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。

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。