定义
软件开发从"人亲自完成每个动作"到"碳基定义任务、硅基承担执行"的分工范式转变——开发者从执行层移动到定义层，负责定义目标、约束行动、验证结果和承担责任。
核心命题
AI 工具越强，人的责任越重。
- 当工具只能补全一行代码时，人只需要判断这一行
- 当工具能改几十个文件、跑测试、开 PR、回应 review 时，人要设计边界、写清验收标准、管理权限、检查结果、处理失败，并为最终合并负责
所谓开发者被替代，很多时候其实是开发者从执行层移动到定义层。过去的核心能力是把需求翻译成代码；现在的核心能力，是把模糊目标翻译成 Agent 能执行、能验证、能回滚的任务系统。
开发者日常手感变化
过去写代码像砌墙，现在越来越多工作像带一个不稳定但学习很快的同事：
- 先把任务讲清楚
- 给它足够上下文
- 告诉它哪些地方不能碰
- 让它提出方案
- 再看它改出的 diff
好的开发者会更在意 prompt 之外的东西：仓库结构是否清晰、测试是否可靠、错误信息是否可读、文档是否告诉 Agent 怎么运行、review 标准是否能被机器理解。
组织推论
- 没有测试、文档、清晰边界的团队，Agent 只会把混乱放大
- 有良好模块化、可运行验证链路和明确贡献规范的团队，Agent 会成为生产力放大器
- 未来最稀缺的不是"会不会使用某个 AI 工具"，而是能否把模糊目标变成可执行任务、能否把成功交互沉淀为可复用规则、能否在 AI 方案里看出真正的风险
关键数据点
- Top 开发者画像包含独立工具作者、开源维护者、AI startup 创始人、云厂商/模型厂商工程师、研究者、工具作者和社区型项目维护者
- Agentic AI 226 个项目中，Coding Agent 相关 78 个、累计 Star 386 万、2026 年 4 月参与者 14,019
- Coding Agent 三条路线: CLI-first（Claude Code、Codex）、IDE-first（Cursor）、cowork/cloud worker（Devin、OpenHands）
前提与局限性
- 框架假设开发者能清晰地将任务定义为 Agent 可执行的形式，但大量软件工作涉及模糊需求沟通、政治协商、隐性判断
- "定义层"工作本身难以完全形式化
- 分工模式在 coding 领域最清晰，迁移到其他知识工作领域需要更多验证
关联概念
- Human-Governor-Agent-Operator — 企业场景中的碳基-硅基分工
- Agentic-Engineering — 碳基定义者的核心工程实践
- Coding-Agents — 硅基执行者的具体形态
- Taste — 碳基定义者需要的核心能力
- Judgment — 在 AI 方案中识别风险的能力
- Agent-Infra — 支撑碳基-硅基分工的基础设施层