做过软件的人大概都有过类似的体会:一个点子刚起步时总是清晰纯粹的,可一旦真正推向市场,要面对真实世界里的环境和人群,整个工程就会迅速变得沉重。
比如你做一个工具,有人在 macOS 上用,有人在 Windows 上用。这仅仅是操作系统的差别。如果再算上网页端、桌面端和命令行,算上每个人截然不同的文件目录习惯、快捷键偏好、界面审美和数据同步方式,问题就来了。
几个基础的运行场景,乘上几类不同习惯的用户,这两个变量一旦相乘,立刻就会裂变出几千种具体的需求。
为什么做需求总会失去重点
面对这几千种组合,过去的开发团队往往陷入两难。
如果试图照顾所有人的习惯,代码库里很快就会塞满各种跨平台兼容逻辑和特殊判断。原本为了解决核心问题而写的软件,最后绝大部分精力都花在了抹平环境差异上。设置面板越做越厚,产品的重心却在不知不觉中散掉了。
如果反过来,决定只服务最大公约数的用户,产品确实能保持克制,但只要某个用户的本地环境稍微偏离预设的轨道,比如他用着小众的平铺式窗口管理器,或者有着特殊的内网存储要求,这款软件对他来说就寸步难行。
在传统的软件生产方式里,软件在离开开发者电脑的那一刻,它的形态就已经彻底固定了。开发者必须在发布之前,替远端成千上万个素未谋面的用户提前做好所有的假设和决定。只要还有一个场景没被提前写进代码里,那个场景下的用户体验就是缺失的。
站在 AI native 的当下重新思考
现在我们可以直接立下一个新的基础假设,那就是每个人的电脑上都有一个趁手可用的 personal Agent。随着 DeepSeek Flash 系列这类轻量、高速又经济的模型普及,以及 workbuddy、豆包工作这种门槛极低的 personal agent 产品出现。这件事的门槛已经低到可以成为一个默认假设。
当“人人都有 personal Agent”成立时,前面那个困扰了软件行业几十年的乘法题,解法一下子变了。
过去需要开发者在云端穷举几千种可能,是因为用户的终端是死板的,只能被动运行编译好的成品。现在用户的终端有了就地理解和改造软件的能力。运行在用户自己电脑上的 Agent,比任何远端的开发者都清楚这台机器装了什么依赖、跑在什么内核版本上,也比任何产品经理都明白这位主人平时习惯按哪个快捷键、喜欢什么样的界面布局。
我最近在自己的语音输入法产品 Arion 0.1.4 里做了一次小小的实践。以前用户遇到问题,要么得自己去翻找日志、填写长长的表单,要么干脆放弃反馈。既然现在很多人的电脑里都已经常驻了编程 Agent,我就直接在应用里放了一段只包含反馈技能地址、版本号和系统平台的简短提示词。
用户复制粘贴给自己的 Agent 后,他本地的 Agent 会主动用大白话向他追问细节,如果是单纯的使用问题就直接结合仓库文档解答;如果确实遇到了故障,Agent 会自己在本地读取相关的日志片段并脱敏,经用户确认后代为提交问题单,甚至当场写出修复代码发起合并请求。
这只是一个起点。连排查故障、看日志、改代码都能交给用户本地的 Agent 去接手,那么软件本身的形态适配与功能定制,就更没必要让开发者在云端大包大揽了。
把产品原子化
如果开发者不再需要对最终端到端的效果包办到底,那今天我们究竟应该交付什么?
答案是交付一套原子化的标准件。
标准件对工程规范提出了更高的要求。要让用户本地的 Agent 能够顺畅地接手并按需组装,这套标准件在交付时必须做好三件事。
第一件事是敲定技术选型。如果开发者只给出一堆散乱的脚本,或者留下过多模棱两可的选型空间,用户的 Agent 在动手改造时就会再去经历一遍技术选型的试错,很容易陷入依赖冲突或者结构混乱。因此,标准件必须把底层的技术栈、模块分层和数据流转规则彻底固定下来。开发者把最难的架构取舍做完,让本地 Agent 不必再做第二次选择。
第二件事是把基础规范和界面组件全部原子化。标准件里包含的是一套设计规范、独立的界面组件以及清晰的接口边界。系统里不应该存在一块焊死的大黑盒,任何一部分能力,无论是数据存储、终端调用还是界面视图,都遵循统一的契约,可以随时被单独替换、拆解或组合。
第三件事是让工程规范本身成为可读的说明书。当整个项目的目录职责、组件边界和扩展方式都写得清清楚楚,用户的 Agent 读到这个项目时,看到的就是一张透明的蓝图,知道动哪里是安全的,改哪里能立刻生效。
当用户直接为自己的终端体验与效果负责
想通了标准件的形态,再回看软件的使用过程,整个链条就变得非常美妙了。
假设一位重度 Linux 用户拿到了这样一个项目。放在以前,如果他觉得默认的窗口交互不顺手,或者某个系统调用在他的发行版上报错,他只能去提一个问题单,然后漫长地等待排期。
现在,他拿到的是一套带着完整基础规范、确定性技术选型和原子化组件的标准件。他只需要对自己电脑上的 Agent 说:帮我把这个项目适配到我当前的 Linux 环境里,去掉我平时用不到的状态栏,再把现有的几个列表组件按我的操作习惯重新拼成一个纯键盘驱动的界面。
他的本地 Agent 会顺着标准件已经铺好的技术轨道,直接拿现成的原子组件和接口,像拼乐高一样在本地完成组装。几分钟后,跑在这台电脑上的,就是一个完全贴合他个人习惯、同时底层又严格遵循原项目规范的专属版本。
更进一步想,这种客制化甚至可以延伸到模型本身。
拿我在做的语音输入法来说,现在的语音识别模型本质上也是一个通用的标准件。但每个人的说话方式千差万别,如果用户带有口音或者某些发音不够标准,通用模型就会反复识别出同样的错别字。在实际使用中,每当用户通过键盘把屏上的错字手动改对时,其实都在自然而然地建立一条“偏离语音到正确词汇”的真实映射。在目前的版本里,我们已经让软件记住这些修改并写进本地词库;而顺着这个方向继续往下走,未来完全可以在用户本机利用这些日常纠错沉淀下来的私有数据,由本地自动完成模型的微调。到那一天,用户不光在云端同步自己的词库,模型也成为了他的资产,用户每一次随手改字的动作,都是在直接为自己终端上的最终识别效果负责。
当那几千种由场景与用户相乘产生的长尾诉求,连同千人千面的模型微调,都被自然地消解在每个人的终端本地时,开发者的精力终于被解放了出来。开发者不需要再去猜测每个人的细碎习惯,只需要专心把领域逻辑做深,把技术底座做稳,把每一个原子化的标准件打磨得足够纯粹;而用户也不必再迁就千篇一律的默认设置,直接调动自己的 Agent 与本地环境,为自己的终端体验和最终效果服务。
在这个技术与产品的十字路口,软件交付的终点变了。开发者交付的是一套秩序井然的种子与标准件,而软件和模型最终长成什么模样,将发生在每个人的电脑里。
Loading...