AI热榜 随着 Vibe Coding 不断降低软件开发门槛，“人人都是开发者”开始从一句口号变成一种可被实践的可能：不具备完整工程背景的人，也可以借助 AI 完成产品原型；独立开发者则能够同时调度多个模型和 Agent，把过去需要团队完成的工作压缩到一个人身上。
但当写代码变得越来越容易，真正决定产品成败的问题反而更加突出：如何发现用户愿意付费的真实需求？
怎样把一个想法快速做成最小可行产品？
面对不同模型和 Agent，开发者应该如何选型、传递上下文并控制成本？
一个人借助 AI 完成开发、运营和推广，是否真的意味着传统公司的组织形态将被取代？
在 WAIC 2026 InfoQ 媒体直播间，我们与资深 Builder 手工川围绕这些话题进行了一系列讨论。
手工川从 2020 年大学毕业起持续构建各类产品，发布在自己的品牌网站手工川工作室 lovstudio.ai，并在推动一款面向开发者的开源产品 YODA。
与很多从软件工程进入 AI Coding 的人不同，他本科读的是金融，之后因投行工作中的数据分析和抓取需求自学计算机，最终彻底转向了开发。
从 2024 年 10 月开始，他几乎把所有编码工作交给 AI，“99% 的 AI + 1%的方向”。
在他看来，AI 确实正在让软件开发变成一种更普遍的基础能力，但“能够写出代码”并不意味着每个人都会成为专业开发者，更不意味着一个人只要学会调用模型就能做出有人使用、愿意付费的商业产品。
相比技术，需求、产品判断、传播能力和个人定位，正在成为 Builder 更重要的分水岭。
从金融转向计算机，直到 99%的代码都由 AI 完成 手工川本科读的是金融专业。
最初接触编程，并不是因为他准备成为软件工程师，而是因为金融工作本身需要处理大量数据。
在投行实习期间，除了完成传统的行业研究和财务分析，前辈和导师也希望实习生能够掌握数据分析、数据抓取等技术能力。
为了完成这些工作，他开始自学计算机。
大约在 2017 年，他逐渐发现，计算机比金融更加有趣，于是开始深入研究，最终彻底转向计算机领域。
此后的时间里，他几乎每天都在思考怎样把代码写得更好。
当生成式 AI 开始进入编程领域时，他并没有立即把开发工作交给模型。
尤其是在 2023 年和 2024 年上半年，他认为 AI 生成代码与自己的目标和质量要求之间仍然存在明显差距。
模型可以生成片段、补全函数，却很难稳定地完成完整产品，生成结果也经常需要开发者进行大量返工。
真正的转折出现在 2024 年底。
随着基于 Claude Sonnet 3.5 等模型的 Cursor 走红，，他开始系统测试 AI 编程工具。
测试的结果让他意识到，模型生成代码的质量已经跨过了某个临界点，不再只是提高输入速度的补全工具，而是能够承担大部分实际编码任务的开发者。
从 2024 年 10 月开始，他逐渐停止手写代码。
接近两年时间里，他几乎所有项目都由 AI 完成编码。
“严格来说并非百分之百，但至少 99%的代码已经交给了模型和 Agent，人类只需要负责那起始与结束的 1%”。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接