软件工程进入代理时代

摘要

Scott Wu围绕Cognition AI、Devin和软件工程未来展开讨论。核心变化是，代码生成正在从人工敲代码转向云端代理、事件触发代理和以英文规格为源头的开发流程。软件工程的瓶颈正在从写代码，转向理解系统、处理复杂故障、组织产品需求、维护团队速度和建立高密度人才文化。

内容框架与概述

访谈开头回到Devin在2024年发布时的判断。当时全自主后台代理、自测代码、电脑操作等概念还显得超前，现在已经成为AI编程工具的共同方向。Scott Wu把下一阶段的关键放在云端代理、自动触发机制和更深的工作流接入上。代理不该只在用户手动启动后工作，它应该根据Slack消息、Linear工单、性能下降、Sentry告警、依赖升级等事件自动介入。

另一个重要方向是把英文产品规格推向开发流程的源头。现在开发者可以用英文写代码，但代码仓库仍然是最终依据，代码审查、版本控制、系统理解都围绕代码展开。未来可能变成产品规格、需求说明、行为约束和自然语言描述成为真正的源头，代码只是执行层产物。Cognition的Devin Review等产品，也在朝这个方向靠近。

后半部分转向公司组织和竞争格局。Cursor被收购后，Cognition更强调自己作为应用层公司和中立平台的价值，可以同时接入不同模型供应商。Scott Wu区分了agent lab和frontier lab，前者更重视真实用户问题、产品体验和软件产出能力。团队文化上，Cognition偏向小团队、高人才密度、强所有权和快速决策。Windsurf周末交易案例体现了这种速度，法律、工程、销售和客户沟通同时推进，目标是在极短时间内稳定产品和团队。

核心概念及解读

Software Abundance，软件丰裕

软件丰裕指软件生产的约束从工程师数量转向想象力、需求表达和组织执行力。过去一个功能能不能做，常常受限于工程人力、排期和技术债。AI代理成熟后，写代码本身会变便宜，真正稀缺的是清楚描述问题、判断什么值得做、设计可靠系统和把产品带到真实用户手里。

Cloud Agents，云端代理

云端代理是在远程环境中运行的软件工程代理。它不依赖用户本地电脑，可以持续执行任务、访问隔离环境、跑测试、处理依赖和部署相关工作。Scott Wu更看好云端路线，因为软件工程任务常常需要长时间运行、稳定环境、并行处理和企业级权限控制。

Event Driven Agents，事件驱动代理

事件驱动代理不等待人类下命令，而是由系统事件自动触发。例如API性能下降、监控告警出现、依赖库需要升级、工单被创建，代理就可以自动启动，分析问题并提交修复方案。这意味着AI编程工具会从聊天窗口变成工程系统的一部分，像值班工程师、代码审查员和运维助手一样常驻。

English as Source of Truth，英文作为事实源头

这不是简单的用英文提示词生成代码，而是让产品规格、需求说明和自然语言约束成为开发流程的权威材料。过去代码是最终事实源头，所有审查和版本控制围绕代码展开。未来可能是规格先行，代理根据规格生成、修改和验证代码，团队审查的重点也从代码细节转向意图、边界和行为结果。

Agent Lab，代理实验室

Agent Lab和Frontier Lab的目标不同。Frontier Lab追求基础模型能力和通用智能边界，Agent Lab更关注把现有和自研模型变成能在真实世界工作的产品。Cognition的定位更接近Agent Lab，研究、训练、产品和商业化都围绕一个问题展开：怎样让人们用软件创造更多东西。

文章基本信息

字段	内容
原标题	Scott Wu Cognition AI on Software Abundance and the Future of Software Engineering
作者	Lux Capital
发布日期	2026年5月20日

访谈要点

软件工程的未来已经提前到来

Devin发布时的判断正在兑现

两年前Devin发布时，完整的自主后台代理、自测代码、电脑操作能力还显得超前。现在这些方向已经进入软件工程工具的主流讨论。代码生成工具不再只是补全几行代码，而是开始承担完整任务，从理解需求、修改代码、运行测试，到在后台持续工作。

这里的关键变化是，工程师和AI之间的关系变了。过去人写代码，工具提供辅助。现在越来越多场景里，人提出目标，代理负责执行。人类的工作重心开始从敲代码，转向定义问题、验收结果、判断方向。

手写代码的重要性下降

Scott Wu提到，现在多数人已经不该继续把大量时间花在手动输入代码上。这个判断很激进，但不是说工程能力消失，而是说工程能力的表达方式变了。懂系统、懂产品、懂调试、懂验证的人，仍然重要；只会把需求翻译成代码的人，会越来越难保持优势。

未来的软件工程师更像系统导演。你要知道哪里出了问题，知道怎样拆任务，知道怎样验证结果，知道什么时候让代理继续跑，什么时候应该打断它。

本地代理与云端代理的分歧

代理会越来越向云端移动

当前AI编程工具的一条分界线，是本地代理和远程代理。前者运行在用户自己的电脑上，后者运行在云端虚拟机或隔离环境里。Cognition更看好云端方向，因为真正复杂的软件工程任务往往需要长时间运行、完整环境、权限管理、测试执行和并行任务处理。

本地代理适合轻量任务，比如编辑文件、解释代码、做小范围修改。云端代理更适合接管完整工程任务，比如修复复杂Bug、跑测试、部署到特定环境、处理企业客户的私有云需求。

云端代理更接近真正的工程同事

一个成熟的远程代理不只是聊天框里的代码助手。它可以有自己的工作环境，可以拉代码、跑命令、查日志、读文档、提交PR。它的价值不在于写出某段代码，而在于能否完整地走完软件工程生命周期。

这也是Devin这类产品的定位。它不是IDE插件，而是一个远程工程代理。它越接近完整工程师，越需要处理工程现场里的脏活：环境配置、依赖冲突、权限问题、测试失败、客户约束、历史代码风格。

事件驱动代理会成为下一阶段重点

代理不应等待人类手动启动

现在很多AI工具还需要人主动发起任务。比如收到Slack消息、Linear工单、Sentry报警后，工程师手动告诉代理去处理。Scott Wu给出的方向是，代理应该在事件发生时自动启动。

比如某个API接口比一周前慢了，系统应该自动拉起代理检查原因。依赖库需要升级，代理可以定期扫描并处理。PagerDuty或Sentry出现告警时，代理可以成为第一响应者，先做初步定位、复现和修复建议。

软件工程会从响应式变成常驻式

传统工程流程里，人类发现问题，然后组织修复。事件驱动代理出现后，工程系统会逐渐变成常驻巡检。代理可以持续观察代码库、性能、依赖、安全告警和用户反馈。

这会改变工程团队的工作节奏。很多小问题不再进入人工排队系统，而是在早期就被代理处理。工程师更多处理高判断任务，比如架构决策、风险评估、产品取舍和重大故障。

英文规格会逐渐成为事实源头

代码不再是唯一权威材料

现在虽然可以用英文写代码，但代码仓库仍然是事实源头。审查代码时看代码，版本控制提交代码，理解系统也从代码开始。Scott Wu的判断是，未来很多事情会转向英文，也就是产品规格、需求文档、行为描述和约束规则。

这不只是提示词工程。真正的变化是，团队以后可能先维护产品规格，再由代理让代码与规格保持一致。代码会变成规格的实现结果，而不是团队理解产品的唯一入口。

DeepWiki和产品规格可能变成操作界面

Q&A里提到DeepWiki这类界面。当前它更像从代码库中生成出来的解释文档，帮助人理解系统。未来它可能进一步变成修改入口。你不再直接改代码，而是在规格文档里写：增加一个新套餐，余额为零时怎样处理，用户权限怎样变化。代理再把这些变化反映到产品里。

这一步还需要模型能力和产品UX继续发展，但方向很明确：人类通过自然语言维护意图，代理负责把意图落到系统中。

写代码已接近成熟，真正难题在代码生命周期

单文件代码生成已经相对可靠

Scott Wu把当前模型能力讲得很直接：如果要求模型生成一个单文件，实现明确功能，大多数模型已经能做到不错。也就是说，AI编程最早解决的是写代码这个局部环节。

但真实软件工程远比写一个文件复杂。真正难的是理解已有代码库，定位复杂Bug，遵守团队风格，向人类解释变更，把结果放到审查流程里，并保证系统行为符合预期。

软件工程的低垂果实还很多

接下来提升空间不在于让模型多写几行代码，而在于让模型更适应工程现场。比如：它能否读懂十年历史的代码库，能否知道哪些测试该跑，能否区分临时修补和长期方案，能否把上下文用人类能理解的方式汇报出来。

这也是为什么应用层公司仍有价值。基础模型很强，但基础模型不一定天然适合工程流程。产品、上下文、权限、环境、评审、客户部署，这些才是代理真正落地的地方。

Agent Lab与Frontier Lab的区别

Frontier Lab追求基础智能

Frontier Lab的核心目标是推进模型边界，追求更基础、更通用的智能能力。它们会做大规模模型训练，研究推理、知识、规划、多模态和通用能力。

这种组织的第一目标偏研究。产品、收入和应用当然重要，但根本牵引力来自模型能力本身。

Agent Lab追求现实世界中的软件生产

Cognition更像Agent Lab。它也做模型训练和研究，但研究项目服务于一个具体目标：让人们用软件生产更多东西。换句话说，模型能力只有进入真实工程流程，才算完成一半。

这里的判断很应用层。Cognition关心的是Devin体验是否变好，客户是否更快拿到价值，产品规格能否成为新的开发入口，代理是否能处理真实企业环境里的复杂任务。

应用层和中立平台的价值

Cursor被收购后，中立性变得更稀缺

访谈中谈到Cursor被收购。Scott Wu对这件事的反应很耐人寻味：对Cognition来说，这是利好。因为如果一个重要AI编程工具被模型或算力巨头吸收，市场会更重视仍然保持独立的应用层公司。

Cognition强调自己是中立方，可以与不同模型供应商合作。这种位置类似瑞士：不被单一模型生态绑定，而是根据产品体验和客户需求选择最合适的模型与基础设施。

应用层不是简单套壳

AI应用层的价值不在于把模型包装一下，而在于把模型变成完整工作系统。软件工程代理需要客户环境、工程流程、权限系统、团队规范、部署方式和商业场景。谁能把这些环节做好，谁就拥有应用层壁垒。

这也是Cognition强调产品体验和客户价值的原因。代码生成只是入口，真正的竞争在于端到端的软件生产能力。

人才密度与小团队扩张

前50人中大量成员有创业经历

Cognition早期团队里，超过一半的人有创业经历。原因不只是这些人聪明，更因为他们习惯从第一性原理出发，愿意承担完整责任，能够在不等层层指令的情况下推进事情。

这种人才适合低管理层级的组织。公司不希望人只是完成一个小模块，而是希望每个人像所有者一样行动，看到问题就处理，看到机会就推进。

高标准比盲目扩张更重要

Scott Wu承认公司可能应该更大，但他强调高标准的价值经常被低估。小团队在高速增长时，如果每个关键位置都足够强，沟通成本会低很多，推进速度也会快很多。

Goldman Sachs企业客户案例很典型。通常大型企业采购软件可能需要12到18个月，Cognition用约3个月完成。背后不是单点销售能力，而是工程、基础设施、私有云部署、用户教育、产品适配和客户沟通一起推进。

公司文化的核心：正确优先于舒适

官僚化往往不是故意发生的

访谈里对大公司官僚化的解释很值得注意。很多人并不是想让组织变慢，也不是故意制造流程。但随着组织扩大，每个人都有自己的激励，比如个人声誉、晋升、部门利益，信息经过多层传递后，原本重要的内容会被扭曲。

官僚化的可怕之处就在这里。它不是某个人作恶，而是很多合理的小动作叠在一起，让组织慢慢失去判断力。

鼓励直接分歧

Cognition鼓励人们直接表达不同意见。只要某种做法更有利于成功，即使它不自然、不舒服、不符合常规组织方式，也应该推进。

这套文化的代价是摩擦会变多。人会被迫面对尴尬的判断、难处理的人事安排、不舒服的决策。但对早期公司来说，舒适感经常会吞掉速度和正确性。

Windsurf周末交易体现了速度逻辑

机会窗口只有一个周末

Windsurf原本涉及OpenAI和Google相关交易，后来留下了产品、客户、IP、市场团队和运营体系。Cognition意识到这里有机会，但窗口非常短。如果拖一周，客户会质疑产品是否还能继续用，团队成员会被硅谷其他公司迅速挖走。

所以他们从周五下午开始行动，周五晚上冷邮件和Zoom沟通，周六线下见面并签署意向书，周日推动律师完成交易。目标是在周一早上前稳定局面。

速度来自多线并行

这件事不是只有CEO和律师在谈。法律团队在推进交易，工程团队在研究怎样保持服务运行，怎样重新接入Anthropic，市场团队在准备客户沟通和公告。每条线都在同时推进。

这里的组织能力很关键。很多公司也会说速度重要，但真正速度来自信任、权限、判断力和激励对齐。律师按小时收费，天然不急；Cognition用奖金把目标对齐，让法律流程从几周压缩到当天。

外界对Cognition工作文化的误解

高强度不等于被动压榨

外界容易把Cognition描述成靠过度工作推动公司。Scott Wu的回应是，他们确实工作强度高，但没人拿着表检查工时。很多人愿意工作到很晚，是因为他们觉得这件事有意思：教AI写代码、服务客户、让业务增长。

这不代表所有公司都能复制这套模式。它依赖人群选择、任务吸引力、团队密度和公司阶段。对一群想学会创业、想承担大责任的人来说，高强度可能带来快速成长。对普通组织来说，照搬只会变成加班文化。

最好的学习发生在极端事件里

Windsurf周末被描述成一次压缩版公司建设训练。一个周末里要处理交易、工程、客户、团队、沟通和外部舆论。这样的经历可能比几个月常规工作学到更多。

这也是创业公司吸引前创始人的原因。它给人的不是单一技能训练，而是完整业务系统的现场经验。

后AGI时代的工作观

长期看，工作本身可能被重新定义

当被问到后AGI世界中哪些技能还重要时，Scott Wu的回答很直接：长期看，人类可能会超越对工作的依赖。他把今天的知识工作和古代农耕劳动做对比。古人看到现代人坐在电脑前按按钮、开会，可能也会疑惑这怎么能算工作。

这个类比说明，工作不是固定概念。技术改变生产方式，也会改变人对工作的理解。未来如果基础生活资料不再依赖人类经济产出，职业焦虑本身也会换一种形态。

中间阶段仍然会有剧烈重组

长期愿景很远，中间阶段会更混乱。工程师、产品经理、研究员不会立刻失去价值，但他们的价值衡量方式会改变。懂得把AI变成生产系统的人会受益，只停留在传统技能边界里的人会承压。

所以更现实的问题不是保住某个职业名称，而是掌握问题定义、系统判断、验证能力、组织协作和产品敏感度。

代理技能与知识沉淀

Skills本质上是组织经验的封装

Q&A里提到agentic skills。Cognition内部早期称之为knowledge，后来逐渐演化成不同形态。很多skills来自代码库实践，比如如何运行测试，如何遵守内部规范，如何处理特定工程流程。

这说明代理的能力不只来自模型。一个代理要在公司内部有用，需要吸收组织的工程经验。模型是大脑，skills像操作手册和肌肉记忆。

远程代理更需要上下文积累

本地代理能做轻量编辑，远程代理要做完整任务。任务越完整，越需要知道公司的习惯、工具链、测试方式、部署流程和历史约束。没有这些上下文，代理就会像新员工一样频繁踩坑。

所以未来AI工程产品的竞争，可能会转向谁能更好地沉淀组织知识，并让代理持续使用这些知识。

软件丰裕时代的真实含义

约束从工程师数量转向想象力和判断力

视频标题里的Software Abundance，核心是软件会变得更便宜、更容易生产。过去很多公司缺工程师，很多需求排不上期。AI代理成熟后，软件生产能力会显著增加，工程师数量不再是唯一瓶颈。

新的瓶颈会变成：你是否知道要做什么，是否能描述清楚，是否能判断结果好坏，是否能组织系统不断迭代。想象力变重要，但不是空想式想象力，而是能落地为规格、流程和产品判断的想象力。

软件吞噬世界之后，AI开始吞噬软件

过去常说软件正在吞噬世界。现在进入下一步：AI正在吞噬软件生产过程。软件仍然重要，但生产软件的方式正在变化。AI代理越成熟，软件行业的权力结构也会变化。

模型公司、应用层公司、云基础设施、企业客户、工程团队都会重新分工。Cognition押注的是应用层和代理层：把AI放进真实工程现场，让软件生产速度和规模发生变化。