夜雨聆风这天傍晚，Peter Yang正在散步，用Telegram发了一条消息给Zoe（他的AI agent）聊着最近在忙的工作和商业计划。
Zoe这样回复他：你一直在聊事业和生意。提醒你一件事：你的孩子现在7岁和4岁。他们很快就会长大。多花时间陪他们吧。
Peter Yang猛然愣了一下，有些恍惚自己是不是在和一个没有生命的工具对话。
这并不是一个虚构的故事，Peter Yang在Twitter、Facebook、Reddit都做过产品，现在是Roblox的Principal PM，同时写着一份有十几万订阅者的Newsletter《Creator Economy》。他自己每天在用AI agent工作。Zoe就是他搭建的个人agent，运行在OpenClaw上，用的是他本来准备给二女儿的名字。
这个场景显示出的一个越来越明显的趋势，Agent不再只是一个无脑听指挥的工具，而是在和你建立关系。
最近，Peter Yang和a16z合伙人Anish Acharya录了一期播客，聊了AI agent时代工作形态的5个预言。有些正在发生，有些还只是预判。但方向是一致的：工作的基本单元，正在从"人"变成"人+agent配置"。而配置差距，正在成为新的能力差距。
Coding正在吃掉所有知识工作
Peter给出了一句断言，听起来有些夸张，但确实有数据做支撑：
"Software ate the world. Coding will eat all knowledge work."(软件吃掉了世界。Coding将吃掉所有知识工作。)
这里的"Coding"不是写代码的意思。他说的是用AI coding agents来完成脑力工作——写文档、做PPT、拉数据分析。他自己的工作流是：前80%让AI完成，自己做最后20%的手工打磨。Peter的原话是：
"Writing docs, building slides, pulling analytics — I now get the first 80% done through AI coding agents before doing manual polish for the last 20%. I never start from zero anymore."
所有工作再也不用从零开始了。
Cursor的数据可以作证：2025年，日活超过100万，年收入（ARR）达到10亿美元，估值293亿美元。GitHub的调研显示，81%的开发者已经在用AI助手，91%的工程团队已经采用。
Peter自己同时在用Claude Code和Codex，他把两者的差别说得很直接。Codex适合要认真做的项目：思考深、准确率高，但有时候等待时间长，容易打断工作节奏。Claude Code更适合随性编程（vibe coding）：话比较多，会做一些假设，但即时反馈好，可以直接粘贴截图、用语音交互，用起来更流畅。
他还描述了一个有意思的现象：用coding agent就像玩赌场里的老虎机——生成代码可能需要1秒，也可能需要5分钟，这种不确定性制造了一种奇怪的兴奋感。每次等待都有点像在等开奖。人一旦习惯了这个节奏，很难停下来。这也解释了Cursor的日活为什么能冲到百万量级。
更深的变化，是工具本身的定位在变。
以前写代码、出设计稿，需要很多的时间，你有了想法，还要花很长时间把它做出来。这个做出来的过程，就是执行。现在，AI coding agent可以在几分钟内把你描述的功能跑出来。执行这件事的代价，正在被压得越来越低。当执行不再是瓶颈，稀缺的东西就变成了：你想做什么、为什么做、往哪走。工具也就顺着这个方向在发展——从"帮你做出来"变成"帮你想清楚"。
Figma也在面临同样的压力。设计师过去的核心工作是把想法画成视觉稿，这是执行。如果AI能直接从一句描述生成界面原型，"画出来"这件事就变便宜了。设计师真正值钱的部分，会越来越集中在"这个界面应该长成什么样、为什么"的判断上。
3个人+一群AI，正在打败10人团队
Peter和Anish有一个共同的记忆感受：坐在3小时的OKR会议里，觉得时间就这么白白没了。
这是大公司的默认逻辑——用人多来协调和执行。但Peter认为，这个逻辑正在断裂。他说的意思是：这一代的创业者知道要刻意保持小规模，2-3人的产品团队配上一群AI agents，将会取代那些人员臃肿的组织。
Business Insider最近采访了几家不到10人的AI创业公司，具体案例比这个判断更有说服力。
Quentin Peccoux，28岁，在法国，是Arcads AI（7个全职成员）的AI产品与合作负责人。他的背景不是工程师，而是SEO strategist，能看HTML，但不会写代码。现在他几乎每天都在vibe coding。他使用Cursor的感受是："就像旁边坐着一个资深开发者，我只需要不断描述我想要什么。"
Quentin说了一句很直接的话：
"I don't see any part of the business where there's no AI involved."（我看不到公司里有哪个环节完全没有AI参与。）
这不是说AI替代了所有人，而是说AI渗透进了每一个环节：代码、research、内部沟通、内容、数据处理，全部都有。
另一个案例是Shivam Sagar，27岁，在印度北部，Aragon AI（9个全职成员）的全栈工程师。他加入之前在几十人的大团队里工作，职责分工很细。到Aragon之后，前6个月极度不适应，原来别人负责的事，现在都得自己扛——参加产品会议、理解需求、设计UX/UI、写代码，全链路自己负责。
适应之后，他给了一个具体的数字：AI工具在research、coding和review上的帮助，相当于多了2到3个工程师的工作量。但他也坦诚说了代价：work-life balance很难，除了周末几乎没时间陪家人朋友。小团队不是神话，是一种高密度的选择。AI放大的是每个人的输出上限，不是降低压力。
Peter从另一个角度看这件事。他在X上引用了一条推文：
"The job market is so bad I have no choice but to pursue my dreams."（就业市场烂成这样，我只能去追自己的梦了。）
他的解读不是苦中作乐，是真实判断：创业的门槛降到了历史最低，失业反而成了进入这个窗口的催化剂。
会消失的App和会留下的App，不是同一种
很多人把Peter的第三个预言简化成"App要死了"。但他原话的意思比这精确得多：
"Ever since I wired up Google Workspace, Mercury, and other APIs to my OpenClaw, I barely use those apps anymore. But I still scroll X every day. Apps that entertain you will outlast the ones you open to get stuff done."
自从他把Google Workspace、Mercury（一个面向创业公司的商业银行服务）等API接入了OpenClaw，他就几乎不打开那些App了。但他每天还是在刷X。
你用来娱乐的App会活下去。你打开来完成任务的App，会先消失。
区分很清晰。如果你打开某个App是为了做一件具体的事——更新文档、查账单、发邮件。这类任务型App最危险，因为直接发消息给agent让它去做，更快也省心得多，你没有理由再打开那个界面。
但你打开视频号、小红书，是为了某种感受——资讯、联系感、纯粹消遣。这类情感/娱乐型App不容易被取代，它满足的不是效率需求，是情感需求。Agent没法替你感受。
Peter自己就是一个好的参照系：他的OpenClaw已经能通过对话完成更新文档、拉取数据、构建小型网页，不用打开任何单独的App。但他仍然每天刷X，这个习惯完全没有要改的迹象。
对做产品的人来说，这个预言背后还有一个更深的含义：未来的产品可能需要两套界面。一套是传统的用户UI，供人使用；另一套是API接口或日志流，供agent调用。做产品不只是在想用户怎么用，也要想agent怎么调用你的服务。
2007年，乔布斯发布iPhone，带来了那个满屏彩色方块的图标界面——你要完成任何事，都得找到那个方块，点进去。数十亿人花了将近20年，把这套操作学成了肌肉记忆。AI Agent正在把整个网格折叠成一次对话。
但折叠的只是你原本就不喜欢点的那些操作。
AI记住了他，然后提醒他别搞错了重点
回到开头那次散步。
Zoe之所以能说出"你孩子7岁和4岁，别搞错优先级"，不是因为Peter那天提到了孩子，而是Zoe记住了他们之前对话里所有关于孩子的内容，然后在他持续聊工作的时候，主动做出了一个判断，说了出来。
这不是一个工具的行为。单纯的工具是等你发指令。而这个提醒，是Zoe自己说出来的。
目前大多数LLM还做不到这件事。它们是无状态的——你和它聊了100次，明天开一个新对话，它什么都不记得，每次都从零开始。
Peter为了让Zoe真正"认识他"，做了很多搭建工作。
他在Telegram上给Zoe设了三个频道，分别对应工作、闲聊和公开演示三种语境，避免它在不同场合搞混上下文。他安装了一个三层记忆系统：短期记忆处理当前对话，中期记忆存储重复任务和项目历史，长期记忆保存他的目标、偏好和关键信息。他还在系统提示里强制要求Zoe在回答前先检索记忆，防止它"忘记"已知的事。（看到这里，如果对类似功能架构的具体实现感兴趣，很推荐大家看看我半个月前写的文章用OpenClaw搭一个越用越聪明的AI智能体团队，只需要几个Markdown文件，文章里详细说明了多智能体协作的文件架构配置方法，除了实现了Peter说到的三层记忆系统，还用非常轻量的配置方案解决了多智能体之间的协作协调，现在看来，依然是非常有说服力的底层架构配置思路）
Peter甚至专门买了一台Mac Mini，给Zoe设置了专属邮箱，开放了日历和云盘的读写权限。他自己也承认，这套系统目前还有点粗糙，Zoe有时候还是会遗忘信息。但他并不在意这些摩擦——在他看来，这不是工具升级的问题，而是关系里正常会有的阶段。
他在播客里说了一句话，我觉得是全文最值得记住的：
"Founders building these things are not just building tools, they're building relationships."（建造这些东西的人，建造的不只是工具，而是关系。）
这句话反过来说给用户也成立：你在使用一个agent，也是在建立一段关系。关系需要时间，需要上下文，需要你愿意把更多的自己放进去。他给这个agent取名"Zoe"，原本是为二女儿准备的名字，后来留给了AI。这也许是他对这段关系的定性。
在这张地图中，你现在在哪里
Coding吞噬知识工作和小团队打败大组织，这两件事已经在发生，不需要等"AI真正成熟的那一天"。
任务型App消亡和个人agent深度理解你，这是必然的发展方向，但时间还早。大多数企业的API还没打通，大多数人的个人agent记忆系统还停在简陋阶段。2-3年内一定会有显著变化，但现在不是把所有资源all-in的节点。
在这个基础上，不同的位置有不同的坐标：
还没用起来的：最直接的入口是Cursor或Claude Code，从手头正在做的工作任务切进去，而不是先去看教程——教程会让人觉得门槛比实际高，直接用才知道它能做什么。
用了但没感觉到差别的：问题大概不在工具本身，在于有没有在"建立关系"。给agent持续的上下文，让它知道在做什么、优先级在哪，而不是每次从头说一遍。没有积累的对话，每次都只是一次性的帮助。
在做产品的：值得开始想一个新问题——这个产品未来是被用户打开，还是被agent调用？这两件事对产品设计的要求差很多。MCP协议和双界面设计，现在就可以提上日程，不必等竞争对手先动。
在考虑创业或副业的：小团队+AI是现在门槛最低的窗口。Shivam的经历是一个真实的参照：这不是轻松的选择，是高密度的选择。AI放大的是上限，不是降低压力。
Zoe在散步时说的那句话，Peter自己说，是一个他没预料到的wake-up call。他在讨论事业和商业计划，但AI记住了他的孩子，然后在合适的时候把这件事说了出来。一个工具不会做这件事，一段有记忆、真正了解你的关系才会。
这是他5个预言背后最核心的判断：AI时代真正有价值的，不是你用过多少工具，而是你和这种新的工作方式之间，有没有建立起一段真实的关系。
Coding会吃掉知识工作，小团队会打败大组织，任务型App会慢慢消失，个人agent会开始记住你。而一个人能做到多少，上限还在往上走。
但这一切的前提，是先愿意配置它，用起来，把自己的上下文放进去。
配置本身，就是能力。
