產(chǎn)品經(jīng)理如何重構(gòu)面向 AI Agent 的軟件設(shè)計邏輯

從TiDB Cloud的后臺數(shù)據(jù)中，90%的數(shù)據(jù)庫集群創(chuàng)建已由AI Agent自主完成，這一趨勢迫使產(chǎn)品經(jīng)理重新思考軟件的心智模型、接口交互與商業(yè)邏輯。本文將深入探討如何為AI時代重構(gòu)設(shè)計范式，供大家參考。

———— / BEGIN / ————

最近我越來越清晰地捕捉到了一個令我脊背發(fā)涼的趨勢：我們的核心用戶，正在從「人類開發(fā)者」迅速切換為「AI Agent」。

這不是未來的預(yù)測，而是正在發(fā)生的現(xiàn)實。在 TiDB Cloud 的后臺數(shù)據(jù)中，我觀察到一個極其明確的信號：每天新創(chuàng)建的數(shù)據(jù)庫集群里，超過 90% 是由 AI Agent 直接發(fā)起并創(chuàng)建的。

當(dāng)這一比例突破臨界點時，我意識到，我們過去十幾年積累的關(guān)于「如何設(shè)計好軟件」、「如何優(yōu)化用戶體驗（UI/UX）」的默認(rèn)假設(shè)，正在面臨前所未有的挑戰(zhàn)。持續(xù)觀察這些 Agent 如何笨拙或高效地創(chuàng)建資源、讀寫數(shù)據(jù)、反復(fù)試錯，讓我不得不從本體論的角度重新思考一個問題：當(dāng)軟件的主要使用者不再是人，而是 AI 時，產(chǎn)品應(yīng)該具備哪些本質(zhì)特征？

今天，我想跳出具體的某個功能，聊聊在這個新時代，我們該如何重新設(shè)計軟件的「心智模型」、「接口交互」以及「商業(yè)邏輯」。

發(fā)現(xiàn)問題：UI 已死，心智模型永生

第一個需要重塑的認(rèn)知是：當(dāng)使用者從人類變成 AI，軟件真正暴露給用戶的不再是 UI 和 API，而是它背后的「心智模型」。

我們在設(shè)計產(chǎn)品時，往往癡迷于創(chuàng)造新的概念、新的交互方式。但 LLM 在訓(xùn)練過程中，通過閱讀海量的人類代碼（也就是所謂的「屎山」和最佳實踐），已經(jīng)內(nèi)化了大量隱含的假設(shè)。計算機世界里最根本的東西——文件系統(tǒng)、操作系統(tǒng)、進(jìn)程模型、I/O 抽象——在過去幾十年里，雖然形態(tài)在演進(jìn)，但核心思想和接口邊界幾乎沒有本質(zhì)變化。

AI 看到的不是一個多姿多彩的創(chuàng)新世界，而是一個充滿了「重復(fù)模式」的世界：重復(fù)的抽象、重復(fù)的輪子、重復(fù)的錯誤修復(fù)。這些重復(fù)沉淀為一種極強的先驗知識。

因此，我的第一個結(jié)論是：如果你希望設(shè)計的是「給 AI Agent 使用的軟件」，請停止發(fā)明新概念，盡可能去貼合那些古老、卻被一再驗證的心智模型。

比如文件系統(tǒng)、Bash Shell、SQL。它們的共同特點是：底層心智模型極其穩(wěn)定，上層膠水極其靈活。Agent 不是在等待一個它從未見過的「更聰明」的系統(tǒng)（這也是我為什么不看好許多試圖發(fā)明全新接口的 Agent 開發(fā)框架的原因），它更喜歡一個「它已經(jīng)懂的系統(tǒng)」，然后用比人類嫻熟 1000 倍的效率寫膠水代碼去擴展它。

以文件系統(tǒng)為例。無論是 Plan 9 還是 Linux 的 VFS，本質(zhì)上都是允許你在不破壞「文件/目錄」這一心智模型的前提下，引入全新的實現(xiàn)。我在實驗性項目中的嘗試也印證了這一點：如果你設(shè)計一個 vectorfs，讓向量索引看起來像是一個普通的文件夾，讓語義搜索看起來像是 grep 命令，Agent 就能立即上手使用，而不需要學(xué)習(xí)任何新的 API。

對上層來說，世界并沒有改變；對系統(tǒng)本身來說，它卻獲得了持續(xù)演化的能力。 在 AI 時代，系統(tǒng)演進(jìn)速度是人類的幾千倍，如果沒有這種封閉且穩(wěn)定的抽象約束，系統(tǒng)很容易失控。

在此基礎(chǔ)上，關(guān)于「軟件生態(tài)」的爭論也有了新的答案。Agent 并不在乎語法是否優(yōu)雅，也不在乎社區(qū)文化（比如 MySQL vs Postgres）。只要接口穩(wěn)定、語義清晰、文檔豐富，Agent 就能適配。生態(tài)的重要性不在于表層的語法差異，而在于其背后是否對應(yīng)著 LLM 訓(xùn)練語料中廣泛存在的、穩(wěn)固的心智模型。 只要模型站得住腳，Agent 會自動幫你跨過那些人類程序員糾結(jié)的品味之爭。

了解問題：自然語言與符號邏輯的「雙重奏」

如果說心智模型解決了「AI 如何理解系統(tǒng)」的問題，那么接口設(shè)計則關(guān)注「AI 如何與系統(tǒng)對話」。

在 Agent 作為用戶的時代，一個好的軟件接口必須同時滿足三個條件：

1. 可以被自然語言描述。

2. 可以被符號邏輯固化。

3. 能夠交付確定性的結(jié)果。

我們習(xí)慣的圖形界面（GUI）在 Agent 時代幾乎是不可見的。你很難用一句話把「點哪里、拖到哪里」講清楚。而 「設(shè)計正確」的系統(tǒng)，其能力天然就適合被自然語言描述。

很多人擔(dān)心自然語言的歧義性。但站在 Agent 視角，現(xiàn)在的 LLM 已經(jīng)非常擅長從上下文中「猜」出意圖。這并不是因為語言變精確了，而是模型見過了無數(shù)類似的任務(wù)模式。對于系統(tǒng)設(shè)計者來說，只要底層模型是對的，上層的少量歧義可以通過 Agent 的自我修正來消解。

然而，自然語言適合表達(dá)「意圖」，卻不適合承擔(dān)「執(zhí)行」。這就引出了第二個關(guān)鍵點：系統(tǒng)的符號邏輯必須能被固化。

一旦任務(wù)需要被復(fù)用或自動化，歧義必須被消除。我們需要在「人類可讀的輸入」和「機器可執(zhí)行的行為」之間，放置一個中間層——代碼。

我認(rèn)為，代碼是目前最好的邏輯符號描述。 這不是為了省錢，而是為了提高「認(rèn)知密度」。

舉個例子，如果你想讓 AI 給一萬個單詞翻譯釋義。最土的辦法是把一萬個詞都塞進(jìn) Prompt 里；而最高效的辦法，是讓 AI 寫一段 Python 腳本來處理這個文件。模型只需要理解一次「代碼規(guī)則」，Agent 就能用極少的符號，描述一個可以被無限重復(fù)執(zhí)行的過程。

因此，一個 Agent 友好的系統(tǒng)接口設(shè)計，核心在于明確回答：「在什么時刻，歧義被徹底消除？」 當(dāng)這個時刻被定義為「代碼生成的瞬間」，系統(tǒng)就獲得了將模糊意圖凍結(jié)為確定性結(jié)構(gòu)的能力。

同類問題：需要具備哪些特征？

當(dāng) AI Agent 成為主要用戶，基礎(chǔ)設(shè)施的設(shè)計哲學(xué)也必須隨之改變。現(xiàn)在的用戶不再是那些會做長期規(guī)劃的人類架構(gòu)師，而是「用完即走」的 Agent。

1. 日拋型代碼與極致的低成本

Agent 的工作負(fù)載本質(zhì)上是「日拋型」的。它們會快速創(chuàng)建資源、試錯，不行就扔掉。這意味著 Infra 的設(shè)計前提不能再假設(shè)「實例很寶貴」。你必須假設(shè)實例是廉價的、短命的、且數(shù)量會爆炸式增長。

這直接推導(dǎo)出對 「多租戶和成本控制」 的極致要求。你不可能為 Agent 的每一次嘗試都提供一個真實的物理數(shù)據(jù)庫實例。你必須引入「虛擬化」：在資源層面高度共享，在語義層面嚴(yán)格隔離。

這就像 Manus 或 Lovable 背后的數(shù)據(jù)庫方案，Agent 可以在里面建表、刪表、寫垃圾 SQL，完全感覺不到其他租戶的存在。如果你做不到這一點，Agent 就被迫要「省著用」，那么其快速試錯、并行探索的優(yōu)勢就會被成本抹殺。

2. 單位時間撬動的算力杠桿

人類干活是串行的，Agent 干活天然傾向于并行。

傳統(tǒng)的交互模式是：你問一句，AI 答一句，算力被鎖定在單次推理上。但面對復(fù)雜任務(wù)（比如讀完幾百篇論文），Agent 的最佳策略是分裂成 100 個子 Agent 并行處理。

這對 Infra 提出了新的挑戰(zhàn)：你的系統(tǒng)能不能讓 Agent 低成本地瞬間拉起 1000 個工位？ 能不能穩(wěn)定地分發(fā)任務(wù)、收斂結(jié)果？這里面蘊含著一個 K8s 或 Hadoop 級別的系統(tǒng)機會——一個專門為 Agent 并行工作流設(shè)計的調(diào)度與執(zhí)行環(huán)境。

解決問題的思路：商業(yè)模式的代際轉(zhuǎn)移

最后，我想談?wù)勆虡I(yè)模式。Agent 的出現(xiàn)，第一次真正實現(xiàn)了「計算能力的民主化」。

寫代碼、做原型的邊際成本趨近于零，這意味著大量過去因為「不劃算」而被忽略的長尾需求（比如小超市老板的庫存系統(tǒng)、一次性的數(shù)據(jù)分析腳本）突然變得可行了。代碼的生產(chǎn)能力被釋放，服務(wù)對象從少數(shù)頭部客戶擴展到了海量的長尾場景。

在這個背景下，一個真正成功的 Agent 公司，絕不應(yīng)該是一家「賣 Token 的公司」。

賣 Token 的商業(yè)模型是脆弱的：用戶越多，成本越高，且邊際成本不會自動下降。真正能跑通的模式，是把 Agent 的「單次關(guān)鍵推理成本」，轉(zhuǎn)化為「一次構(gòu)建、反復(fù)使用」的云服務(wù)生意。

你需要把那些持續(xù)燃燒的 Token 消耗，沉淀為一些「無聊」但確定的在線服務(wù)（Boring Service）。一旦做到這一點，邊際成本就會被極大地攤薄。云服務(wù)還是云服務(wù)，數(shù)據(jù)庫還是數(shù)據(jù)庫，但使用者的數(shù)量級被 Agent 放大了 100 倍。

結(jié)語

寫到這里，我的核心觀點其實很簡單：世界已經(jīng)切換了軌道，我們沒必要抗拒。

代碼不再稀缺，系統(tǒng)被創(chuàng)建、試用、丟棄將成為常態(tài)。這并不意味著工程不重要了，恰恰相反，工程的重點從「打磨單個系統(tǒng)」轉(zhuǎn)移到了「設(shè)計能被 AI 大規(guī)模使用、低成本運行的基礎(chǔ)能力」上。

放下對「我是不是在寫代碼」、「我是不是在控制一切」的執(zhí)念，回歸到那些古老而穩(wěn)固的心智模型上，去為這個即將到來的機器洪流，修筑最堅實的河床。

本文來自公眾號：靠譜瓦叔 作者：靠譜瓦叔

想要第一時間了解行業(yè)動態(tài)、面試技巧、商業(yè)知識等等等？加入產(chǎn)品經(jīng)理進(jìn)化營，跟優(yōu)秀的產(chǎn)品人一起交流成長！