据显示软件工程师招聘信息每年增长 11%，美国劳工统计局预测到 2034 年软件开发人员就业增长 15%。总量确实还在涨。

但增长的内部结构在剧变。

机器学习工程师岗位增长 39.62%，数据工程师增长 9.35%，AI 基础设施工程师比 2020 年翻了 2-3 倍，RAG 开发者是 2025 年才出现的全新岗位。与此同时，前端工程师下降 9.89%，入门级软件工程师大幅下降，QA 自动化工程师正在被 AI 工作流吸收。

最残酷的数据是这个，大型科技公司新入职员工中，应届毕业生只占 7%。2023 年这个数字是 32%。计算机科学应届生失业率 6.1-7.5%，土木工程才 1%，护理 1.4%。

AI 驱动裁员 2025 年已经超过 10 万人，2026 年截至 4 月超过 6.1 万人。Salesforce AI 代理处理了大约 50% 的客户互动，裁员约 5000 人。IBM CEO 说 AI 代理已经取代了数百个后台职位。Block CEO 直接把 4000 人的裁员归因于 AI。

你看，总量在涨，但初级岗位在萎缩，被淘汰的工作恰好是新人入行本来要干的那些活。

这就引出了一个比「AI 会不会替代程序员」更深层的问题。

职业阶梯的底层被抽走了

历史上每次技术革命，从汇编到高级语言，从瀑布到敏捷，从本地到云，都遵循一个模式，旧技能被淘汰了，但新人可以通过「做基础工作」来学习和成长。你从写 CRUD 开始，慢慢理解系统架构，最后成为能做设计决策的高级工程师。

但 AI Agent 直接消灭了这些基础工作。

初级程序员本来该干的活，写简单页面、做基础测试、处理常规 bug，现在 AI Agent 几分钟就搞定了。职业阶梯的底层被抽走了，这是跟以前所有技术变革都不一样的地方。

以前是「旧技能被替代，但入口还在」。现在是「入口本身被消灭了」。

Hacker News 上的批评声音占主流。有人说用 AI coding agent 就像「管理实习生」，你得极度清晰地解释需求，然后仔仔细细地审查它的产出。Reddit 上有个帖子要求「少点炒作，多点可靠性」，93% 的人支持。

更扎心的是 METR 2025 年的实证研究。使用 AI 编码助手时，实际生产力下降了 19%，但感知生产力提升了 20%。也就是说，你觉得自己快了，其实你慢了。中间差了 39 个百分点。

Cassie Kozyrkov 的警告我印象很深，「我们面临的风险是’用建造者换取保姆’。」

你不用自己写代码了，但你要花大量时间审查 AI 的代码。你从创造者变成了质检员。短期看是省事了，长期看，你丧失了从创造中积累经验的机会。

但是，机会在恐慌中诞生

但是，我要说但是了。

因为每次技术变革都是这样的，恐慌中有机会，机会里有坑。

AI Agent 工程师已经是 2025 年最热门的岗位。基于 101 个职位的市场调研，59.6% 的岗位月薪超过 25K，北京平均月薪超过 40K。技能需求排名，Python 断层领先，RAG + 向量数据库几乎成了标配，LangChain/LangGraph 高频出现。

Prompt Engineering 正在演变成 Agent Engineering。从「教人如何跟 AI 对话」变成了「设计、编排、管理 AI Agent 系统」。

程序员的角色正在从「写具体业务逻辑」变成「定义工具的边界」和「编写防御性策略」。你需要为 Agent 写 Tool Schema，就是 API 说明书，你要写权限控制、审批流。你更像是数字员工的监管者和工具库的打造者。

从 Vibe Coding 到 Agentic Coding 的演进也很说明问题。Vibe Coding 是对话式的，你提想法，AI 生成代码，你迭代。Agentic Coding 是委派式的，你下达任务，AI 自主规划执行。你的角色从执行者变成了指导者和审查者。

这变化不是未来式，是现在进行时。

炒作曲线与落地曲线之间的鸿沟

说真的，我自己对这件事的感受很复杂。

一方面，Agentic AI 的技术进步是实打实的。91 亿美元的市场（2026 年预测），40-44% 的年复合增长率，微软、Google、Salesforce、Anthropic 全在重兵押注，这些不是PPT上的愿景，是正在发生的事。

另一方面，Gartner 预测到 2027 年底超过 40% 的 Agentic AI 项目会被取消。原因三个，成本攀升、商业价值不明确、风险控制不足。他们还估计，几千家声称提供 Agentic AI 的供应商里，只有大约 130 家是真的，其余都是「Agent Washing」，对现有产品重新贴了个「智能体」的标签。

Deloitte 的数据更具体，30% 的组织在探索，38% 在试点，但只有 11% 在生产环境里实际使用。42% 的组织还在制定战略路线图，35% 压根没有正式战略。

炒作曲线和落地曲线之间，鸿沟巨大。

但我一直觉得，技术的意义不是由炒作定义的，是由那些真正用起来的人定义的。

就像 1995 年互联网泡沫的时候，99% 的网站都是垃圾，但剩下那 1% 改变了世界。Agentic AI 也一样，Gartner 说的 40% 项目失败大概率是真的，但存活下来的那些项目会证明巨大的 ROI。

大时代：从 0 到 15% 只需四年

我有时候会想，如果把时间拉远一点，这件事到底会把我们带到哪去。

Sam Altman 2024 年在一场硅谷 CEO 聚会上问了一个问题，「什么时候会出现第一家只有 1 个人的 10 亿美元公司？」他觉得答案可能在 2026-2028 年之间。

2026 年 4 月，北京海淀区发布了支持「一人公司」的八项举措，官方表述是「一个人、一台电脑、一套 AI 工具，就能转动一家公司」。一份关于一人公司商业模式的研究报告指出，AI 技术是个体能以「1 个创始人 + 多个 AI 数字员工」模式运营企业的核心驱动力。

Gartner 预测到 2028 年，15% 的日常工作决策将由 Agentic AI 自主做出。2024 年这个比例是 0%。33% 的企业软件将包含 Agentic AI，2024 年不到 1%。

从 0 到 15%，四年。

你想想看，上一次工作决策方式发生这么剧烈的变化，是什么时候？可能是工业革命。

我不是在贩卖焦虑。我自己也是个每天用 AI 写代码的人，我清楚这些工具现在能做什么不能做什么。但我想说的是，方向已经定了，AI 从工具变成同事，这不是一个会不会发生的问题，是一个正在发生的事实。

区别只在于，你是那个被 AI 替代的程序员，还是那个能熟练利用 AI 的程序员。

Neural Digest 有一句话说得很到位，「被 AI 替代的程序员，实际上是被能熟练利用 AI 的程序员所替代。」

这话听着像废话，但真的不是。因为「熟练利用 AI」这件事，比你以为的要难得多。它不只是会用 Copilot 补全代码，而是理解 Agent 的工作方式，知道怎么给它定义任务边界，怎么审查它的产出，怎么设计防御性策略，怎么在它搞砸的时候兜底。

这些能力，不是学个工具就行的，它需要你对软件工程本身有足够深的理解。讽刺的是，AI 让基础工作消失了，但审查 AI 的工作恰恰需要更深厚的基本功。

职业阶梯的底层被抽走了，但上面没有变矮，反而更高了。你得想办法从别的地方爬上去。

大时代啊，朋友们。

回到 Conway：你不再是一个人干活

回到 Conway。

它现在还在内测阶段，能不能按曝光的形态正式发布还不好说。但它代表的方向，Always-On Agent，始终在线的数字同事，已经不是一个会不会的问题了。

Copilot Cowork 已经在企业里跑起来了，Claude Cowork 已经在个人桌面上工作了，Salesforce 的 AI Agent 已经在处理 50% 的客户互动了。区别只是谁先走到「始终在线」这一步。

对我来说，Conway 最有意思的不是技术本身，而是它暗示的未来工作形态。当 AI 始终在线，可以被外部事件触发，能自主执行跨应用的任务，你的工作方式会发生根本性的改变。

你不再是一个人在干活了。你是一个人在管理一支 AI 团队。

这个转变不会一夜之间发生。Gartner 的冷水、Deloitte 的数据、METR 的实证研究都告诉我们，现实远比演示复杂。但方向已经定了。

对普通程序员来说，我觉得有三件事现在就可以开始做。

第一，学 Agent 编排。不是学怎么用 Copilot 补全代码，而是学怎么设计和编排一个完整的 Agent 工作流。LangChain、CrewAI、AutoGen，挑一个深入搞。

第二，练审查能力。AI Agent 生成的代码、文档、报告，你得能快速判断质量、发现问题。这不是天赋，是练出来的。从现在开始，每次 AI 帮你写代码，别光看能不能跑，认真审查每一行。

第三，建领域专精。AI Agent 什么都会一点，但没有一个领域特别深。你如果在某个垂直领域有深度理解，你就有了不可替代的价值。AI 能写出代码，但不知道为什么这行代码在这个业务场景下是对的。

磨平一些信息差。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，我们，下次再见。

/ 作者：小辛