Paul Jialiang Wu agentic-portfolio 中文 Español 한국어 日本語✉️ 免费订阅列表
← 返回作品集

AI 原生系列 · 智能体化 AI 中的人类动态，第 3 篇（共 4 篇）

快速演变的新趋势：老原则，重新测量

作者 Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-10-14 · 6 分钟阅读

Cover: Emergent trends that move fast, old principles measured again. Three cards: who it is for (anyone deciding which AI headlines to act on), what you leave with (a five-minute test for any new trend and the habit of dating numbers), and the one finding (developers felt 20% faster with AI while the stopwatch said 19% slower, METR 2025). Series map along the bottom, part 3 highlighted.
智能体化 AI 中的人类动态，第 3 篇（共 4 篇）。

一分钟摘要

这是什么。 本系列第 3 篇：人与 AI 智能体协作中的六个新兴趋势，每条都附上最佳证据、该证据的版本，以及它重新测量的那条旧原则。

为什么重要。 2025 年的不少头条如今已经过时。「AI 让开发者慢了 19%」就是其中之一：其作者后来表示他们已经无法重新测出这个结果。一个没有日期的数字，足以悄悄误导一项决策。

读完之后你能做什么。 从你这个月要用的某份方案或备忘录里，找出一个 AI 相关的数字，补上它的日期和版本号；如果两者都找不到，就别用它。然后用本文的「五分钟检验法」来判断下一个趋势。

Human Dynamics in Agentic AI — 系列脉络
  1. 几乎不变的原则 第 1 集
  2. 缓慢演变的最佳实践 第 2 集
  3. 快速演变的新兴趋势 本集
  4. 即将发布 第 4 集

标签说明：EVIDENCE 表示有据可查，DESIGN 表示该实践是如何设计的，OPEN 表示尚未得到验证，而 LENS 则是我个人的看法。

关于智能体与人的头条新闻每个季度都在变。但只要对照第一篇里的原则就会发现，2025 到 2026 年间几乎每一个趋势，都是某条旧规律的重新测量：去技能化对应 Bainbridge，初级岗位减少对应学习鸿沟，智能体身份对应委托合约。由此得到一个结论：既有了快速判断新趋势的方法，也养成了在重复使用任何数字之前先核对日期的习惯。

这是变化最快的那一层。过去十八个月里的六个趋势，每一个都配有最可靠的证据、该证据的版本，以及它重新测量的第一篇原则。它是写给所有必须决定该对哪些头条采取行动的人看的——也就是写给每一个读到头条的人看的。

开始之前先立一条规矩：一个趋势数字，必须带着日期。 下面六条趋势中，有一条自首次登上头条后已被修正，另一条则再也无法重新测量。没有日期的趋势数字，就像没有保质期的牛奶：大概率没事，直到它出事为止。

Three bars for the layers of the series: principles barely move (decades), best practices evolve slowly (years), emergent trends move fast (quarters). A bracket under all three marks part 4, the deal. Part 3 is highlighted.
横条越短，说明这一层变化得越快。第四部分会把三层都走一遍。

不妨先猜一猜

2025年年中，一项严谨的研究计时了经验丰富的开源开发者在自己项目中修复真实问题的过程，分为用AI工具和不用两组。在开始之前，他们预计AI能把耗时缩短约四分之一。秒表怎么说？

趋势一：开发者速度上「感觉速度」与「实际速度」之间的落差

EVIDENCE 答案是C第三项：变慢了。在METR对16名开发者、246项任务的研究中，"developers forecast that allowing AI will reduce completion time by 24%. After completing the study, developers estimate that allowing AI reduced completion time by 20%. Surprisingly, we find that allowing AI actually increases completion time by 19%"（中译：开发者预测，使用AI将使完成时间减少24%。研究结束后，开发者估计使用AI使完成时间减少了20%。但令人意外的是，我们发现使用AI实际上使完成时间增加了19%） (METR, arXiv 2507.09089）。作者们很小心地说明了这项研究没有证明什么，not首先是："AI systems do not currently speed up many or most software developers."（中译：目前，AI系统并未让许多甚至大多数软件开发者的工作提速。）

后来METR表示，后续研究其实测不出结果。2026年2月，它报告称新数据「给出的是一个不可靠的信号」，部分原因在于"developers choosing not to participate in the study because they do not wish to work without AI,"（中译：一些开发者因为不愿意在没有AI的情况下工作，而选择不参加这项研究），并且它认为到2026年初，开发者很可能「提速更多了」（METR update, 2026).

LENS 所以「AI让开发者慢了19%」这个说法，如今已经是个过时的头条了。真正值得延续下去的发现，是人们「感觉速度」与「实际速度」之间的那道落差：感觉上有多快，和实际有多快：第一部分讲的校准原则，这次换成在人身上而不是在机器上验证了一遍。 OPEN 这项后续研究并没有重新测量这个差距，所以它是否依然存在，仍是未知数。先在自己的团队里测一测，再下结论。

趋势二：去技能化的证据来了

EVIDENCE 第一部分提到的 Bainbridge 曾预言：监督型自动化会侵蚀它所取代的那项技能。2025 年，这一点在医学领域得到了验证。医生在使用 AI 辅助结肠镜检查一段时间后，脱离 AI 独立操作标准流程时的检出率，从 "from 28·4% (226 of 795) before to 22·4% (145 of 648) after exposure to AI"（中译：接触 AI 之前为 28.4%（795 例中的 226 例），接触 AI 之后降至 22.4%（648 例中的 145 例）） (Lancet Gastroenterology & Hepatology, 2025）。这是一项四中心的观察性研究，展示的是趋势的走向，而非确切的幅度。

EVIDENCE 在软件领域，2026 年的一项随机对照试验测量了一个相关但不同的效应：不是技能的侵蚀，而是学习本身从未发生。52 名以初级工程师为主的参与者学习一个新的库，一组借助 AI、一组不借助，随后就刚用过的概念接受测验："participants in the AI group scored 17% lower than those who coded by hand,"（中译：使用 AI 的那组参与者，得分比纯手工编码的那组低了 17%，） 而速度上的提升“在统计上并不显著”。在这个样本里，主动要求 AI 解释原理的人学到的更多（Anthropic research, 2026）。这项研究出自一家模型厂商对自家产品所在品类的自我审视，解读时需相应保留几分审慎。「自动驾驶」式的问题，如今有了两个名字：正在消退的技能，和从未形成的技能。

趋势三：阶梯的最低几级正在消失

EVIDENCE 斯坦福大学数字经济实验室发现，在受 AI 影响最大的职业中，22 到 25 岁年轻人的就业率"19% below where it would be had it kept pace with that of their less-exposed peers,"（中译：比起若能与受影响较小的同龄人保持同步增长本应达到的水平，低了 19%，） 其作用机制主要是"primarily through reduced hiring of young workers rather than increased separations,"（中译：主要是通过减少对年轻员工的招聘，而不是增加裁员，） 以及"we find no evidence of widespread, economy-wide job displacement"（中译：我们没有发现广泛的、波及整个经济的工作岗位流失证据） (Brynjolfsson, Chandar & Chen, revised 2026-08-12).

引用时请注明版本：同一篇论文的早期版本给出的数字更低，作者也将研究结果定性为描述性而非因果性。 LENS 把趋势二和趋势三放在一起看，就是第一部分讲的「自动驾驶」问题在整个劳动力市场尺度上的重演：能接手操控的「飞行员」却越来越少——如果招的初级员工更少，招进来的又练得更少，十年后，谁来当那个能检查智能体的专家？

趋势四：智能体有了身份、所有者与离职流程

EVIDENCE 企业身份系统如今把智能体当作一等身份来对待。微软的文档（页面最后更新于 2026-05-01；访问于 2026-10-13）描述了"first-class identity and access management to AI agents,"（中译：面向 AI 智能体的一等身份与访问管理） 为每个智能体配备「所有者、发起人与管理者」，并设有发起人交接流程，"to prevent orphaned agents"（中译：以防止智能体成为无人认领的孤儿）（Microsoft Entra Agent ID).

LENS 这正是第一部分的「委托契约」被写成了正式文件。如今一个智能体名下挂着具体的所有者，一旦此人离职，这个智能体就必须被移交或关停——和承包商的工牌一样，有着同样的生命周期。

趋势五：「智能体老板」

EVIDENCE 微软 2025 年的《工作趋势指数》提出了「智能体老板」的说法："Someone who builds, delegates to and manages agents to amplify their impact and take control of their career in the age of AI"（中译：在 AI 时代，这是这样一种人——他们构建智能体、向智能体委派任务并管理智能体，以此放大自己的影响力，掌控自己的职业生涯） (Microsoft, 2025).

LENS 如果角色转变真的如微软所预期的那样发生，将有更多人把更多时间花在制定规范、委派任务和审核结果上——这正是第一部分的「委托人—代理人」关系，变成了一份岗位说明书。

趋势六：共享的「管道」，在公开场合被治理

EVIDENCE Model Context Protocol 是连接智能体与工具、数据的开放标准，已于 2025 年 12 月捐赠给 Linux Foundation 旗下新设立的机构，据称拥有"more than 10,000 active public MCP servers"（中译：超过一万个活跃的公开 MCP 服务器） 以及 "97M+ monthly SDK downloads,"（中译：每月 SDK 下载量超过 9700 万次） 这两个数字都是由捐赠方自己报告的（Anthropic, 2025).

LENS 在这里，康威定律反过来起作用：有了共享协议，彼此互不往来的组织，造出来的智能体却能彼此对话。

六大趋势，一页看完

| 趋势 | 对应（第一篇）哪条原则 | 最佳证据及其日期 | |---|---|---| | 感受速度与实测速度的落差 | 校准信任 | METR，2025年7月；2026年2月的后续研究未能重新测出 | | 消退的技能，与从未形成的技能 | 自动化的反讽 | Lancet Gastro. Hep.，2025（观察性研究）；Anthropic 随机对照试验，2026年1月 | | 更少的第一级台阶 | 劳动力市场尺度上的反讽 | Stanford，2026-08-12 修订版（描述性） | | 有所有者、可下线的智能体 | 委托关系变成合同 | Microsoft Entra Agent ID，页面更新于 2026-05-01 | | “智能体老板” | 委托关系变成职位描述 | Microsoft Work Trend Index，2025年4月（厂商调研） | | 共享底层设施 | 康威定律 | MCP 捐赠，2025年12月（捐赠方自报） |

五分钟读懂下一个趋势

  1. 它在重新验证哪条原则？ 如果一条也对不上，要么保持怀疑，要么保持兴奋，但都得再核实一遍。
  2. 这个数字是哪个版本？ 没有日期，就别拿它做决定。
  3. 是谁测的？他们卖不卖这东西？ 厂商自己做的研究可以是对的，但不能是唯一的证人。
  4. 这是「感觉」出来的，还是「测」出来的？ 趋势一就是前车之鉴。
  5. 这是因果关系，还是描述性的？ 趋势三的作者说清楚了是哪种。大多数标题党都没说。

我们还不知道的事

OPEN 去技能化是永久性的，还是只是过渡成本，目前尚无定论。第一部分提出的 Brooks 问题同样悬而未决：往已经延误的工作中加入智能体，是否会像加人一样拖慢进度？结肠镜检查与编程这两项研究，测量的都是能力下降，而非恢复过程。我们也不知道初级岗位招聘减少，究竟是暂时的停顿，还是新常态。这两个问题都值得按日期持续追踪，而不是只看标题。

本文可能在哪里失真

  1. 把每个趋势都硬塞进旧框架。 确实会出现一些全新的动态。第一条规则是提醒我们保持怀疑，而非全盘否定。
  2. 你自己材料里的过期数字。 解决办法是给每个数字都标上日期和版本，并在重复使用前重新核查一遍。
  3. 把恐惧当成策略。 去技能化和招聘趋势都是真实的信号，它们指向的结论是：该把练习机会设计进工作流程里，而不是回避智能体。

本周行动建议

从你这个月要用的某份材料或备忘录里，找出一个与 AI 相关的数字，补上它的日期和版本。如果两者都找不到，就换掉它，或者干脆删掉。

下一篇

第四部分将把这三个层次整合起来，回答一个问题：高管、与他们合作的初创公司，以及双方的工程师，要如何在同一份工作中实现共赢，而不是一方以牺牲另一方为代价？

资料来源

相关阅读

作者 Paul Jialiang Wu · agentic-portfolio · 2026-10-14。文中观点仅代表我个人，与所属公司无关。 本页内容生成自一套设有核查机制的流程：篇幅、引用来源、结论标注与诚实披露状态，都会在发布前逐一核查。

Paul Jialiang Wu

Physical-AI 工程师兼创业者 —— 更多内容见 https://agentic-portfolio-lovat.vercel.app/

加入免费订阅名单：内部洞察、私密活动，以及来自工坊的实用工具 —— 第一时间送达。

免费加入 →