新的紙和筆，新的藝術家
當程式碼成為中間產物，誰是軟體的作者？
在一次持續近半年的工程實踐中，我只透過自然語言、產品文件、架構約束、運行結果和驗收回饋，與 Coding Agent 一起建立了幾款尚未發布的產品，涉及桌面端、瀏覽器擴充功能、服務端和資料庫。
我一行程式碼也沒有寫，也沒有讀。
但這不等於我把產品交給 AI了。我仍然決定它們要解決什麼問題，定義系統怎麼運作，判斷哪些邊界不可突破，驗證結果是否可靠，並對最終的軟體負責。改變的只是我與實現之間的介面。
這件事迫使我重新思考一個過去看似簡單的問題：一個人如果不再親手寫程式碼，卻仍然定義作品、判斷它是否成立並為其負責，他還是軟體的作者嗎？
這段實踐不能證明所有軟體都可以這樣開發。它甚至還不能證明這些尚未發布的產品最終會獲得市場認可。但至少在我們所做的這類應用中，以 Coding Agent 為核心的工作方式已經不只是提高程式效率的輔助手段，而開始成為一條可以持續規劃、實現、測試、修正和迭代的工程路徑。
真正重要的改變並不是「AI 會寫程式了」。真正的改變是，實現曾是軟體創造中最稀缺的環節之一，如今正逐漸退到幕後。
當實現不再是最稀缺的部分，人的工作會變成什麼？
這才是本文想討論的問題。
AI 的邊界正在移動
AI 從來不是一個固定不變的名詞。人們往往把電腦還不能穩定完成的事情稱為 AI；一項能力一旦成熟、可靠並進入日常產品，很快就會被視為普通技術，不再顯得像 AI。
我的經歷也恰好沿著這條邊界展開。中學和大學時，我做輪式機器人，依靠感測器和回饋控制實現循跡、避障與協同編隊；研究生期間，我研究電腦視覺，同時作為早期創始員工加入剛起步的商湯科技，參與把人臉活體檢測、工業視覺等技術帶進智慧型手機、高速鐵路等大規模應用。今天，通用大模型及其驅動的 Agent 又把邊界向前推了一步。這類系統不再只解決單點問題，而開始理解目標、呼叫工具，並在回饋中持續行動；我的工作也隨之轉向這類產品。回頭看，從控制運動、理解影像到執行完整任務，機器所能承擔的任務鏈越來越長，也越來越完整。
因此，本文所說的 AI，主要指由通用大模型驅動的 Agent，Coding Agent 是其中的典型代表。這類 Agent 的發展方向是自主執行更長程的任務，逐步實現自我演化，甚至訓練出自己的下一代版本。
2025 年，Andrej Karpathy 用「氛圍程式設計」（Vibe Coding）描述一種隨性的程式設計方式：告訴 AI 想要什麼，接受產生的程式碼，遇到錯誤就把報錯訊息交還給它，甚至可以忘記程式碼本身。 [1] 但這種放手有個前提：失敗的代價夠低。當時，面對嚴肅產品，我們仍使用 Cursor，由人主導開發並對程式碼負責，Agent 只作輔助。
到了 2026 年初，我們觀察到這條邊界再次向前移動。 Karpathy 後來把新的工作方式稱為 Agentic Engineering：開發者不再只是用 AI 補全程式碼，而是組織和監督 Agent 完成工程任務，同時保留審查與品質責任。 [2] 名稱本身並不重要。重要的是，AI 開始從一次次給予建議，變成能夠在限制下持續行動。
眼下已經發生的事情是：對一部分軟體創造者而言，自然語言和文件正在成為一種新的意圖表達層。
程式碼正在成為中間產物
計算機的發展史，也是一部不斷增加抽象層的歷史。
人們先用開關和插線操作機器，後來有了機器碼、組合語言和高階語言。每增加一層抽象，下面一層的複雜性就被封裝起來，人也離自己的意圖更近一點。
Coding Agent 為軟體開發增加了一個新的抽象層。它有些像是一台不那麼確定的超級編譯器：傳統編譯器把形式明確的程式轉化為機器指令，Coding Agent 則試著把人的意圖展開為介面、資料、服務和程式碼。
兩者的差異很重要。人類語言天然含混，需求經常殘缺，約束也可能彼此衝突。 Agent 不能把一句話機械地翻譯成唯一結果，只能在理解、規劃、實現、運作和驗證之間反覆循環。
所以，自然語言沒有取代程式語言。更準確地說，自然語言和文件正在成為人類維護的意圖層，程式碼則越來越像由 Agent 產生和維護的實作載體。
代碼因此更像中間產物，但“中間”並不意味著不重要。它仍然必須正確、安全、可維護，但不一定再由人逐行寫出和閱讀。就像大多數程式設計師不需要查看編譯器產生的機器碼，但仍然要為程式的行為負責。
這改變了我們應該把什麼寫得清楚。
過去，文檔經常只是程式碼的說明。在我們的實踐中，這層關係開始倒過來：程式碼越來越多地依據文件被產生和驗證。產品為什麼存在，系統怎麼運作，哪些邊界不可突破，什麼證據可以證明它滿足要求──這些過去常被視為代碼附屬物的內容，正在成為真正的源頭。
過去是：“Talk is cheap. Show me the code.”
現在是：“Code is cheap. Show me the doc.”
不再親手寫程式碼，並沒有降低表達的要求，反而要求我們表達得更精確。過去，一個含混的想法還會在漫長的實現過程中逐漸暴露、逐漸澄清；現在，Agent 會迅速把它變成一個能夠運作、看似完整的系統。含混並沒有消失，只是被埋進了實現，直到日後以故障和損失的形式顯現。
AI 沒有讓人免於思考。它只是讓人更難以實現的忙碌掩蓋想法的含混。
「紙和筆」的下半句
2025 年，王堅把 AI 比喻為人類「新的紙和筆」：它不是思想本身，而是人類思想的一種延伸。 [3] 我很認同這個比喻。
它帶著一種有趣的歷史對稱。 1948 年，圖靈曾設想，一個人拿著紙、鉛筆和橡皮，嚴格遵循一組規則，他的行為就可以被看作一台通用機器。 [4] 那時，人們用紙筆解釋人怎麼模擬機器。近八十年後，方向似乎反了過來：機器正在成為新的紙和筆，幫助人們將意圖展開為可以運作的世界。
這個比喻也讓我想起大學時的生活。除了睡覺，我大概有三分之一的時間都在軟體和硬體之間來回折騰：安裝作業系統、配置環境、學習工具，也擺弄單片機、調試輪式機器人，讓它們協同編隊，再做一些自己想做的演示。那個過程很有樂趣，但我也常常把更多時間花在準備創作上，而不是創作本身。就像一個畫家總是在尋找紙張、製作顏料和修理畫筆。
說 AI 是新的紙和筆，並不是說它無所不能。紙不會自動寫出小說，顏料不會自動畫出好畫，相機也不會自動拍出好電影。工具降低了表達成本，卻不替創作者決定什麼值得表達。
Coding Agent 比紙筆主動許多。它會提出建議、執行任務，也會在一定範圍內做出選擇。但只要它不能為作品的目的和後果承擔責任，它就不會因為參與更多而自動成為作者。
真正令我感興趣的，是「新的紙和筆」的下半句：
如果有了新的紙和筆，我們需要什麼樣的藝術家？
軟體創作的重心正在上移
「程式設計師是藝術家」不是一個新說法。
1974 年，Donald Knuth 在《作為藝術的電腦程式設計》中討論程式設計為何既需要知識、技巧和創造力，也能產生具有美感的物件。 [5] 2003 年，Paul Graham 在《駭客與畫家》中提出，駭客與畫家都是「創造東西的人」；對軟體創造者而言，電腦就像顏料之於畫家、混凝土之於建築師，是一種表達媒介。 [6]
所以，AI 並沒有讓程式設計師第一次成為藝術家。它改變的是藝術主要發生在哪裡。
過去，程式設計師的藝術很大一部分發生在程式碼內部：一個演算法是否精巧，一組抽像是否簡潔，一個系統是否以盡可能少的結構容納了足夠的可能性。這種美不會因為 Agent 出現而消失。
但當更多實現工作下沉到 Agent，人的創作重心會向上移動。軟體的藝術將更體現在整部作品中：選擇什麼問題，理解怎樣的人，建立什麼秩序，捨棄哪些可能，怎樣回應用戶，又以什麼方式進入人的生活。
產品和體驗層面的創造早已存在。變化在於，當實現不再佔據大部分注意力，這些工作可能成為更多軟體創造者的主要工作。
程式碼的優雅仍然重要，但程式碼從來不是軟體之美的全部。人與 AI 共同完成的軟體，也不應只被看作一堆能夠運作的程式碼，而應被視為一個完整的軟體作品。
這就是「新的藝術家」所指向的改變。
如果用現有的職業語言近似描述，這個角色有些像是產品經理和架構師的結合：既追問做什麼、為誰而做，也追問系統怎樣長期成立、邊界在哪裡。但這兩個稱呼還不夠。軟體的作者還需要美感、同理心、取捨能力，以及對整體結果負責的意願。
這裡的「藝術家」不是更高貴的職位，也不一定是某一個人。它是一種對完整作品負責的作者角色，也可以由一個團隊共同承擔。
工程讓作品可靠地存在；藝術決定它為什麼存在，以及如何進入人的生活。
工程不會消失，責任不能外包
新的藝術家並不是提出一個好點子，然後等 AI 把剩下的事情做完。
紙筆普及以後，寫作仍需要訓練；相機普及以後，攝影仍需要判斷。 Coding Agent 降低了實現門檻，卻沒有自動解決複雜系統中的架構、安全性、效能、品質和維護問題。
我不讀程式碼，也不代表我放棄了工程控制。控制點發生了變化：從逐行檢查實現，轉向明確系統目標、架構原則、資料邊界、權限模型、測試標準、可觀測性和驗收結果。
這不是把嚴格變成寬鬆，而是把嚴格放在不同的地方。測試是否涵蓋了真正的風險？運行結果能否證明系統滿足約束？ Agent 所給的解釋是否有證據支持？一個功能能夠運行，是否也意味著它值得交付？ AI 可以參與這些工作，但最終必須由人們判斷證據是否可信，並承擔判斷錯誤的後果。
有些領域——例如基礎設施、安全關鍵系統和底層軟體——仍會長期要求人們深入程式碼，甚至比過去更需要少數真正理解底層的人。新的抽象層從來不會消滅下面的層。高階語言沒有消滅彙編，雲端運算也沒有消滅作業系統。它只是讓更多創造者不必在每一次創造中重新穿過所有底層。
我選擇不寫也不讀程式碼，是一項有邊界的實踐，不是一條適用於所有人的規則。它的價值不在於證明程式碼已經過時，而是幫助我看清楚：當程式碼不再是人控制軟體的唯一介面，哪些工作仍然不能被交出去。
答案首先是判斷，其次才是責任。
更強的工具也可能帶來更大規模的平庸。實現成本下降以後，我們很可能會先得到更多重複、粗糙、沒有真實需求的軟體。紙和筆不會自動帶來文學，Coding Agent 也不會自動帶來軟體的文藝復興。
AI 沒有消除稀缺性，它只是轉移了稀缺性。
過去，軟體生產的瓶頸主要在於程式設計能力、工程資源和實現時間。隨著這些限制減弱，問題判斷力、產品直覺、系統認知、美感、對人的理解，以及為後果負責的意願，就會變得相對更加稀缺。
當「怎麼做成」越來越便宜，「究竟做什麼」就會變得越來越昂貴。
從程式碼的作者到軟體作品的作者
Bret Taylor 曾經引用 Arya Asemanfar 的一個概括：AI 可以替你起草，但你仍然是作者。 [7] Addy Osmani 則是把開發者的新角色描述為架構師和主編。 [8]
作者並不等於親手完成作品中的每一個動作。建築師不親手砌下每一塊磚，導演也不操作片場裡的每台攝影機。但他們必須知道作品要成為什麼，能夠判斷它是否成立，並對作品整體負責。
軟體正在發生同樣的變化。
過去，我們常常用「誰寫了程式碼」來辨識軟體的作者。以後，作者身分可能越來越取決於另一組問題：誰定義問題，誰建立約束，誰作出關鍵取捨，誰判斷作品已經完成，又由誰承擔它進入現實世界之後的後果。
這也可能改變軟體的經濟單位。過去，通常只有足夠多人共享的需求，才值得被開發成一套軟體。當實現成本大幅下降，一個團隊、一個家庭，甚至一個人的特殊工作流程，也可能值得擁有自己的軟體。未來未必人人都要成為程式設計師，但更多人可以成為軟體的作者。
AI 把越來越多的實現工作向下推，也把人的控制點和創作重心向上推了一個抽象層。程式設計師將不再只是程式碼的作者，而會越來越成為軟體作品的作者——這就是我所說的「新的藝術家」。
新的紙和筆已經出現。但新的文藝復興不會因此自動到來。它不取決於 Agent 能產生多少程式碼，而取決於我們是否有判斷力，也是否願意承擔責任，回答一個比「怎麼做成」更困難的問題：
什麼值得被創造，我們又希望人怎麼感受它？
參考資料
[1] Andrej Karpathy，介紹「Vibe Coding」的 X 貼文，2025-02-02。
[2] Andrej Karpathy，提出「Agentic Engineering」的 X 貼文，2026-02-04。
[3] 柳寧馨，《王堅：創新源自「不完美」與「跨界」》，《21世紀經濟報道》，2025-09-25。
[4] Alan M. Turing，“Intelligent Machinery”，National Physical Laboratory report，1948。
[5] Donald E. Knuth，“Computer Programming as an Art”，Communications of the ACM，17(12)，1974，pp. 667–673。
[6] Paul Graham，“Hackers and Painters”，2003-05。
[7] Bret Taylor，“AI is your ghostwriter, but you are the author”，LinkedIn，2026-02-10。
[8] Addy Osmani，Beyond Vibe Coding，O’Reilly Media，2025-08。