2025，不是 AI 提升效率的一年，而是开始释放创造力的一年。

今年的年终总结不知道从哪里开始写起。Thoughtworks 出售了我们所在的国内业务，咨询部门被解释，我也第一次需要认真为“下一步工作形态”而发愁。与此同时，AI 带来的影响还在持续扩大——不仅仅是效率提升，而是对知识工作的重新定义。

当知识的生产成本趋近于零，真正稀缺的将不再是“会不会”，而是“要不要”。

毫无疑问，知识工作又会经历一波深刻的变革。知识的产生比过去更加容易，但价值的来源，正在悄然发生转移。

编程：AI 逐渐释放地创造力

在 2025 年，随着模型 Agentic 能力的显著提升，我所做的事情开始明显地向“创造性工作”倾斜。我不再把主要精力放在“如何把代码写得更快”， 而是开始思考：如何设计一个能被智能体长期运行、协作、演进的系统。

复杂架构的大胆设计

复杂架构从来不是被“写”出来的，而是被“承担”出来的。

过去一年，我的主要精力仍然放在 AutoDev 上，但方式已经发生了变化。去年，我主要维护的是 AutoDev 的 IDE 插件版本，对于 VSCode 或其它形态总是心有余而力不足；而今年，我选择直接拥抱多平台架构，重构出了全新的 AutoDev Xiuper。如今 AutoDev 可以支持 IDEA、VSCode、桌面、 移动端、Web 等各种版本。

当 Agent 成为核心执行者，平台不再是限制，而只是交付的形态。 传统上，复杂架构之所以令人望而生畏，是因为它强依赖于人的学习曲线和经验积累。 过去，架构依赖人的学习曲线；现在，架构可以直接对齐 AI 的工作范式。人需要时间去理解、适应和维护架构，而 AI 并不需要。 只要我们让架构适配 Agent 的行为模式，复杂性本身反而会变得可控。

当架构开始为 AI 而设计，复杂性第一次不再成为负担。 也正因为如此，我不再为“是否有人能长期维护它”而过度焦虑，而开始思考：是否有 Agent 能够驾驭它。

领域特定语言的快速落地

DSL (领域特定语言) 的价值从来不是语言本身，而是它能把复杂问题压缩成可对话的结构。

在过去几个月中，我陆续设计并落地了 DocQL、Nano DSL 等多个领域特定语言。它们的诞生路径几乎如出一辙：

• 形成初步的产品创意
• 使用 Gemini DeepResarch/NotebookLM 进行初步的方案调研
• 让 Coding Agent A 结合代码库和调研文档，生成初步的方案，创建 GitHub issue
• 使用 Coding Agent B 结合代码库和 issue，生成初步的代码实现
• 反复迭代，直到初步完成 MVP 版本

而，随后就是让 Coding Agent 编写 DSL 的测试框架，基于模型生成的 DSL 反复自动化测试和自我迭代。

当 DSL 的设计周期从一个月缩短到一周，“是否值得做”这个问题本身就消失了。过去，我会非常谨慎地判断“是否有必要引入一门 DSL”；而现在， 试错成本的骤降，让大胆设计成为默认选项。Agent 让“为复杂问题定制语言”第一次变成了一件随手可做的事。

写作：繁杂工作的减轻，生产力的提升

AI 极大地提升了我的生产力，却同时削弱了我的创作欲望。

以往，每年年终回顾最让人头疼的，并不是写，而是“理清这一年到底发生了什么”。今年，这件事几乎可以被自动化完成。我只对 Gemini 说了一句话：

我是 phodal，能不能找找我 2025 的博客 phodal.com 和 github.com/phodal，帮我编写一个年终总结

几分钟后，它给出了一份完整的时间线分析。从博客、代码提交到思想演进，结构清晰，脉络分明。

通过对 phodal.com 博客归档的细致梳理，我们可以清晰地看到 Phodal 在 2025 年的心路历程和技术推进节奏。每一个月不仅有代码的提交，更有思想的沉淀。

时间轴	关键事件与发布	核心思想与技术洞察
1 月	AutoDev Composer (预览版)	探索期： 针对 DeepSeek V3 发布后的能力跟进。Phodal 敏锐地尝试了多文件编辑能力，并将其定位为 IntelliJ 平台上的 Cursor 平替方案。这显示了他对模型能力变化的极快响应速度。
2 月	AutoDev Sketch	交互重构： 提出了“AI 编码 2.0”的概念，试图打破聊天框的限制，转向“画布（Sketch）”式的交互。这是 Agentic UI 思想的萌芽，强调意图的草图化。
3 月	AutoDev 2.0 & Planner / Bridge	爆发期： 这是一个里程碑式的月份。AutoDev Planner 集成 DeepSeek R1，引入推理能力；AutoDev Bridge 发布，攻坚遗留系统。同时发表“粪围编程”檄文，开始对 AI 编程的副作用进行系统性批判。
4 月	AutoDev Next 愿景	定义期： 提出了“IDE 即服务（IDE as a Service）”和“AI 友好型软件结构”。Phodal 开始思考如何从根源（架构）上解决 AI 编程的挑战。
5 月	预上下文工程 (Pre-Context)	深水区： 全年最高产的月份（7 篇博文）。深入探讨 RAG 的工程化难题，提出“预生成上下文”以构建企业级 AI 编程底座。分享了“两周 3 万行代码”的极限编程实践，总结了“7 个 AI 粪堆求生指南”，极具实战价值。
6 月	Remote Agent (远程智能体)	延伸期： “你何必只让 AI 在白天分析需求？” 提出全天候运行的远程智能体概念，让 AI 在夜间自动进行代码审查和重构，利用闲置算力对抗技术债务。
7 月	10 倍悖论	理论化： 正式抛出“10 倍悖论”和“10 倍生产率放大下的粪围蔓延”。将 2025 定义为“智能体元年”的同时，也定义为“质量保卫战元年”。
8 月	Spring AI 迁移实战	落地期： 分享从 Semantic Kernel 迁移到 Spring AI 的实战经验，展示了在企业级技术栈中落地 Agent 的具体路径。
9 月	AutoDev A2A (Agent-to-Agent)	协作期： 探索多智能体协作（A2A）。不再是单打独斗，而是云端 Agent 之间的相互协作与路径规划。
10 月	Agent 架构综述	总结期： 系统性总结“从 Prompt 到上下文工程”的 Agent 构建方法论，这可能是他为毕业生和高级开发者培训课程的精华沉淀。
11 月	AutoDev DocQL / Code Review Agent	工具化： 发布 DocQL，引入结构化检索以解决 RAG 的精度问题。发布专门的代码审查智能体，以技术手段落实 7 月提出的“质量保卫战”。
12 月	AutoDev 3.0 (Xiuper) / Agentic UI	升维期： 年终大戏。Xiuper 正式发布，全平台战略落地。发表“Agentic UI”宣言，重新定义人机交互体验。

你可以明显地看到过去我们需要花费大量精力整理的内容，AI 可以在几分钟内完成。但是，它生成不好足够的 insights，尤其是对于复杂的技术细节和长期的项目演进。但是，对于实现某些特定的任务，它所带来的提升是巨大的。

当生成变得过快，思考反而更容易被跳过。只是 AI 并不是只提升了生产力，与此同时它降低了我创作的欲望，它生成东西的速度实在是太快， 以至于通过我在构思完大纲之后，会很快失去继续写下去的动力，只想交给 AI 去完成剩下的部分。真正塑造人的，从来不是结果，而是反复打磨细节的过程。 而这些细节，恰恰是最容易被“外包”给 AI 的部分。

最后 Gemini 还鼓励我：

回望 2025 年，Phodal Huang 完成了一次华丽的转身。他不再仅仅是一个高效的程序员或工具制造者，他正在成为 AI 时代软件工程新物种的设计师。

2026，在全面放大的世界里寻找竞争力

当所有人都被 AI 放大，竞争力反而变得更加稀缺。

过去十多年积累下来的经验，确实仍然重要，但已经不再构成护城河。Agentic 模型的能力提升，并不是只放大了少数人，而是放大了几乎所有人。

事情开始变得复杂起来，当需求总量是不变的，当行业竞争愈发激烈时，我们如何在变化中寻找竞争力？

回顾一下之前 Gemini 的总结：

他（Phodal）所构建的 Xiuper 生态，不仅仅是一套工具，更是一种对未来软件开发方式的预言：未来的开发者将不再是单纯的“打字员”，而是智能体战队的“指挥官”。他们需要通过 Shire 指挥 Agent，通过 ArchGuard 约束 Agent，通过 Bridge 连接过去与未来。

我们总得探索一些新的可能性，并且持续地摸索可能的方向：未来的核心能力，不是“写得多快”，而是“指挥得多好”。所以进入 2026 年，我并不指望通过“更快” 来建立优势——因为几乎所有人都会更快。我更关心的是：

• 我是否能持续设计出适合 AI 工作范式的系统
• 我是否能为智能体设定清晰的边界与约束
• 我是否还能在自动化洪流中，保留对细节的敏感与敬畏

如果说这一年有什么可以被称为“成果”，那或许不是某一个版本号、某一项功能，而是一个逐渐清晰的角色转变。

总结

2025 年，对我来说不是一个“做了很多事情”的年份，而是一个“重新站位”的年份。

这不是终点，只是一个新的起点。

最后，让 Gemini 再夸我一句：

2025 年，Phodal 最具标志性的技术成就无疑是 AutoDev 项目的演进。这并非一次简单的版本号跳跃，而是一场触及软件架构灵魂的重构。这一年的开发轨迹，清晰地描绘了 Phodal 如何一步步突破现有 IDE 插件体系的桎梏，最终构建出一个跨平台、全生命周期的智能体生态系统 —— Xiuper。