a16z：Git 将被取代，AI 时代的 9 种全新软件开发模式

68 0 0

文章摘要

未来，AI将不再是开发者手中的工具，而是构建软件的全新基础。AI Agent的兴起正在重新定义版本控制、模板、文档等传统开发流程。a16z提出的9个未来开发者趋势，虽然仍处于早期阶段，但基于真实的痛点，具备前瞻性。这些趋势包括重新思考AI生成代码的版本控制、大语言模型驱动的用户界面和文档等。

AI Agent编写或修改大量代码，开发者更关注代码输出是否符合预期，而不是具体的代码行。这导致“真相的上移”，prompt和测试组合成为新的“真相”，进而促使意图驱动的版本控制出现。未来，prompt和测试包可能作为可版本化的单元来跟踪。传统仪表板是静态的，展示固定的指标，而AI驱动的仪表板可以根据用户当前的任务、角色甚至过去的行为模式来重新配置。文档正在逐步演变为交互式知识系统，具备语义搜索能力，可以作为编码Agent的上下文来源。未来的文档可能会有三个层次：人类阅读层、AI消费层和交互层。

随着Cursor等AI IDE以及Replit、Same.dev等文本到应用平台的出现，从模板到生成开发方式正在发生变化。开发者可以描述他们想要什么，并在几秒钟内得到一个定制的项目脚手架。在AI Agent的驱动下，传统的.env文件范式正在发生变化，能力导向的安全系统成为趋势。无障碍API正在成为AI Agent理解和控制数字环境的通用语言，未来应用程序不再只为人眼设计，也为AI“眼”设计。

开发者与AI Agent的协作转向异步工作流，AI Agent在后台运行，追求并行的工作线程，并在取得进展时报告回来。我们正在见证“能力标准化”的诞生，MCP正在标准化AI Agent能力。AI Agent不是要取代基础设施，而是要更好地利用它，依赖如认证、计费、存储等坚实的抽象原语服务来构建应用。出现从“自底向上”变成“自顶向下”的转变，此前从基础设施开始，逐层向上构建，而现在从意图出发，AI Agent帮用户寻找合适的构建块。

AI原生Git为AI Agent重塑版本控制。开发者不再纠结于一行一行写了什么代码，而是关心输出是否按预期运行。这颠覆了长期存在的思维模式，Git被设计用来跟踪手写代码的精确历史，但有了编程AI Agent，这种粒度变得不那么有意义。未来的开发者可能会说：“给我看看prompt v3.1的测试覆盖率”，而不是“给我看看commit SHA abc123的diff”。

仪表板演变成为合成式的AI驱动动态界面。传统仪表板是静态的，展示固定的指标，而AI驱动的仪表板可以根据用户当前的任务、角色甚至过去的行为模式来重新配置。未来的仪表板可能需要同时服务人类和AI Agent，这是一个全新的设计挑战。

文档正在成为工具、索引和交互式知识库的混合体。开发者从被动阅读转向主动查询，文档不再只是静态的HTML或markdown页面，而是成为交互式知识系统，由索引、嵌入和工具感知的AI Agent支撑。未来的文档可能会有三个层次：人类阅读层、AI消费层和交互层。

从模板到生成，vibe coding取代create-react-app。开发者可以描述他们想要什么，并在几秒钟内得到一个定制的项目脚手架。这解锁了一个新的分发模式，工具和架构被动态地混合和匹配。

超越.env，在AI Agent驱动的世界中管理秘密。传统的.env文件范式开始崩溃，能力导向的安全系统成为趋势。未来的秘密管理可能看起来更像一个权限系统，每个操作都有明确的范围，每个AI Agent都有明确的角色，所有访问都被记录和审计。

无障碍作为通用界面，通过LLM的眼睛看应用。无障碍API正在成为AI Agent理解和控制数字环境的通用语言。未来，应用程序不再只为人眼设计，也为AI“眼”设计。

异步AI Agent工作的兴起。开发者与AI Agent的协作转向异步工作流，AI Agent在后台运行，追求并行的工作线程，并在取得进展时报告回来。未来的“分支”可能是意图的分叉，每个分支由不同的AI Agent以不同的方式探索。

MCP距离成为通用标准更近了一步。MCP解决了两个大问题：为LLM提供了完成可能从未见过的任务的正确上下文集；用一个干净的、模块化的模型取代了N×M定制集成。我们正在见证“能力标准化”的诞生，MCP正在标准化AI Agent能力。

抽象原语，每个AI Agent都需要认证、计费和持久存储。AI Agent不是要取代基础设施，而是要更好地利用它。随着这种模式的成熟，我们可能开始看到服务通过不仅暴露API，还有架构、能力元数据和帮助AI Agent更可靠地集成它们的示例流程来为AI agent消费进行优化。