夜雨聆风过去，软件是少数人的生意。
开发一款软件，需要产品经理、设计师、程序员和服务器。只有用户足够多、市场足够大，才值得被开发出来。
但 AI Coding 正在改变这套逻辑。
OpenAI 在 2026 年 6 月公布的数据中提到，非开发者已经占到 Codex 用户的约 20%，而且增长速度超过开发者三倍。越来越多普通职场用户正在用它制作报表、自动化流程和过去需要工程师才能完成的轻量工具。
GitHub 对 Spark 的定位更加直接：用自然语言创建属于自己的"个人软件"和微型应用。
这意味着，软件正在从一种标准化商品，变成每个人都可以临时制作的个人工具。
大量真实需求，过去根本不值得开发
每个人的生活里，都存在一些非常具体的小问题：
总有一批文件需要按照自己的规则整理 经常重复填写同一组资料 想把分散的信息集中到一个页面 需要一个只符合自己习惯的计算器 希望某个固定流程可以一键执行 想建立一个简单的提醒和查询系统
这些需求的问题不是没有价值，而是太私人、太低频、太细小。
如果找程序员开发，成本太高。如果购买现成软件，功能又太复杂。如果自己学习编程，需要投入大量时间。
所以过去最合理的做法，就是继续手工完成。
但 AI 出现以后，一个工具不再需要服务一万人。
只要它能够稳定解决一个人的真实问题，就已经有存在价值。
AI Coding 最先改变的，不是程序员
很多人认为，AI Coding 只是帮助程序员提高效率。
但我认为，它更大的价值，是让原本没有能力制作软件的人，也能把自己的需求变成工具。
Replit 在介绍其 Agent 时提到，很多用户只有一个想法，没有代码仓库、测试系统，甚至没有确定使用什么技术，就直接用自然语言描述目标，让 AI 将其变成可以操作的应用。
普通人不需要先学完整的编程体系。只需要能够回答几个问题：
我到底想解决什么问题？ 这个工具最少需要哪些功能？ 输入什么，应该输出什么？ 怎样判断结果正确？ 如果出错，最坏会发生什么？
剩下的实现过程，可以先交给 AI。
不要一上来就做完整产品
AI Coding 最常见的误区，是一个人刚产生想法，就想把它做成完整平台。
需要注册登录、云端同步、会员系统、支付功能、管理后台，还要同时支持电脑和手机。最后，一个原本一天可以完成的小工具，变成了永远做不完的大项目。
更有效的方法是：
第一个版本只解决一个动作。
例如：
输入一组资料，生成固定格式文本 选择一批文件，按照规则重新命名 填写几项数据，生成一张统计结果 导入一份表格，找出异常内容 输入一个目标，输出一份可以执行的步骤
先确认核心功能真的有用，再决定是否继续增加功能。如果第一版自己都不愿意使用，那么增加登录、云同步和精美界面也没有意义。
个人软件最适合三类问题
第一，重复但令人厌烦
一件事可能每次只需要十分钟，但如果每次都要重新寻找、复制和整理，就适合做成工具。
第二，规则明确
输入、处理方式和输出结果相对固定，AI 更容易生成稳定的第一版。
第三，结果可以验收
使用者能够判断结果对不对，发生错误以后也可以撤销或重新执行。医疗、法律、重大投资和人身安全等高风险领域，不适合仅凭"软件可以运行"就直接使用。
人的工作不是退出，而是上移
AI 可以负责写代码，但它不知道什么问题值得解决。它也不知道你的真实习惯、风险边界和使用场景。所以，人真正需要负责的是：
发现问题 描述需求 删除不必要的功能 提供个人上下文 测试最终结果 决定是否继续使用
过去，人需要亲自完成每一个操作。未来，人更像是在设计一套只属于自己的工作系统。
人负责定义和验收，AI 负责实现和修改。
写在最后
未来，大多数人可能都不会成为传统程序员。但每个人都可能拥有一个属于自己的"软件抽屉"：里面有文件整理工具、个人计算器、资料生成器、信息管理页面、提醒系统，以及各种只适合自己使用的小程序。
它们不需要融资，不需要几万名用户，甚至不需要对外发布。只要能够消除一个长期重复的问题，它就已经完成了价值闭环。
AI Coding 真正带来的变化，不是让所有人都去创业。而是让每一个普通人，都有机会把自己的生活经验和工作习惯，变成可以重复运行的软件。
过去，我们只能适应别人设计的软件。未来，软件会开始适应每一个具体的人。