a16z：AI带来了全新的9种开发软件的模式

非常有启发的9条新兴模式，推荐给已经上手 vibeCoding 的读者们。

开发者正在将 AI 从简单的工具转变为构建软件的新基础。许多核心概念，如版本控制、模板、文档，甚至用户的定义，都在被重新思考。代理（Agent）正在成为协作者和消费者。

九种新兴开发者模式：

1. AI 原生 Git

Git 变聪明，更关注结果。

• 解释：以前 Git 逐行跟踪人工写的代码历史。现在 AI 代理写代码，开发者不再只盯着每一行改动，而是关心结果是否符合预期，比如测试是否通过，应用是否正常运行。项目的“状态”不再只是一个 Git 代码版本号 (SHA)，而更可能是生成代码的提示词 (prompt) 加上验证行为的测试集合。Git 的角色可能从工作区变成记录产物的日志，记录变化的 原因，而不仅仅是 内容。未来可能直接版本控制“提示词+测试”组合包。
• 潜在的新市场： 专门为 AI 生成代码设计的版本控制系统，基于行为而非代码行的 AI 代码评审工具，能跟踪 AI 代理改动及人类 oversight 的 Git 平台增强。

2. 控制面板 -> 合成与交互

面板会说话，帮你找信息。

• 解释： 过去的控制面板（Dashboard）信息太多，用户难找信息和操作。现在 AI 模型加入后，可以在面板上层叠搜索和对话功能。大语言模型可以帮用户找到设置（“限流在哪调？”），综合屏幕信息提供洞察（“过去 24 小时所有服务错误趋势”），甚至指出未知问题（“我该关注哪些指标？”）。界面可以变得动态、个性化。未来，代理也需要优化的面板来理解系统状态和行动，可能出现人机双模式界面。
• 潜在的新市场： AI 驱动的动态控制面板平台，现有面板的 AI 增强插件，支持自然语言交互的 UI 构建工具（如 Assistant UI），为人机双模式界面设计的框架。

3. 文档变成工具、索引和交互式知识库

文档会回答问题，给 AI 用。

• 解释： 开发者查文档时不再线性阅读，而是直接提问。文档不再是静态页面，而是变成可以提问的交互式知识系统，背后有索引和 AI 代理支持。文档（如 Mintlify）正成为 AI 编码代理的重要上下文来源，因为它们需要最新文档来生成准确代码。文档的目的变了，不仅给人类读者看，也给代理消费者用，成为 AI 代理使用系统的“说明书”。
• 潜在的新市场： AI 原生文档平台，能将文档转化为可搜索数据库和 AI 上下文源，为 AI 代理提供文档上下文的服务，将现有文档转换为 AI 友好格式的工具。

4. 模板到生成

告诉 AI 你要啥，它直接搭框架。

• 解释： 以前开始新项目要选固定模板（如 create-react-app）。现在可以直接描述想要什么应用和技术栈（“一个用 Supabase, Clerk, Stripe 的 TypeScript API 服务器”）。AI 平台（如 Replit, Cursor 等）可以在几秒内生成个性化项目框架。这降低了尝试不同技术栈的门槛，因为 AI 代理可以辅助大型重构，让技术栈选择变得更易逆转。
• 潜在的新市场： 文本生成应用框架的平台和工具（如 Replit, Same.dev, Bolt 等），具备 AI 代码生成和重构能力的 IDE（如 Cursor），基于 AI 的跨框架迁移和重构服务。

5. 超越 .env：代理世界中的秘密管理

让 AI 安全地用你的密钥。

• 解释： 当 AI 代理自动写代码、部署时，.env 文件管理密钥的方式不再适用，不清楚谁拥有这些密钥。未来的趋势是给 AI 代理临时的、有限范围的访问令牌（如 MCP 中的 OAuth 2.1 授权）而不是原始密钥。本地秘密代理服务可以在代理请求时按需授权，提供审计能力，让密钥管理更像 API 授权，而不是静态文件配置。
• 潜在的新市场： 为 AI 代理设计的安全密钥管理系统，本地秘密代理服务，面向代理能力的授权框架（如 MCP）。

6. 无障碍性作为通用界面

AI 通过“辅助功能”看懂应用。

• 解释： AI 代理开始利用 macOS 的无障碍 API（原本为残障用户设计）来理解和操作界面。这些 API 能语义化地暴露界面元素（按钮、标题等），AI 不再是抓取像素或网页结构，而是像辅助技术一样理解应用。增强这些 API Metadata 后，它们可以成为代理感知和操作应用的主要接口，即使应用没有开放 API。
• 潜在的新市场： 用于暴露丰富语义化 UI 元素的开发工具/库，定义代理可访问 UI 元素标准和元数据的方案，允许 AI 代理通过高层级 API 声明目标并执行的后端系统。

7. 异步代理工作

AI 在后台帮你干活。

• 解释： 开发者可以把任务（如更新配置、处理错误、重构）委托给代理，让它们在后台异步执行，完成后报告。这更像任务编排，而不是结对编程。它减少了跨团队协调的麻烦，将人工交接和评审变成了一个异步的“请求-生成-验证”循环。与代理的交互界面也扩展到 IDE/CLI 之外，包括 Slack 消息、Figma 评论、代码评审（PR）注解、语音等。
• 潜在的新市场： AI 代理任务编排平台，将 AI 代理集成到现有协作工具的服务，新的基于异步代理工作的开发者流程和工具。

8. MCP 迈向通用标准

AI 代理和工具的通用语言。

• 解释： 模型上下文协议 (MCP) 正成为 AI 代理与外部世界交互的标准接口。它为大语言模型提供完成任务所需的上下文，并用标准模块化模型取代了大量定制集成。工具暴露标准接口（服务器），任何代理（客户端）都可以使用，增强了互操作性。任何客户端也可以作为服务器暴露自身能力。未来应用可能默认带有 MCP 接口。
• 潜在的新市场： MCP 客户端和服务器实现，构建 MCP 应用的工具，MCP 注册中心，促进基于 MCP 的工具互操作性的平台。

9. 抽象化的基础服务

AI 搭应用，需要标准化的积木。

• 解释： 代理虽然能生成代码，但构建可靠应用仍需要成熟的、可组合的服务来实现核心功能，如认证（Clerk）、支付（Stripe）、数据库（Supabase）。这些服务正成为代理构建应用的运行时接口。未来服务提供商可能会优化自身，为代理提供更好的接口，比如暴露 Schema、能力元数据和示例流程。一些服务甚至可能直接提供 MCP 服务器接口，让代理能安全、可靠地使用它们的功能（如代理通过 MCP 让 Clerk 创建支付计划）。
• 潜在的新市场： 为 AI 代理消费优化的后端服务（认证、计费、存储等），提供结构化接口和 Metadata 的“代理即用”基础服务，内嵌 MCP 服务器的基础服务。