夜雨聆风
今年的市场环境，看起来有点矛盾。
一边，是好多企业开始收缩。部分传统软件开发岗位在减少，尤其是偏基础、重复性的岗位；刚进入行业的人，也明显感觉到机会变少。“学会写代码就有稳定职业”这条路径，正在变得不那么确定。
另一边，今年大多数企业在AI上加大了投入，尤其是围绕“智能体”的应用尝试，明显变多。
这两种现象同时存在，很容易被理解为短期波动。但如果把它们放在同一套结构里看，就能意识不是需求再消失，而是发生了转移。
一、一个逐渐清晰的三层结构
如果只从“AI很火”来理解当下，很容易停留在表面。更关键的，是一套新的分层结构正在逐渐形成。
可以粗略理解为三层：
• 底层：模型与 Token • 中间层：通用智能体（Agent） • 上层：面向业务的解决方案
这三层之间，并不是完全割裂的，但它们在价值分布和能力形态上，已经开始出现明显差异。
1. 底层：Token 作为基础资源的趋势正在增强
过去几年，大模型公司一方面在持续提升模型能力，另一方面也在积极探索各种应用形态。
例如 Anthropic 的 Claude Code、OpenAI 的 Codex，都在不断向更实际的使用场景靠近。
这说明一件事：模型公司并没有放弃应用。但从商业结构来看，也能观察到另一个趋势：
底层能力（通过 Token 提供）的重要性在持续上升。
很多应用，本质上在做三件事：
• 降低调用门槛 • 封装典型场景 • 提供更好的交互体验
而规模化、更稳定的收入，仍然更多来自底层能力本身。
这使得 Token 可以被看作一种“按需获取的智力资源”。
长期来看，这一层可能会逐渐集中，但具体形态仍在变化过程中。
2. 中间层：通用智能体正在从工具走向基础设施
有了底层能力之后，中间层开始快速发展。
以 Claude Code、Codex 这一类工具为代表，通用智能体正在逐步进入日常工作流程。它们不仅能回答问题，还可以在一定范围内完成任务，比如：
• 生成并运行代码 • 调用外部工具 • 串联多个步骤完成一个目标
如果这些能力继续稳定下来，会带来一个变化：
一部分“操作过程”，可以被压缩成一次任务调用。
这并不意味着所有流程都会被自动化，但在高频、标准化程度较高的场景中，这种替代已经开始发生。
3. 上层：软件形态正在发生变化
当中间层能力增强之后，上层的软件形态也开始变化。
过去的软件，需要通过界面（UI）来让人完成操作。机器处理结构化的，人是非结构化的。界面的作用，是做一层“适配”。
但当 Agent 可以理解自然语言，并能调用接口之后，一部分操作不再依赖界面。
这就出现一个趋势：
软件的“界面重要性在下降，而接口能力在上升”。
需要强调的是，这不是说界面会完全消失，而是：
• 对“人直接操作”的依赖在减少 • 对“系统之间调用”的依赖在增加
从这个角度看，很多软件正在往“服务化（API化）”演进：
• 保留数据与业务逻辑 • 提供可调用的接口 • 把一部分交互交给 Agent
相对应，之前岗位也就在发生变化。
二、岗位变化的原因
回到最开始的问题：为什么岗位在减少？
如果从任务结构来看，会更容易理解。
在传统的软件开发中，有大量工作集中在：
• 标准化的数据处理（CRUD） • 前端界面开发 • 系统之间的对接
这些工作之所以能承载大量岗位，是因为它们需要人工完成。
但在当前结构下：
• 一部分基础代码可以由 Agent 生成 • 一部分系统连接可以被自动化 • 一部分重复性工作被压缩
这并不意味着“开发不重要了”，而是“纯执行型开发”的需求在下降。
因此我们看到：
• 初级岗位减少 • 外包空间被压缩 • 企业更倾向于招聘有经验的人
本质上，是岗位结构在调整，而不是需求消失。
三、机会正在向哪里转移？
如果只看到岗位减少，很容易得出悲观结论。
但换一个角度看，会发现企业的实际问题并没有变简单，反而在某些情况下变得更复杂：
• 业务流程本身不标准 • 数据分散在不同系统 • 很多决策无法直接规则化
这些问题，并不会因为有了模型就自动解决。
也就是说，在“通用能力”和“具体业务”之间，仍然存在一段明显的落差。
而这段落差，本身就是新的机会。
一类正在变重要的能力
可以把这类能力概括为：
把通用能力转化为具体结果的能力。
通常包括三个方面：
1. 业务理解与拆解
把一个模糊目标，拆解为清晰的任务和流程。
2. 系统连接与实现
把模型能力与企业内部系统、安全机制结合起来，让流程可以运行。
3. 过程控制与治理
在实际使用中，处理稳定性、权限、成本等问题。
这些能力，既不是单纯的开发，也不是纯业务，而是一种“跨层能力”。
结语：从“软件”为中心，到“结果”为中心
把这些变化放在一起，可以看到一个更长期的趋势：
过去，软件的核心是“功能”和“界面”；
现在，越来越多场景开始转向“流程”和“结果”。
对应到个人能力上，也有类似变化：
• 单纯实现功能的价值在下降 • 能理解问题并设计解决路径的价值在上升
未来的软件形态还会继续演化，但有一点已经比较清晰：
技术本身不再稀缺，把技术变成结果的能力，才开始变得稀缺。
这对一部分人来说是压力，但对另一部分人来说，就是新的空间。
Tip
专注于 AI 智能体实践与技术演进深度思考。主理人拥有资深技术背景与心理学视角，致力于通过真实实验（2025年更新361篇实操记录）探索 LLM、RAG 与 Agentic Workflow 的落地边界。
