人工智能正在赋能那些拥有专业知识但不会编程的人，让他们成为“赤脚开发者”，能够为自己量身打造解决特定问题的“家常软件”。这一趋势极大地降低了软件开发的门槛，虽然也带来了安全和维护等“AI税”的挑战，但它催生了一个由无数小型、个性化工具组成的全新软件层，解放了个人创造力，让工具的创造变得前所未有的便捷。
人人都是开发者
人们总担心 AI 会取代程序员，却忽略了真正的革命：AI 正在把每个人都变成程序员。一个新模式正在出现：拥有深厚领域知识但没有编程经验的人，正在借助 AI 助手为自己构建工具。
过去需要数周专业开发的工作，如今可能只是一个周末项目。这种现象甚至发生在 AI 公司内部，例如 Anthropic 的非技术员工就在使用其自家模型 Claude 来创建解决方案和自动化流程，这证明了新范式的可行性。
“家常软件”的兴起
当你可以构建完全符合自己需求的工具时，为什么还要寻找通用的解决方案？这就是“家常软件”的核心理念：为自己量身定做的小型、个人化应用。
打造一个应用程序，就像做一顿“家常便饭”。
这个概念并不新鲜，但 AI 带来的 速度和可及性 是前所未有的。过去，想要一个自定义的导出格式或特定的工作流程可能需要数月学习，现在，这只是一个下午的工作。想要一个工具和拥有一个工具之间的障碍几乎消失了。
但这并不意味着 AI 正在取代专业程序员。AI 能在几小时内生成一个原型，让你快速起步，但处理边缘情况、确保安全和修复细微错误的“最后一公里”仍然极具挑战性。关键区别在于：AI 并没有取代程序员，而是创造了数百万能够构建简单工具的人。
新的软件经济学
AI 正在重塑软件开发的经济模型。在 AI 出现之前，即使是简单的工具也需要巨大的时间投入，只有那些具有广泛吸引力或至关重要性的工具才值得去开发。现在，投入的精力以小时而非月来计算。
这使得解决那些长期困扰我们的小问题变得可行：
- 一个能重新格式化特定 CSV 文件的脚本。
- 一个只显示你最关心的三个指标的仪表盘。
- 一个能同步两个小众应用数据的工具。
这些工具可能看起来很粗糙，但它们为真实的人解决了真实的问题。这才是最重要的。
不可避免的“AI税”
这种新能力并非没有代价，它伴随着一些隐藏成本，可以称之为“AI税”：
- 提示工程的耗时： 简单的请求很直接，但稍复杂的任务就需要反复沟通。你提出需求，AI 生成有缺陷的输出，你澄清，它又在别处犯错。你很容易完成 80% 的工作，但剩下的 20% 需要不成比例的精力去修正和澄清。
- 验证的负担： AI 生成的每一行代码都是一个“看似合理”的潜在风险。它可能包含 SQL 注入、硬编码密钥 等安全漏洞。你必须仔细审查，因为 AI 是从包含大量劣质代码的公共互联网上学习的。
- 幻觉调试： 这是最令人沮丧的挑战之一，你需要调试那些看起来合理、但实际上调用了不存在的 API 或方法的代码。几个月后，你的代码库会变得像一个考古现场，难以分辨哪些是你写的，哪些是 AI 生成的。
- 理解的缺失： 最大的危险在于，AI 让你能构建出自己根本不理解的系统。当这个系统不可避免地出问题时，你缺乏有效调试它的基础知识。
为自己构建的自由
尽管存在挑战，但只为自己构建软件有一种深刻的解放感。你不再需要考虑普适性，也不需要迎合他人的偏好。
家常软件不需要找到产品与市场的契合点——它只需要契合你。
我们正在见证一个全新软件层的出现。底层是驱动世界运转的专业系统（如操作系统、数据库），中间是为广大用户打造的商业应用，而在顶层，一个由 数百万个微小、个人化工具 组成的新层级正在形成。
这个顶层是混乱、脆弱的，除了创造者本人，外人往往难以理解。但它也极具赋权意义。创造简单的软件正变得像写作一样普及。就像大多数写作并非专业文学一样，这些新软件也大多不是专业级别的。这不仅没问题，而且这正是其意义所在。
安全确实是一个风险，但当工具只在本地处理个人数据时，风险状况就改变了。我们正在创造“个人技术债”，但当个人工具损坏时，受影响的只有所有者自己。相比之下，这些机遇远大于挑战。用户和创造者之间的界限正在消融。