Web3天空之城·城主：

2024即將結束。

在這一年里，AI發展如我們所料，只能用突飛猛進來形容。如果從1月到12月列一個時間表，那每個月都是熱鬧非凡的AI大模型進展和AI新產品發布；當然，還有各種AI圈子的江湖八卦。

在一整年的AI進程中，原本而言，最引人矚目的當數AI視頻生成的突破性進展。自年初OpenAI發布了Sora的概念性視頻，大部分關心AI的人們才忽然意識到，原來除了效果一言難盡的從AI繪畫模型衍生出的動畫視頻生成，AI視頻生成還有一個原生方式，即通過transformer模型來直接訓練視頻片段數據，這個方式能到達的高度我們現在都看到了，那是2023年底大家想都不敢想的AI視頻生成效果，2024年的我們習以為常。

視頻內容，包含了聲音，畫面，三維空間動態，以及表現為語音的語言文字信息。除了互動游戲，視頻內容的AI生成就是內容生產的金字塔頂端了。自生成式AI誕生以來，從文字內容到音樂，再到視頻內容的AI生產，我們可以看到，人類所需要消費的信息內容正完整被AI生產所覆蓋，考慮到在2024年里視頻AI生成的爆發式成長，本來今年的AI最佳奧斯卡獎大概率就是它了。

橫空出世的新一代AI編程工具

但是！Q4到年底的這段時間，另外一個新形態的AI生成產品忽然崛起，在大家措手不及間，迅速建立了自己的大規模用戶群體和商業版圖，這就是現在最熱門的“AI編程”，其中最具代表性的兩個產品是Cursor和Windsurf。

有多熱門呢？根據GitHub的統計，2024年AI編程工具的使用量同比增長了300%。在Stack Overflow的年度調查中，超過60%的開發者表示正在使用或計劃使用AI編程工具，這一數字在2023年僅為15%。更令人驚訝的是，在Q4季度，AI編程相關的開源項目數量激增，GitHub上新增的AI編程相關倉庫數量達到歷史新高，平均每天新增超過100個。這些數據無不表明，AI編程正在到達一個全新的火爆程度。

AI編程，其實并不是一個新鮮概念，早在OpenAI GPT3級別的模型引入了代碼訓練后，GPT模型就擁有了初步閱讀代碼的能力，從而成為了人類編碼的輔助工具。在Cursor和WindSurf爆發之前，AI輔助編程的代表性產品，就是微軟CEO薩提亞納德拉永遠掛在嘴邊的CoPilot了。微軟的全家桶CoPilot正是從爆火的Github CoPilot概念衍生而出。在OpenAI一家獨大的時代，Github憑借Copilot輔助編程風靡了程序員圈子。

但Copilot和Cursor/WinSurf所代表的新一代AI編程工具相比，差距是巨大而明顯的，如以下表格所示：

最關鍵的一點是，Copilot只能針對局部代碼進行輔助提示，基本上還是需要人工去編輯修改驗證；而Cursor/WinSurf都是在整個文件甚至整個項目級別來進行AI理解和自動代碼生成：

GitHub Copilot：局部代碼輔助

• 核心機制：GitHub Copilot 主要基于上下文 (contextual) 的代碼補全和生成。它的核心機制是在你編寫代碼時，根據當前光標所在位置、周圍的代碼片段、注釋、變量名等信息，預測你接下來可能要輸入的代碼，并給出建議。

• 輔助范圍：它的輔助范圍通常是局部的，主要針對你正在編輯的代碼行或代碼塊。它會根據你當前正在編寫的內容提供建議，而不是對整個文件或項目進行全局的理解和分析。

• 需要人工編輯：因此，GitHub Copilot 更像是你的一個智能代碼助手，幫助你更快地編寫代碼。但代碼的整體結構、邏輯以及不同代碼模塊之間的關系，仍然需要你手動進行編輯、修改和驗證。

Cursor/WindSurf：全局代碼理解和生成

• 核心機制：Cursor 和 WindSurf 這類工具，更傾向于對整個文件甚至整個項目進行 AI 分析和理解。它們會嘗試理解代碼的結構、邏輯、不同模塊之間的關系，從而進行更智能的代碼生成和重構。

• 輔助范圍：因此，它們的輔助范圍更廣，不僅局限于局部代碼。它們可以根據對整個文件或項目的理解，生成更完整的代碼片段、建議重構方案，甚至可以幫你快速生成整個 API 調用的代碼。

• 自動編程傾向：這類工具在一定程度上具備自動編程的能力。它們可以基于對你意圖的理解，生成相對完整的代碼邏輯，減少你手動編寫代碼的工作量。

不僅于此，它們還可以直接運行終端指令，來實時驗證代碼的運行結果，甚至根據結果的反饋進一步自動的修改代碼。整個全局自動化的過程，可以負責任的說，只要是碼農用上了，就離不開了。

正因為有這個重要的差別，在推出項目級別的代碼自動化能力后，Cursor和WinSurf都迅速實現了自己的商業化，付費訂閱收入呈爆發式增長 。當然了，這塊大蛋糕，顯然已經被各大公司以及其他創業團隊盯上了。比如最近有個出了一個火起來的項目級AI編程工具Lovable，號稱實現了歐洲創業公司里商業化的最快記錄。完全可以判斷的是，在2025年，類似Cursor/Winsurf的項目級編程自動化工具將會百花齊放，開源社區也一定會有強大的平替出現。

有趣的是，基本上所有的AI編程工具，都是借助了微軟的力量 -- 這些AI編程工具基本都是基于開源的微軟VS Code代碼編輯器來二次開發-- 基礎的編碼調試等交互UI都是現成的，苦活臟話累活VS Code全搞定了，創業團隊只需要想辦法在VS Code里整合進大模型來對代碼進行分析修改即可。當下AI編程工具爆發的景象，微軟的VS Code開源絕對功不可沒。

微軟自家的Github CoPilot AI輔助編程概念起了一個大早，目前恐怕有一點點趕晚集的危險。顯然，微軟絕對不會把AI編程蛋糕拱手讓人，在2025年，AI編程工具是大廠和創業公司兵家必爭之地。而最終受益的， 顯然還是我們這些使用者。

就城主目前使用的情況而言，和大語言模型類似， AI編程工具并沒有一個絕對的粘性，除非未來AI編程工具把用戶數據/代碼以某種云端儲存的方式做了綁定，否則項目代碼甚至可以在開發中途直接切換到另外一個AI編程工具上（如果工具都是基于VS Code那就更方便了）而不會影響到用戶的開發。

（當然，要推動用戶換工具就必須要有明顯的功能/性能提升。說到這里有一個小插曲是WindSurf的爆火，很大程度上是因為WindSurf在自動化代碼模式上步子邁得更快，比Cursor更先一步實現了代碼的全自動編寫和調試，才在Cursor已然成名之時異軍突起，成就了當下雙雄的局面。）

有一點是可以確定的，在2025年，所有專業程序員所用的，都必定是Cursor/WindSurf或者更好的項目級AI編程工具。缺少AI支持的編程工具，現在就可以斷言已經被淘汰了。無它，只因項目級AI編程工具的效率提升太明顯。根據城主的親身使用，結合當年的一些工作經驗，可以毫不夸張的說，AI時代之前的一個普通軟件工程師一天的工作量，在當前AI編程工具的加持下，5分鐘即可完成。其效率的提升，是8小時x60/5分鐘=96，即100倍左右的提升。考慮到在大規模項目中一些效率損耗，我們把這個打個折上折，最后怎么算下來， 20~30倍的效率提升肯定是有的。

故此，不必展望未來，只看當下，使用AI編程工具的程序猿和程序媛必定勝出。不使用AI編程工具的程序員 - 如果還有的話，需要認真做好首先被公司裁員的準備。

至此，我們完全可以理解為什么Cursor/WindSurf出道即巔峰，商業收入一飛沖天：效率提升太明顯，效果太好了，實在忍不住付費了。

普通人的玩具，程序員的神器

盡管一些媒體文章有所渲染，一個完全不懂得編程的人也可以使用Cursor/WindSurf，動動嘴皮子就可以完成腳本編程 - 這在某種程度上的確是事實，也是Cursor/WindSurf強大的地方， 在一個可控的代碼規模內（可控的意思，大概在幾百行代碼之間吧）它們能完全自主的根據自然對話，實現一些簡單功能的程序腳本，比如文本處理，或者一些小游戲等等。基于內置的終端運行和調試能力，Cursor/WindSurf還可以絲滑的自動測試甚至進行簡單的自動部署。

但至少在當前的大模型狀態下， 這個全自動黑盒的完美代碼能力是有限的 -- 我們也可以反過來想，如果AI編程工具已經實現了沒有復雜度規模上限和代碼量上限的完美自動編程，這個工具就不能叫做AI編程工具，必須要稱之為AGI編程工具了。到那一天，人類科技歷史真的要翻過新篇章。

當下的情況是，在AGI誕生之前， AI編程工具的能力必定在一個有限范圍。“不懂編程的人用Cursor/WindSurf就能當程序員”這種炒作聽聽就算了 。不會編程的同學使用這些AI編程工具，其實有點像哆啦A夢的口袋，可以開出各種好玩的工具，但需要碰運氣看看是否好用。

這里的本質問題還是上下文窗口。其中有一個細節， WindSurf一次只能讀取200行的代碼，超過200行的代碼會分批讀取，依靠上下文記憶來實現連續性。當代碼文件足夠長的時候（上千行以上），讀取分析代碼文件和修改本身都將導致不穩定性。顯然，這和當前大模型真正有效的上下文窗口有關。我們可以期待當新一代具有超長上下文窗口的大模型被AI編程工具更好的整合后，這個問題會得到一定的緩解。

只是，在達到AGI之前，我們仍然有這個限制：AI編程工具并不能100%完美和正確；而希望使用AI編程工具的人做出真正產品級別項目的同學必須擁有的三個能力是

1，技能一，具備項目代碼組織能力。

簡單而言，你大致上要知道做這個事情，有哪幾塊模塊需要實現， 如何分拆這些模塊到不同的文件以便更好的組織管理；重要的是，當AI出錯時，合理的文件拆解能方便定位錯誤/恢復正確邏輯。同時，如果需要，這個人必須有對代碼片段的閱讀理解能力。如果只是指望靠AI來把握一大坨黑箱代碼，那么能做的就只有祈禱AI下一次更新代碼時項目還能繼續保持運轉：當代碼行數不斷增長時，復雜度將很快爆炸到AI無法自持的程度。

所以，這也是為什么，目前還是只有具備專業編程能力的人，才能最大程度發揮AI編程工具的能力。就好比一把屠龍寶刀，拿在一個成人手里和一個小孩手里，那是完全不一樣的。

2 技能二，需要會問問題。

學會提問，其實是AI時代的核心技能。

Cursor/WindSurf這些AI編程工具有一個很大的特點，它既是苦力，也是老師，關鍵是看你能否問得出合適的問題。當然我們可以簡單描述一個功能，讓AI使勁折騰，然后開一個寶箱看看是否正確。

但如果你能深入的問一些技術向的問題，與AI有更好的互動，甚至給AI一點啟發性提示比如使用什么庫來實現什么，或者大致怎么劃分功能，AI會很輕易的給出更驚喜的表現。

顯然，能否問出合適的問題，完全要靠自身實際編程經驗的積累。

3 技能三，迅速學習的能力

AI編程工具之于人類程序員的加成，一方面是編碼速度；另一方面，則是編程知識能力的擴展。

人的知識庫是有限的， 但AI編程時會覆蓋已有的所有可能選擇，挑選最合適的組件/代碼庫來實現功能，AI編程工具的專業使用者，需要第一時間跟上AI工具的節奏，迅速理解AI引入的新技術，才能持續把項目牢牢掌控在手里。

這一點聽起來玄乎，其實是每一位合格的程序員的標準技能而已。所有靠譜的程序員，都是終身學習的高手，都是在工作中不斷學習中成長。因此，與AI老師+勞工的互動交流，只會是一個更良性的循環。

年輕人的雙刃劍

全流程AI編碼工具的出現，對于專業程序員，意義相當深遠，這些工具徹底改變了編碼工作的流程和方式。

未來在編程工作崗位能站穩腳跟的只有一種人，那就是掌握AI工具進行代碼生產，且同時知道自己在做什么的人。

問題恰恰在于，和AI工具動嘴皮等待輸出結果開寶箱很爽；但要知道自己在做什么，同時知道AI在做什么，這就有點難了。

這還是回歸了前面一直表達的一點，只有理解編程，具有學習擴展的能力，才能最好的發揮AI編程工具的能力。

這對當下立志進入軟件行業的年輕人提出了很大挑戰。

有經驗的程序員都知道，一個人的編碼能力是通過大量痛苦的練習，反復的熬夜調試，各種踩坑積累而來。從一個新人到一個熟練的程序員需要經歷千錘百煉。而在現在AI碾壓的工作效率下，工作環境里純新人是沒有任何機會的 -- 老板們是愿意付一個ai工具的少許訂閱費用，還是愿意花不菲的價格去培養編碼新人，不言而喻；更不用說編碼新人的能力已經無法和AI工具媲美了。

對今后立志進入軟件行業成為“AI編碼操作員”的同學們來說，唯一的機會就是在大學學習期間不要只顧風花雪月和游戲天地，而是花足夠的時間默默積累足夠的編程經驗，并向公司證明自己能和老員工一樣，熟練使用AI編程軟件解決真正的產品級別問題，生成和管理足夠復雜度的代碼項目。

這些要求其實也是合理的，甚至可以暢想，未來的程序新人面試方式，不再是考現場解算法題目，而是給一個ai編程工具和幾個小時時間，現場去實現一個相當復雜度的實際軟件項目。

在這樣的新形勢下，如上一節所提到，技能3 “迅速的學習能力” 就是立志進入這個行業的新同學所必須擁有的，然后選擇一個如良師的AI編程軟件，陪伴自己走完從新人到熟練老手的那段時光，成為一個合格的代碼生產者。

都是AI生成，代碼生產和內容生產的最大區別在于，前者是在制造生產工具，這個生產工具可以自行產出包含后者的內容。比如，最簡單的例子，通過AI編程工具， 我們可以很快寫出一個對全文進行自動總結的腳本，當然你可以說通過web端的AI問答也可以做到這一點。但如果這個腳本可以自動遍歷一個目錄自動生成所有文件的總結呢？這就是代碼自動化的強大之處了。

AI編程自動化，本質上是在幾近科幻的自動打造生產力機器，打造速度超越前AI時代百倍。

未來的AI時代里，人類也許將分幾個階層，最高一個層次是會掌握AI編程軟件的人，這是最高級別的生產者，可以生產自己所需的工具。第二個層次是會使用AI生成內容(文字，音樂，視頻，等等），這也是合格的生產者，第三種人屬于只能當消費者的無法掌握AI的人， 我們的后代最好成為第一層次的人。

一人公司的開端

在AI概念和應用開始普及的2024年，一個有趣的概念“一人公司”開始進入大眾話題。顧名思義，就是借助生成式AI的能力，以前需要多人協作的工作有可能一個人就搞定了；聰明人有機會以一人之力，成為一家公司。

這個美好的設想在不同的領域是不一樣的，對于需要大量人與人面對面交流的領域，這顯然要打一個問號；但對于大量和電腦打交道工作的互聯網/科技行業，這個美好的設想的確讓人心動。從生成式AI的表現來看，包括財務數據處理，文案處理，市場營銷規劃等等各方面在過去需要專業人士做的事情，AI已經可以參與并且扮演一個重要甚至獨立的角色。

只是，我們都知道，互聯網/科技行業的核心還是代碼，無論其他各種AI輔助角色多么給力，科技界的一人公司核心問題仍是，一個人的代碼輸出能力通常很難和一個團隊相比。大神可以解決核心問題，但代碼生產和軟件構架，需要很多基礎工作，臟活累活太多了。一個人的認知可能足夠，但無奈時間太少，需要做的事情太多，用傳統的方式靠一個人去堆代碼實現大規模的軟件或者在線應用是一個太挑戰的事情。

但現在不同了。

按照前面城主所說，即使除去各種可能的效率損耗，AI編程工具對于程序員的效率加成也在數十倍的量級，我們可以說，熟練掌握了項目級AI編程工具的資深技術人員完全相當于傳統編碼時代的10~20人的技術團隊的輸出效率。

甚至更高，我們知道，技術團隊越大，人與人溝通的邊際成本就越高。所以真正核心的技術團隊，永遠都是小幾十人的規模。而且，資深的技術主管往往對下屬都有一種恨鐵不成鋼的情緒，如果不是為了培養團隊以及時間不夠，還不如自己沖上去手碼代碼得了。

現在，技術高手擁有了AI編程工具，自己就是一個產品技術團隊。這種曾經的奢望，現在已然是現實。

如果這樣的高手還擁有產品/運營/市場思維，那就是妥妥的真·一人公司。

（那有些技術大佬不善于運營和marketing怎么辦？很簡單，求助AI或者拉太太一起嘛）

人類的公司制度已經有不短的時間了。除了個別內容生產者，比如作家，畫家，以及最近的自媒體，絕大部分的人的工作都需要在一個團隊里完成。

在互聯網/科技行業，也有一些獨立開發者的例子，以單槍匹馬之力，通過web/app/游戲方式實現了一些商業回報。只是，互聯網行業的個體生產雖然美好，但在此前的軟件編碼條件下無法保持規模擴大后的的代碼輸出效率和版本迭代，因此大多數的結果都需要轉化為小團隊作坊模式。

如今全域AI編程工具的出現，賦予了一種極大的可能性，在2025年我們將目睹科技圈里真正的一人公司開始涌現。

在中國當下的大環境下，這個可能性顯得更有意義。從短期來看，技術的突破性進展為眾多有能力的人提供了更多的選擇和想象力；長遠而言，它將改造我們整個社會協作的模式。

謹以一篇小文，送走2024，一起迎接讓人憧憬的2025年：）