AI 时代,软件正在“坍缩”成同一种东西

从一个数据处理的问题说起

假设你要处理一份 Excel 数据，今天有三种做法：

• 直接问智能体：把数据丢给它，让它分析后告诉你结论；

• 智能体 + 技能：给它配一个“Excel 处理技能”，它按技能里写好的流程执行；

• 让编程智能体写个程序：它现场写一段 Python 脚本，跑完给你结果。

表面上看，这是三条不同的路：一个靠“脑算”，一个靠“工具”，一个靠“造工具”。但如果你跟着执行过程走到最底层，会发现一个有意思的事实——

这三件事，最终都是同一件事。

拆解：三条路在同一个地方汇合

第一条路：智能体真的在“脑算”吗？

并不是。现在的智能体只要面对稍微复杂一点的数据，自己就会选择写代码——算一万行的加总，没有哪个认真的智能体敢心算。所以“直接让智能体处理”和“让智能体写程序处理”，在执行层早已合流。区别只在于：代码是临时手段，还是明确产物。

第二条路：技能是什么？

技能的定义文件，本质上就是一段写给智能体的“程序”——只不过用了自然语言加代码的混合形式。技能内部调用的脚本、API，和程序员写的代码没有任何区别。它只是多了一层东西：封装和说明书。

第三条路：软件又是什么？

一个复杂软件拆开看，就是一堆“能力单元”加胶水代码。而每个能力单元，都可以被封装成一个技能。软件可以降维成技能，技能可以降维成代码。

于是，三者的真实关系浮出水面：

模型（决策层）+ 代码（执行层）= 一切。

• 技能 = 代码 + 使用说明；

• 软件 = 技能 + 界面 + 流程编排；

• 智能体 = 能自己决定何时写代码、调代码的大脑。

这不是三个并列的物种，而是同一个系统的三种状态。

差异没有消失，只是转移了

说它们同构，不等于说它们没有区别。区别在于：差异不再存在于“用什么技术”，而是转移到了另外三个维度。

维度一：代码的生命周期

一次性代码（用完即弃）→ 复用的脚本 → 封装的技能 → 完整的软件。这是一条沉淀链。区别不在于代码本身写了什么，而在于它被保存、复用、迭代的程度有多深。

维度二：知识的载体

智能体现场写代码，知识存在于模型的权重和当次推理里——会话一结束就没了。而技能把知识显式外化成文档和脚本，人可以审查、修改、做版本管理。这是“内隐智能”与“外化资产”的分野。

维度三：信任的积累方式

现场生成的代码，每次都要重新信任。沉淀下来的技能和软件，信任可以累积——测试过、审计过、被很多人用过。一个组织的数字化资产，本质上就是信任的存量。

这个观点的实际意义

如果你接受了“同构”这个判断，很多争论会瞬间失去意义。

“该用智能体还是该开发软件？” 这是个伪问题。正确的问题是：这次任务产生的代码和知识，值不值得沉淀下来？高频复用的，沉淀成技能或软件；一次性的，用完即弃。

“技能会不会取代软件？” 也是伪问题。技能是软件的最小可复用单元，软件是技能的组织形态——就像函数和程序的关系，谁也不取代谁。

对个人而言，最值得建立的习惯是“沉淀意识”：每次让 AI 帮你干活，多问一句——这个方法我以后还会用吗？会的话，把它固化成技能。你的技能库，就是你在 AI 时代的个人资产。

对组织而言，数字化转型的含义变了。过去是“买软件、上系统”，现在是“把业务 Know-How 外化成智能体可调用的技能库”。软件的护城河不再是代码本身——代码 AI 随时能写——而是那些沉淀下来的、经过验证的业务知识与流程。

结语：软件没有死，只是换了一种存在方式

有人说 AI 会杀死软件。更准确的描述是：软件的形态正在坍缩——从臃肿的、预设好一切路径的系统，坍缩成“最小代码单元 + 智能调度”的组合。

在这个新世界里，写代码不再是终点，让代码被理解、被复用、被信任才是。智能体是大脑，代码是肌肉，技能是记忆。三者同构，缺一不可。

而真正稀缺的，依然是那个知道该沉淀什么的人。