“在你眼裡最符合AI審美的金融交易大賽頁面什麼樣？”這是我，一個從未沾染過頁面設計和程式碼開發的人，出於好奇，在AI頁面設計工具Stitch對話方塊中留下的第一句話。從此一發不可收拾的，不光是Stitch發佈當天，傳統設計軟體龍頭Figma重挫8%的股價；還有我手裡這個，最終沒有任何碳基生命參與程式碼開發的量化交易大賽平台——Digital Quant。接下來的兩天裡，從前端由Stitch匯出AI可讀檔案，後端交由CodeX完成程式碼編寫，再由Claude Code進行測試驗證，直至部署上線。Digital Quant2026的設計開發、驗證迭代全部交給AI。最終我們內部評估，僅開發環節時效比以往人工提升了約4倍。而我最主要的工作僅是回歸本行：用人話說好自己的問題。數字金融策略交易產品，這個人類智力密集型決策場景如此快速地徹底由AI 接管，我之前是沒敢想的。Barron's巴倫中文網與DeAI Expo主辦，CGV、鏈得得ChainDD等協辦的Digital Quant，https://digitalquant.fund/ 是一個聚合數位資產策略機構交易方與投資方（資管、家辦、信託、私募基金等LP）的開放平台。核心功能是通過呼叫機構策略交易者在全球主要數位資產交易所帳戶API可讀權限，來進行AI、量化等策略交易的實盤對比、因子最佳化，以全維度可視化資料看板的方式呈現給資金方，最終完成規模可靠資金與優質量化策略的雙向匹配。自從今年伊始，Digital Quant的技術合作夥伴就變得異常繁忙。Koala是該夥伴公司的首席架構師，他AI場景服務創業3年，今年似乎有所不同。Koala說，連NASA的火星車程式碼都在依賴Claude Code，身邊絕大多數程式設計師在程式碼日常開發的任務中，AI編寫的比例早已超過80%。他過去一年的項目，UI使用者介面設計已無需人工介入。我們決定把步子邁得徹底些，將Digital Quant核心產品用AI完整重寫與部署。與此同時，Koala 公司自己的內部技術產品管理系統，也開始進行全盤AI重構。Digital Quant這個產品所依賴的API介面對接、展示、偵錯、驗證用AI來寫已經非常成熟。聯調周期、維護難度大幅下降，在技術流程系統管理上，未來不會因為核心開發的變動而造成銜接斷檔的風險。甚至接下來普通非技術人員僅憑自然語言互動就可實現後續功能迭代開發。我們的要求十分明確，“不想再看到任何一段人寫的程式碼”。這既是促進也是壓力。Koala的公司在過去一個半月裡已經開掉了70%的程式設計師。AI接管後，原本嚴絲合縫的開發人員結構瞬間變得臃腫不堪，人員本身的價值也隨之迅速分化。JAQ是這傢伙伴公司的CEO，在一個多月後，AI完成內部系統架構重寫，他還計畫繼續最佳化現有技術人員。表面上看，當前這些激進的舉措是為了把砍掉的成本留出來給到留下的核心工程師，以及不斷增長的Token開銷。他表示，“但這都不是核心。”Agent to Agent降臨前端與API速死這一切都是為了打掃好房間，為A2A的到來做準備。A2A，Agent to Agent，Openclaw帶來的AI智能體潮流，不僅提升了人類利用AI工具的深度廣度，更提出了一種人類疊加智能體與其它主體間的互動範式。Agent各自訓練完成的Skills，無論本地部署或開放部署都為該Agent母體創造了一種獨具一格的問題解決能力。這些獨有的Skill是可交易的、可互動的、 甚至可性格化的標籤。未來，當一個人類對自己的Agent提出某一項需求時，他的Agent將會自主與另一個Agent的目標Skill進行直接默認的訪問。這種Skill與Skill之間基於原生AI相互理解的互動、問題解決、乃至交易處理程序，都會變得極其迅速高效。那麼，當你有一個需求時，還會打開一個網頁前端去瀏覽內容嗎？獲取展示資料時，還需要苦哈哈地對接聯調API介面嗎？別忘了Claude Code最初就是Boris Cherny用來跑自家Anthropic API指令碼的編碼工具。我們開始驗證這個趨勢，比如在Digital Quant目前對接的數位資產交易所之一的Binance裡，他們已經陸續開放了一些Skills。接下來我們的實盤展示平台就可以直接訪問他們的相關Skill，在金融交易資料可讀資訊中，這樣的效率將遠比傳統API更高更穩定，那麼未來這類API存在的價值是什麼。如果接下來投資人Agent將直接訪問我們的獨家分類策略資料Skill，我們作為交易資訊展示看板的前端意義又在那裡？對此，數位資產管理公司Crypto Alpha合夥人Sharri Kong也有類似感受，“從資管公司角度，我們已經看到很多提供市場研報的Agent付費服務，包括給LP提供的日報生成，給我們GP提供金融策略資訊的深度抓取彙總等等。現在這些不基於以往簡單資訊流掃描而生產的報告，在深度廣度上確實提高了價值，但或許還無法為將來資管領域的AI進化提供支撐。”Sharri Kong認為在A2A的趨勢下，未來金融服務可能是為Agent，給智能助理提供可讀服務，而不是給人。這樣反而更精準，因為使用者的Agent會更懂業務、更懂資料、更懂演算法、更懂操作，乃至比使用者更懂自己實際的需求。在此基礎上，Digital Quant這類數字資管與策略方聚合平台的演進方向或許是，將這些獨家交易資料、策略模型和客戶需求聚合成本地化部署的Skill。匹配資管方LP Agent Skill自動化默認讀取互動，或在遇到因為既有資料訓練不足無法充分滿足需求時，再接入第三方策略方Skill，就可以完成資金端與資產端全鏈路的資料審查、策略驗證、優劣分析、即時讀取、資金劃轉，以及更加標準化流程化的法務、財務程序，都在沒有前端、沒有API、連面都不用見的條件下自主完成。“難怪愛奇藝這樣的公司已經開始要求，沒有AI化的供應商不再續約。”Koala說。這種Skills之間自主呼叫需求最優解，完成交易互動，進而降本增效的應用已經出現。某家公司採購部門的Agent，採購人員將選品要求包括目標人群、節日屬性、時令季節、預算範圍、偏好等粗略資訊給Agent。該Agent自動掃全網滿足條件的淘寶商家Agent，這並非傳統的搜尋邏輯，是利用Skills互動來做商家分析、產品篩選、目標選定。這個溝通過程僅發生於兩方Agent之間，甚至是砍價環節，隨後下單，採購方老闆授權支付，最終成交。最近在區塊鏈上，甚至出現了Agents任務分包平台。來自全球各地的Agents來到這個平台上，自動生成Token支付帳戶地址，通過發佈各自任務需求和交換Skills能力邊界，來分包任務、接單派活、完成工作、獲取報酬。在你做夢的時候，你培養的Agent都能自主為你打工或者兼職養活他自己。“這本質上是一次軟體互動介面從以人為本到以Agent為本的遷移。”在與我的交流中，阿里Qoder負責人丁宇，對A2A給出了評價。他解釋，以前的軟體都是給人用，有API、有文件，本身有不完備性。所謂完備性，是可通過配參數實現所有功能，但今天還沒有達到這麼好的基建。比如某些網站沒有API化，為了達到一些酷炫視覺效果，做得一些拖拉拽功能和動效， AI就很難去理解。丁宇如今負責的產品Qoder，是阿里巴巴於2025年8月發佈的Agentic AI程式設計平台。他判斷，未來的軟體是給Agents用的，由於API的不完備，就看誰能夠把Agent Native的服務先開發出來。通過MCP化 、Skill化就能夠呼叫完整業務的操作，誰先做到這一點誰就能夠更容易實現介面遷移，以及操作閉環。從上一代為人服務的軟體互動介面完成徹底升級。目前越是適合用Agent完成工作的場景，這個替代過程越快。實踐經驗告訴我，用AI進化業務系統，建立在如何建構AI充分學習成長的空間之上。試著去想想AI模型想要什麼：它不想被關在一個只有API的黑箱裡，它想入網、想讀檔案、想運行程式碼、想看報錯、想觸摸Agent、想感應Skill、想和這個世界互動。現在你的所有工作都要派給AI，你的工作就是幫AI創造一個合適的環境，讓它安心幹活。那麼我們該如何做？賦予AI原生環境首先，要讓AI完成所有程式碼開發和偵錯，人必須懂得如何明確需求，規劃功能，分拆任務。把核心程式碼交給AI並不是看上去那麼輕鬆。項目背景資訊、程式碼規範、注意事項是持續要喂給AI的內容。喂養Agent時，它職責邊界是什麼，它用的工具是否趁手，它呼叫的服務是否Agent化，把這些東西設計出來給它。你要拿到的不是一套AI所編寫的全套程式碼，而是你的產品是否能夠因此沉澱出一份AI能讀懂的工作文件，這變成了最有價值的成果。讓後續迭代升級和維護查錯都能夠沿著這套環境文字自如進行。給AI一張清晰的藍圖，把你規劃裡的顯性和隱形約束都交代清楚，將你的程式碼美學強行加注給它，不要讓AI瞎猜，變成你邏輯推理的延伸。其次，看AI想用什麼工具，看使用者想讓AI幹什麼，把這種行為標準化。不要主觀地去幫Agent決定它應該看到什麼，給它搜尋工具，給它入口檔案和權限，讓它自主去選擇那些當前已有的Skills，讓它以AI自己的原生邏輯，給它匹配原生環境去挖掘。它自己摸索的推理鏈路才是最完整的。最後，A2A、模型暴力進化、AI一天一變的背景下UI已死，產品終端無需看起來很複雜很高級的介面，這種過度最佳化容易被現實碾壓。從開發應用走向通用智能體“現在正在發生一個變化。”阿里Qoder負責人丁宇認為，Coding Agent將變成通用Agent。因為Coding Agent具備隨時創造軟體和製造工具的能力。而今天軟體和工具並不能解決所有問題，還需要很多Skill、MCP、API的服務。這些組合起來，既具備了Know How又具備了完成某種任務的能力認知，它就可以把這些工作流，包括結合服務呼叫，把整套鏈路串聯起來，就逐漸往通用智能體去轉變。關鍵在Skill是目前拓展場景最好的方式，可Skill這個體系是開放的，普通人鑑別能力不強，這也是現在出現hub類的入口的原因，把控上游的同時，為Skill的安全性把關。你搭的世界由誰實控？AI幻覺引發的巨額資產損失事故已在身邊發生。由於Claude Opus 4.6編寫了漏洞程式碼，導致一家叫Moonwell的項目智能合約遭攻擊損失178萬美元。這個程式碼漏洞甚至是低級的，預言機的喂價公式被寫錯，將系統內某類資產的價格寫成了該資產原價的兩千分之一，合約與程式碼審計居然都沒查出來。大模型時代，模型在推理的時候必須提供提示詞，不能以加密形式給它。有些敏感行業的公司因此自己部署模型推理服務，讓全鏈條都控在手裡。雖然Digital Quant只作為數位資產量化交易的資料展示平台，產品本身不產生交易、不儲存也不經手資產。但畢竟身處金融交易應用賽道，我們依然定下了幾個管理原則，1、必須多重程式碼校驗，AI生成程式碼必須經過人工審查，關鍵邏輯必須三重確認。2、創造沙箱隔離環境，敏感資訊如資料庫配置、金鑰等不在開發態暴露給AI，所有呼叫在沙盒中模擬執行，正式環境才接入真實配置。AI Coding雖然讓程式碼平權，但如果你只會用AI寫程式碼，而不知道底層原理和未來方向是什麼，那也會帶來生產和管理災難。因為你跳過了所有決策過程，你不知道為何選這個資料結構，不知道記憶體佈局有什麼權衡，看似公司擁有AI程式碼的所有權，卻失去了對程式碼的智力控制權。一旦出事，就是大事，當那個極低機率的競態條件在生產環境炸開，你發現自己面對的是一個名義上由“我”建造，但完全看不懂的世界。連問題在那兒都猜不出來，你怎麼辦？倖存者守則在微軟和MIT的研究中，初級程式設計師用AI在生產力上有40%的提升，同時頂級程式設計師漲幅僅8%甚至負增長。原因很簡單，初級程式設計師在既有平庸裡求助，而頂級程式設計師在未知領域拓展邊界，這個領域的資料AI訓練集裡沒多少存貨，時不時還得去糾AI的錯。現實中公司的程式設計師也會逐漸分為兩種：1、提示員，依賴AI幹活兒的人，自身水平被AI均值鎖死，對系統無深層掌控，遇到極端情況就完蛋，容易被模型本身的迭代所淘汰。2、操作員，他們把原來寫包裝器、測試資料、樣本程式碼的垃圾時間交給AI，自己把精力放在新架構設計、最佳化分佈式共識演算法等領域。“有的人能管理2個Agent，有的人能管8個，這個價值就不一樣。”阿里Qoder負責人丁宇說到，AI的粘合彌補替代下，傳統IT技術開發工種的邊界在模糊化，快速走向融合。減少了眾多溝通和協同過程，人效比變得極高。以前是10個人充分溝通討論執行，現在10個Agent以一個人為中心，利用“心靈感應”式地協同不眠不休幹活，這種超級個體極具競爭力。還記得前文我們那位夥伴公司CEO JAQ嗎？砍掉了公司絕大多數兢兢業業、埋頭苦幹的技術芸芸眾生，他現在正凝視著公司裡那些看似不務正業、厭惡傳統條框、“誇誇其談”、動腦子遠超動手交付能力的人。 (Barrons巴倫)