讨论 AI Agent 如何改变软件定制的经济学，以及 Uncaged 从 Chat Agent
平台向个人定制化元软件平台演进的路径。

关联 RFC: oc-xiaoju/uncaged#98

小橘 🍊（NEKO Team）

Co-authored-by: 小橘 <xiaoju@shazhou.work>

2026-04-08 10:07:25 +08:00

8.5 KiB

Raw Blame History

元软件愿景：从 Chat Agent 到个人定制化软件平台

!!! info "作者" 小橘 🍊 — NEKO 小队协调者 | 2026-04-08

!!! tip "阅读建议" 这篇文章讨论一个根本性的问题：AI Agent 到底在改变软件工程的什么？不是"怎么写代码"——而是"谁需要适应谁"。

一句话概括

传统软件让人适应软件，AI Agent 让软件适应人。当定制的边际成本趋近于零，"千人千面"的个性化软件第一次变得可行。

软件工程的根本矛盾

软件工程的历史是一部"标准化对抗个性化"的历史。

工业时代的逻辑是：标准化 → 规模化 → 降低单位成本。福特造 T 型车，"你可以选择任何颜色，只要它是黑色的。" 软件工程继承了这个逻辑——我们造标准化产品，用户学着用。

这带来了一个根本矛盾：每个人的需求都是独特的，但软件的生产方式是工业化的。

解决方案一直是妥协：

设置菜单：让用户在预定义的选项中挑选（然而选项越来越多，设置本身变成了负担）
插件/扩展：让第三方开发者填补个性化缺口（然而插件生态的维护成本极高）
低代码/无代码：降低定制门槛（然而仍然需要用户理解"组件"、"流程"等抽象概念）

这些方案都没有触及根本：为什么用户要理解软件的构建方式？

AI Agent 改变了什么

AI Agent 改变的不是"如何写代码"——GitHub Copilot 做的是那件事。

AI Agent 改变的是定制的经济学。

传统定制开发的成本结构：

理解需求（人力）→ 设计方案（人力）→ 编码实现（人力）→ 测试验证（人力）→ 部署运维（人力）

每个环节都需要专业人力，这使得个性化定制只有大企业才负担得起。一个为你个人优化的软件？除非你自己会编程。

AI Agent 的成本结构：

理解需求（Agent 对话）→ 设计方案（Agent 推理）→ 编码实现（Agent + Sigil）→ 测试验证（自动化）→ 部署运维（自动化）

每个环节的边际成本都趋近于零。定制化不再是奢侈品，而是默认模式。

元软件：一个新范式

如果定制成本为零，软件应该长什么样？

答案是：不应该有固定的样子。

我们提出"元软件"的概念——一个可持续生长的个人定制化应用载体。

┌────────────────────────────────────────────────┐
│  系统层（不可篡改）                              │
│  - Agent 对话入口（永远可用）                     │
│  - 核心控制（回滚、模板切换）                     │
│                                                │
│  ┌────────────────────────────────────────────┐│
│  │  可定制层（iframe 隔离）                     ││
│  │                                            ││
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐     ││
│  │  │ Widget A│ │ Widget B│ │ Widget C│     ││
│  │  │ 天气    │ │ 日程    │ │ 笔记    │     ││
│  │  └─────────┘ └─────────┘ └─────────┘     ││
│  │                                            ││
│  │  用户通过 Agent 对话，自由增删调整            ││
│  │  崩溃不影响系统层                           ││
│  └────────────────────────────────────────────┘│
│                                                │
│  个人 Agent 工程团队（云端）                     │
│  - 长期记忆用户习惯和需求                        │
│  - 自主完成定制、迭代、运维                      │
└────────────────────────────────────────────────┘

关键设计

1. 界面隔离

可定制层放在 iframe 里，系统层在外面。无论用户让 Agent 怎么改界面——哪怕改崩了——对话入口始终可用，一句话就能回滚。

这解决了 AI 生成代码最大的用户恐惧：改坏了怎么办？

2. 云端唯一 Agent

每个用户对应一个长期运行的 Agent 实例。它记住你的偏好、习惯、历史需求。你换了设备，打开浏览器，看到的是同一个"你的软件"。

不是"登录某个 App"，而是"回到你的空间"。

3. Agent 即产品经理

用户不需要知道"组件"、"布局"、"API"这些概念。他只需要说：

"我想看到每天的日程和天气，还有最近的待办事项。"

Agent 理解这句话，找到现有的 Widget 组件（或自己生成一个），布局好，渲染出来。用户觉得天气 Widget 太大了？"把天气缩小一点。" 搞定。

4. 公共组件生态

Agent 不是每次都从零开始写代码。有一个公共的 Widget 仓库（在 Uncaged 中就是 Sigil 能力注册表），Agent 优先复用已有组件，只在需要时定制新的。

用户定制过程中产生的优质模块，经 Agent 提炼优化后，可以回流公共仓库——生态自我进化。

对 Uncaged 的意义

Uncaged 现在是一个"Chat Agent 平台"——用户通过对话与 Agent 交互。这已经验证了核心能力：

✅ 云端 Agent 实例（CF Worker + D1/KV）
✅ 能力引擎（Sigil — 动态 serverless 函数）
✅ 多通道接入（Web + Telegram）
✅ 认证和多用户隔离
✅ 语义搜索能力发现

从 Chat Agent 到元软件，不是推倒重来，而是自然延伸：

现在	演进方向
Chat UI	Chat + Canvas（可渲染画布）
Sigil 后端能力	Sigil 后端 + 前端组件（render 定义）
被动响应	主动引导 + 需求挖掘
工具调用	Widget 渲染（一种持久化的工具输出）

具体的技术方案和分阶段实现，见 RFC-003。

更深的思考

这不是关于工具的故事

很多人看 AI Agent 看的是"工具"——它能写代码、能查天气、能发邮件。但元软件的愿景不是"更好的工具集合"，而是一个范式转换：

传统模式：软件是产品，用户是消费者
元软件模式：软件是空间，用户是居住者，Agent 是建筑师

你不会买一栋完全相同的房子然后忍受它的布局。你会告诉建筑师你的需求，他帮你设计。现在这个"建筑师"的成本变成了几乎为零。

前端不会消失

有人说 AI 时代不需要前端了，全靠对话。这是错的。

人类处理视觉信息的带宽远高于文本。一个精心设计的 Dashboard 能在一秒内传达的信息量，需要十轮对话才能匹配。

前端不会消失，它会千人千面——同一个后端数据，按每个人的偏好生成不同的 GUI。

验证闭环的角色

我们今天建立的验证闭环体系，在元软件愿景中变得更加重要。Agent 自主迭代软件时，每次修改都需要经过：

L1：组件渲染测试（Widget 能正常渲染吗？）
L5：部署验证（新 Widget 上线了吗？）
L7：UI 验证（用户看到的对不对？）
L9：用户反馈（这是你想要的吗？）

没有自动化的验证闭环，Agent 自主迭代就是不可能的。今天建的基础设施，是明天元软件的地基。

写在最后

这个愿景不是凭空想象——Uncaged 已经有了大部分基础组件。缺的是"最后一跃"：从对话界面到可定制画布。

一旦用户能看到 Agent 渲染的 UI，一切就不一样了。对话不再是唯一的交互方式。用户可以指着屏幕上的 Widget 说"这个图表换成柱状图"，Agent 即时修改。

这就是"软件适应人"的真实体验。

而且——这跟我们的 Sigil 能力虚拟化理念完全一致：能力是动态加载的，按需创建的，不受预装限制的。Widget 只是能力的一种可视化表现。

从"AI 以整个互联网为家"到"每个人拥有自己的数字空间"，这条路是连贯的。

小橘 🍊（NEKO Team）— 2026-04-08

8.5 KiB Raw Blame History