是否可以这么认为，目前码农能操控 llm agent 做的事情都可以由 llm agent 自己操作。

根据长尾。人类总要解决很长的。变化多样但是小概率的事件。
其实题主说的对。变相抑制了初级岗位的成长。

可以。看看周末的 Claude Cowork 新闻

人类是一台判决机器

看闫俊杰的访谈，他提了个：模型即交付 的概念，AI 领域普通程序员能做的很少，而且会越来越少

@dog82 感觉以后普通程序员的角色就是汽修店里面的维修师傅，虽然以前大部分码农也不是所谓白领，但是以后估计就是比较彻底的蓝领了。

人要是自己不写代码，debugg 能力也会退化的，所以感觉 ai code + 人 debugg 售后的模式不是个好模式，大概率得等到 ai 更深度的应用才行

那肯定阿

现在人成了打下手的, 人能发 prompt, 当然可以让 ai 自己发 prompt 指挥另一个 ai 干活

当人类不再有任何知识、思想产出的时候，ai 还能进步吗，或者说 ai 可以到能思考的程度吗

还差一点东西，能立即 fine tune 最新的文档和代码；或者 这个代码组件的包 fine tune 一次入 llm ，让它了解上下文，基本不用干了。

我认为当前这种形态的 AI 是不行的，如果某天变成：用户提出需求 --> AI --不经过编码、编译--> AI 自身直接模拟出该应用时，才是码农失业的前夕

得特化才行。再训练专门做项目设计的 ai ，和负责写实际代码的 ai 分开

从演进的流程上来讲，确实是这样。一开始的 AI Coding 主要体现在 Tab 提示，然后逐渐演进到 Chat ，然后再演进到 Agent 。
总体上来讲，一定是人的干预越来越远离实现本身。

但讨论这个没什么意义。

首先，因为提出需求的是人，这就导致人必须参与输入。你不输入你的需求无从表达。
其次，相同的需求，表达方式多种多样，总会有人掌握更优秀表达需求的能力。
最后，你要明白为何目前的统计学 AI 的解决方式是 Agent 。因为是基于目前的上下文能力，以及模型向量转换次数所限。最终的终局，AI 产出一定不是 Agent 的。

你看现在还有人讨论“提示词工程”么？还有人因为写提示词更好引以为傲么？

在我看来，Agent 就像是提示词工程一样，只是基于有限能力下的临时性解决方案。仅此而已。

它只是概率模型，你让概率去碰撞概率，就是无限猴子定理：“让一只猴子在打字机上随机地按键，当按键时间达到无穷时，几乎必然能够打出任何给定的文字，比如莎士比亚的全套著作”。

@OliverDD
问题是大量的需求开发跟问题解决，实际上是趋同的，你看 stackoverflow 这几年的流量就知道，大量的重复性问题，都被 AI 给解决了，人不需要再去 stackoverflow 上提问了

你加一个功能，我跟着加一个功能，很多功能都是相似的

如果人类是完美的计划经济，大量的软件跟 APP 其实都没必要诞生在这个事情上