代码量翻了20倍，程序员困在AI提效牢笼里

背景：从对话到“干活”的跃迁

随着AI技术的演进，智能体框架逐渐从“对话型”转向“任务型”。OpenClaw作为这一转型的代表性产品，以其IM嵌入式交互和高效的Agent Loop范式，迅速点燃了开发者社区的热情。与以往的AI编程助手不同，OpenClaw不再局限于生成代码片段，而是能持续规划、执行、调试任务，甚至调用多个工具完成复杂流程。这一转变使得AI的“干活”属性增强，也带来了token消耗的指数级增长。

• 无问芯穹的数据显示，从今年1月底开始，token使用量每两周翻一番，整体已增长十倍。
• 夏立雪形容这种增长速度堪比“3G时代流量普及”的阶段。
• 张鹏指出，AI模型完成复杂任务所需的推理链路远超对话场景，token消耗可能是简单问题的几十甚至上百倍。

技术演进与算力挑战

AI从“辅助思考”到“独立执行”，对底层基础设施提出了全新要求。传统云计算系统以“人类响应速度”为设计基准，难以满足智能体的高效、秒级任务调度需求。

• 现有云服务接口为人设计，限制了智能体性能发挥。
• 任务规划、记忆管理、工具调用三大层面存在瓶颈：
  • 规划：缺乏长周期任务的领域知识支撑
  • 记忆：信息压缩与检索在多智能体协作时压力倍增
  • 工具：高质量Skill稀缺，调用安全性难以保障

面对算力瓶颈，国内团队也探索出新的模型架构：

• DeepSeek采用混合稀疏架构（Hybrid Sparse）
• Kimi推出KSA架构
• 小米MiMo尝试下一代模型结构

这些创新为长上下文任务提供了支持，但同时也加剧了对算力的需求，推动了模型定价的回归理性。

工作节奏的异化与程序员的新困境

尽管AI大幅提升了开发效率，但程序员的角色也发生了微妙变化。他们不再是主动编写代码的创造者，而更像是一个“监工”——不断检查、调试、调度AI生成的代码。

• 代码量暴增20倍，程序员陷入“审阅疲劳”
• AI生成的代码质量参差不齐，需反复优化
• 工作节奏变得高度重复、机械，如同“分拣包裹的工人”
• 程序员抱怨思考空间被压缩，创造力被抑制

罗福莉指出，智能体框架正在释放人类的时间，但前提是要有一个有效的任务调度和执行闭环。黄超也认为，未来软件系统的设计逻辑将从“面向人类”转向“面向智能体”，程序员的职责也将随之重构。

未来趋势：向智能体原生生态转型

多位行业领袖对未来12个月的发展趋势做出了判断：

• 黄超：生态将成为核心关键词，智能体将从个人助手转变为真正意义上的“打工人”，整个工具链、技能库、应用生态都要围绕智能体重新设计。
• 罗福莉：自进化将成为智能体能力跃升的关键路径，结合强大的基础模型和约束机制，模型可自主优化方案、持续运行，甚至探索未知领域。
• 夏立雪：要打造“可持续Token”机制，把中国在能源、算力方面的优势转化为全球AI基础设施的核心供给，实现“AI made in China”的输出愿景。
• 张鹏：算力成本仍是关键制约，只有在“用得起”的前提下，智能体框架的推广和迭代才有可持续性。

可持续生态的构建路径

智能体框架的发展已进入“生态构建”阶段，需要整个社区协作推进。

• 开源推动能力上限：OpenClaw的开源特性拉高了国产小模型的能力天花板，使得更多人能参与到智能体的生态建设中。
• Skill动态进化机制：未来需要探索如何在执行过程中自动生成、优化技能（Skill），而非依赖人工预设，从而提升任务完成率和安全性。
• 基础设施智能化：智能体应具备自我提出基础设施需求、推动自我迭代的能力，最终形成“基础设施也有自己的CEO”的愿景。
• 跨模态统一接口：未来智能体需要处理的不只是文本，还有图像、音频、代码、科学实验等多模态信息，接口统一是必然方向。

行业正在从“人与AI协作”走向“AI与AI协作”，从“面向对话”走向“面向任务”，从“工具辅助”走向“智能体原生”。而在这个过程中，程序员的角色、算力的分配逻辑、软件的开发范式，都在经历一场深刻的重构。