AI时代-软件的终局
- 原文链接:https://mp.weixin.qq.com/s/gh5fGO_iZmtWsy1zqmqBOg
- 来源:微信公众号「人月聊IT」
- 作者:人月聊IT
- 发布:2026-10-20 10:34
- 获取时间:2026-10-21
核心结论(一句话)
作者提出,AI时代的软件可能从预设界面和业务烟囱转向以对象语义、可复用能力和受治理Agent为核心;这是趋势判断,不是已证实的行业终局。
分类提炼
- 场景:企业软件架构、业务 Agent、AI Native 产品设计
- 标签: #主题/AI-Agent #主题/软件架构 #主题/Agent-Skills #主题/本体工程 #主题/人机交互 #场景/公众号长文
- 类型:软件形态与企业 Agent 架构的趋势观点
知识节点(8 个独立概念)
- GUI价值迁移:当采集和调用自动化后,界面可从重复录入转向异常处理、结果审计和人工接管。
- 无预设UI:界面可按当前意图和权限临时生成,而非为每条路径预先开发固定页面。
- 对象中心契约:Agent 可面向完整业务对象及其语义操作,底层再按访问模式选择不同存储结构。
- 能力层与编排层:能力层提供可复用 API 或 Skills,编排层按意图与场景组合这些能力。
- 技能复利闭环:重复需求调用已有技能,新需求生成能力并验证,合格后沉淀为后续可复用资产。
- 受治理的自进化Agent:Agent 可持续扩展能力,但每次进化都需评测、权限检查、灰度、回滚和审计。
- 本体模型层:本体把业务对象、关系、规则、约束和动作表达为供 Agent 推理与执行的领域语义模型。
- 统一语义契约:跨系统能力只有共享对象与规则含义,才能从“接口可调用”推进到“业务可编排”。
关联图谱
以下是知识库内的概念关联,不代表原文直接引用这些页面或作者之间存在影响关系。
上游(基于 / 来自)
- [[01-ai-agents/源泉TheFountainhead-从GUI到AI-Native-产品接目标界面换职责]]:该页将界面定位为授权、审查、状态跟踪和接管控制面,与本文讨论的 UI 职责迁移互补。
- [[01-ai-agents/若飞-Agent如何理解业务-把对象-状态和权限接进执行流程]]:该页细化对象、状态、规则、权限和动作契约,补足本文“统一业务语义”的执行边界。
下游(应用于 / 验证于)
- 目前没有本库内基于本文完整架构主张实施并验证的案例。相关验证可拆到能力治理和运行时状态等子问题:
- [[01-ai-agents/AI大模型观察站-Agent-Skills-完整技术栈]]:涵盖技能复用、权限边界与依赖治理,可作为技能资产治理环节的参考,不能证明完整终局架构已落地。
- [[01-ai-agents/DataFunTalk-Graph-Engineering-从Harness到Ontology]]:讨论任务、状态、权限、验证与恢复的运行时治理,可用于检验能力编排层所需的控制面条件。
同级(横向 / 并列)
- [[07-rag-systems/架构师-若飞-企业知识库本体论解决什么问题]]:从语义校验、关系含义与责任边界讨论本体;本文则强调本体和可执行能力契约的结合。
- [[01-ai-agents/源泉TheFountainhead-从GUI到AI-Native-产品接目标界面换职责]]:两文都认为 AI Native 不是加一个聊天入口,而是重新分配产品与界面的责任。
正文要点
- 作者把AI视为软件形态变化的驱动,而非传统软件的简单增强。 RPA 和 Computer Use 被作者判断为兼容存量系统的过渡方式;这属于作者对技术路线的预测。
- UI从主操作路径转为人的控制与兜底面。 采集、查询和调用若可自动完成,固定录入与查询页面的比重可能下降;异常处理、审批、审计和人工介入仍需要界面。
- “无预设UI”意味着按任务生成临时交互层,不意味着没有交互。 作者认为底层 API 契约严格时,呈现布局可以动态变化而不改变业务动作语义;这一前提仍需通过权限、可访问性和结果校验验证。
- 作者提出从“对象到表再映射回来”转向对象中心的数据契约。 物理层可以按事务、分析等负载采用不同存储;高频事务的强一致、低延迟与分析吞吐要求仍然存在,文章并未论证应移除结构化数据库。
- 软件可能由一次性交付物变成“稳定内核 + 技能资产 + 生成器 + 运行反馈”。 高频需求优先复用技能,空缺能力可动态生成,验证通过后再沉淀;否则动态生成只会增加不可重复和不可控的成本。
- Agent 架构被概括为能力层和意图编排层。 存量系统需抽取并封装能力;跨能力协作仍依赖统一术语、主数据和规则,可靠流程应将成熟经验固化为 Workflow,而不是每次自由发挥。
- 本体模型被描述为可操作的业务语义层。 它不只是静态对象图,还要表达行为、规则、约束与场景经验,并与 Skills/API 契约相连,减少“有接口但不懂业务”的错用。
- 文章把成败条件归纳为能力原子化、语义统一和治理内建。 这是文章的架构主张;是否成立需由具体业务中的端到端成功率、人工接管、错误恢复、成本和审计结果验证。
机制解释
当数据可机器读取、动作可经稳定 API 执行时,固定表单的重复操作价值可能降低;而当 Agent 要跨能力完成任务,语义契约帮助解释对象和规则,复用技能减少重复生成,治理则限制新能力造成的副作用。界面因而可能从操作入口转向授权、异常处置与结果核验。
替代解释与适用限制
- 预设 UI 对审计、可访问性、精确编辑、低延迟和人工控制仍有价值;动态界面也带来一致性、权限呈现与可测试性成本。
- 关系型数据库的事务、一致性、约束与成熟运维仍重要。Agent 可以在现有系统之上使用对象语义层和 API,而不必取代底层存储。
- API 或 MCP 暴露能力并不自动带来统一语义;主数据、权限、状态、规则版本、失败补偿和责任归属仍须明确建模。
- 文中关于“软件/IT咨询进入夕阳期”的判断,以及埃森哲拟退出大中华区这一背景,本条未独立核验;单一企业动向不足以证明全行业的长期就业趋势。
- “软件终局”是作者的方向性观点。文章未提供生产系统、对照实验、行业样本、迁移成本或效果指标,不能据此直接决定企业架构迁移。
最小验证路径(编者推导)
选择一个重复、低风险且可回滚的业务任务,盘点真实对象、数据源、规则、权限和完成证据;只暴露最小 API/Skill,再比较原有 UI/Workflow 与 Agent 编排在任务完成率、人工介入、错误恢复、耗时和总成本上的表现。通过评测、审计与回滚门槛后再扩大范围,不从“软件终局”口号直接推导全量替换。
相关链接
- [[01-ai-agents/源泉TheFountainhead-从GUI到AI-Native-产品接目标界面换职责]]
- [[01-ai-agents/若飞-Agent如何理解业务-把对象-状态和权限接进执行流程]]
- [[01-ai-agents/DataFunTalk-Graph-Engineering-从Harness到Ontology]]
- [[07-rag-systems/架构师-若飞-企业知识库本体论解决什么问题]]
- [[01-ai-agents/AI大模型观察站-Agent-Skills-完整技术栈]]