Vol. 164 从苹果聊到软件未来：Agentic Software 真的要来了？

概览

本期从一组苹果相关新闻开场，包括 WWDC 2026、Siri 与 Gemini 合作预期、AirPods Max 2、Apple Watch 房颤历史记录功能、M5 Max 跑分等，但讨论很快转向更大的问题：苹果现有的产品节奏和 App Store 审核机制，是否能适应 AI 与 Agentic Software 的新阶段。

节目核心围绕 Agentic Software 展开。两位主播认为，当前把 MCP、Skills 或 AI 助手塞进传统软件，还不等于真正的 Agentic Software；真正的新形态可能需要把软件拆成原子能力，由用户或 agent 按场景重新组合，形成更个人化、更动态的软件体验。

后半段大量讨论 Vibe Coding、Coding Agent、AI 时代的人才标准和表达能力。主播一方面认可 AI 极大放大了个人生产力，另一方面也强调人的判断、沟通、产品理解、代码审查和手写表达仍然重要，过度“偷懒”可能削弱好奇心和判断力。

分段落总结

[00:00] 开场与 WWDC 2026 预期

[事实] 主播开场说明近期较忙，本期先做一期“科技快乐星球”，聊最近发生的科技新闻。

[事实] 主播提到 WWDC 2026 时间已确定在 6 月 8 日，并讨论外界对苹果 AI 相关发布的期待。

[事实] 节目提到苹果此前被传会与 Google 合作，可能接入 Gemini，因此大家关注新版 Siri 是否会在 WWDC 出现。

[推测] 主播认为如果苹果再不推出更强的 Siri 或 AI 能力，节奏可能会显得过慢。

[03:10] AirPods Max 2 与苹果耳机策略

[事实] 主播提到苹果时隔多年发布 AirPods Max 第二代，其中包括 H2 芯片、Apple Intelligence 相关能力，以及音质和降噪延续高水准。

[事实] 主播指出 AirPods Max 2 的重量问题没有明显改善，价格也较高，中国售价提到为 3999 元人民币。

[事实] 主播认为如果只从降噪耳机角度看，Sony 和 Bose 在价格、重量和性价比上更有优势。

[推测] 主播猜测苹果未来可能推出更轻量的版本，把减重作为下一次大升级卖点。

[05:00] MacBook Neo 的价格与场景

[事实] 主播提到 MacBook Neo 价格甚至低于 AirPods Max，并称其作为低价 MacBook 销量表现很好。

[事实] 主播认为 MacBook Neo 在做工和价格上很有竞争力，适合作为“无敌上网本”。

[事实] 主播讨论了它在线下门店前台、服装店收银等场景中的时尚感和实用性。

[推测] 主播认为低价 MacBook 对 Windows 笔记本会形成很强压力。

[06:45] Apple Watch 房颤历史记录功能

[事实] 主播提到 Apple Watch 的房颤历史记录功能终于在中国大陆上线。

[事实] 在此之前，部分用户需要通过“协修”或借助香港定位、信号等方式激活该功能。

[事实] 主播认为对健身房运动、户外徒步和剧烈运动用户来说，这类健康提醒有时可能很重要。

[推测] 主播将该功能视为苹果健康功能在中国大陆进一步落地的积极信号。

[08:40] M5 Max 跑分与苹果发布节奏

[事实] 主播提到 Geekbench 6 出现 M5 Max 跑分记录，单核成绩高于其他消费级 PC 处理器，多核成绩高于 M3 Ultra。

[事实] 主播认为 WWDC 前苹果重心会在开发者大会，新硬件可能不会很快发布。

[事实] 主播讨论 M5 Max 可能在秋季与 iPhone 一起发布，也可能在 10 月或 11 月单独发布。

[推测] 主播认为 M5 Max 作为高端芯片，苹果未必会用很低调的官网更新方式发布。

[10:20] 苹果 AI 节奏面临考验

[事实] 主播认为 WWDC 对苹果 AI 能力是一次重要交卷，尤其开发者和资本市场都会关注苹果能否把 AI 落地。

[事实] 主播提到苹果传统发布节奏偏慢，而 AI 时代三个月就可能发生巨大变化。

[事实] 主播用英伟达作为对比，提到黄仁勋通过更快产品周期和长期 AI 布局建立优势。

[推测] 主播认为苹果如果继续沿用过去的产品发布节奏，在 AI 时代可能会面临压力。

[15:40] App Store 拒绝 Vibe Coding 类应用

[事实] 主播提到 App Store 最近限制或拒绝一些通过 Vibe Coding 创作程序类 App 的应用。

[事实] 这些应用允许用户通过对话生成小计算器、小游戏等临时程序，苹果可能认为其中存在用户风险和审核风险。

[事实] 主播提出，如果苹果拒绝此类小应用，那么 Codex、Cloud Code 或豆包等能生成临时小工具的平台也会遇到类似边界问题。

[推测] 主播认为 App Review 的传统审核方式可能不适合 AI 时代的动态生成式应用。

[18:00] 什么才是 Agentic Software

[事实] 主播提到 Agentic Software，也提到一些人把相关形态理解为“给 agent 用的 OS”。

[事实] 主播认为当前很多软件仍是传统交互：按钮对应明确输入和明确输出。

[事实] 主播指出 Agentic Software 的输入和结果更模糊、不确定，可能需要 agent 自行理解目标并调用工具。

[推测] 主播认为现阶段还没人找到非常稳定、成熟的 Agentic Software 形态。

[20:00] 审核风险与创新者的窘境

[事实] 主播举例说，如果用户在生成式平台里生成危险内容，苹果可能仍要承担平台责任。

[事实] 主播认为苹果如果一刀切拒绝动态生成式、次抛型 App，实际上可能是在拒绝整个 Agentic Software 方向。

[事实] 主播引用《创新者的窘境》的思路，区分延续性技术增长和破坏性技术。

[推测] 主播认为 Agentic Software 更像破坏性产品，如果平台拒绝它，可能会错过未来的重要入口。

[22:30] 用腾讯会议想象 Agentic Software

[事实] 主播以腾讯会议为例，讨论如何把传统软件改造成面向 agent 的软件。

[事实] 一种设想是腾讯会议不再只提供固定软件界面，而是提供视频通话、录制、存储等底层原子能力。

[事实] 用户可以描述“播客录制”之类的场景，系统根据场景和用户习惯生成专属界面。

[推测] 主播认为这种模式下，软件可能变成千人千面，甚至出现“腾讯会议风言风语专版”这样的场景化版本。

[27:20] 从 SaaS 到原子能力服务

[事实] 主播认为如果腾讯会议被拆成原子能力，它就不再是原来的腾讯会议，而是一个新的软件生态。

[事实] 主播提到低延迟通讯、高清音视频、录音棚界面、虚拟形象等能力都可能被重新组合。

[事实] 主播认为未来竞争可能会变成大模型能力与具体 client/infra 能力之间的竞争。

[推测] 主播认为传统 SaaS 可能从“卖软件服务”转向“卖可被 agent 调用和重组的底层能力”。

[30:00] 云、算力、电力和存储仍是基建

[事实] 主播认为个人或 AI 可以生成软件外壳，但很难生成云服务、服务器集群和底层基础设施。

[事实] 主播提到只要互联网仍是基础，Cloudflare 等互联网基建服务就有持续价值。

[事实] 主播认为 AI 时代重要基建包括 token 产出、电力、存储和上下文记忆。

[推测] 主播认为英伟达的价值不仅是显卡，而是提升每瓦电力产出 token 的能力。

[35:00] 大公司 FOMO 与 OpenClaw 热潮

[事实] 主播提到 OpenClaw 的成功让很多人关注下一代 Agentic Software 入口。

[事实] 主播用扎克伯格“看见公司就买”的梗形容大公司在 AI 时代的焦虑。

[事实] 主播提到黄仁勋即使在英伟达市值很高时，仍强调公司可能在短期内死亡。

[推测] 主播认为大公司理解破坏性技术的风险，因此既焦虑又必须快速跟进。

[36:40] Vibe Coding 的兴奋与边界

[事实] 主播分享自己沉迷 Vibe Coding 的经历，称最新模型让很多想做的东西都能被快速做出来。

[事实] 主播也提到身体健康和强制暂停让自己意识到，并非持续 Vibe Coding 就一定产出更有意义的东西。

[事实] 主播总结做新产品时，可能一周能做完整 demo，但还需要三周左右才能做到可上线状态。

[推测] 主播认为 AI 加快了 demo 和试错速度，但产品方向、用户反馈和思考时间并没有同等加速。

[40:00] Coding Agent 的任务长度限制

[事实] 主播测试过让高能力 Coding Agent 执行长任务，认为 10 到 15 分钟左右的单任务质量相对可控。

[事实] 当把多个复杂任务串成 30 到 40 分钟的大任务时，主播观察到质量会明显下降。

[事实] 主播认为 AI 可能在某一步做歪后，后续步骤会基于错误继续推进，导致最终结果不可用。

[推测] 主播认为当前 AI 更适合短闭环任务，例如 idea、plan、implementation、test、bugfix、code review 的小循环。

[43:50] 站在新软件时代门口

[事实] 主播说本来准备了很多新闻，但从苹果话题自然转入 Agentic Software。

[事实] 主播形容大家像站在一扇虚掩的门前，看见光但不知道门里是什么。

[事实] 主播认为无论软件形态如何变化，出发点仍然应该是用户需求。

[推测] 主播认为真正的新一代软件可能来自尚未被传统软件看到的需求，而不是简单给旧软件加 AI。

[45:30] 从最大公约数到个人化软件

[事实] 主播认为传统软件常常服务最大公约数，由产品团队设计统一路径给大多数人使用。

[事实] 主播认为生成式软件可能让每个人拥有一份独属于自己的软件，也可以服务小群体或垂直场景。

[事实] 主播提出阻碍包括商业模式不清晰、用户未必知道自己想要什么，以及大多数人更习惯使用现成方案。

[推测] 主播认为 Agentic Software 如果成熟，可能会从自上而下的软件设计转向自下而上的个体定制。

[52:00] 超级个体与 AI 放大的程序员

[事实] 主播讨论 Peter 和 OpenClaw，认为项目火爆既有个人能力，也有偶然性和面向他人使用的设计。

[事实] 主播提到 AI 可能放大超级程序员，让少数人的产出远超普通开发者。

[事实] 主播认为大公司未必需要成为造浪者，但必须在浪来时第一批踩上去。

[推测] 主播期待未来出现更多被 AI 放大的“超级个体”，并由他们探索出新行业或新模式。

[56:00] 英伟达的“有脑 FOMO”

[事实] 主播讲到英伟达从显卡到 GPU 命名的行业塑造过程，认为 GPU 这个词让它能与 CPU 同台竞争。

[事实] 主播强调黄仁勋具备工程背景，会亲自学习前沿研究，并与学术界合作。

[事实] 主播认为英伟达通过赞助学校显卡、派工程师协助等方式，让 AI 研究生态大量依赖英伟达硬件。

[推测] 主播认为英伟达不是无脑跟风，而是基于技术理解和生态建设做长期布局。

[59:10] 开源、学生和新训练语料

[事实] 主播提到 Anthropic、OpenAI 等对学生群体和开源社区的支持。

[事实] 主播认为模型公司需要更多高质量训练语料，而人工写作和代码已经被训练得差不多。

[事实] 主播讨论合成语料可能有效，但也可能导致模型输出出现明显模式化问题。

[推测] 主播认为赞助开源社区可以让更高质量的 AI Coding 产物反哺模型训练。

[60:20] 传统软件开发者的焦虑与应对

[事实] 主播认为现在仍必须继续做传统软件，因为用户大盘仍在传统软件上。

[事实] 主播同时认为新一代软件也必须探索，但目前没人完全知道应该怎么做。

[事实] 主播建议先把手头事情做好，并在传统软件中逐步加入 agent 能力，让自己保持“手热”。

[推测] 主播认为这种持续实践能积累思考，未来可能把旧软件改造成更面向 agent 的产品，或催生全新软件。

[63:20] 人与 AI 的协作角色变化

[事实] 主播说自己越来越像 AI 的“物理可劳”或执行短板，会把更多选择权交给 AI。

[事实] 主播发现 AI 有时会提出自己没想到的建议，但也会做出不好的选择，需要人类干预。

[事实] 主播提到自己曾把 Codex 的 code review 结果交给另一个 agent 执行，形成循环。

[推测] 主播认为过度把自己变成传话筒会带来风险，关键代码和关键判断仍需要人类交叉验证。

[66:00] 偷懒、代码审查与能力退化

[事实] 主播观察到长期让 AI 写大量代码后，人很难逐行 review，甚至会失去阅读原始代码的动力。

[事实] 主播提到一些开源项目作者也未必清楚自己的 AI 写了什么实现。

[事实] 主播认为 AI 总结、AI plan 和 AI review 都可能出错，发现错误的方式仍然是理解原代码和原理。

[推测] 主播认为未来稀缺能力之一，是辨别 AI 代码质量、实现思路和设计逻辑的能力。

[68:30] AI Coding 人才应该是什么样

[事实] 主播提到蚂蚁校招新增 AI Coding 笔试，引出“AI 原生人才”如何评估的问题。

[事实] 主播认为未来写代码的人必须会用 AI Coding，但“会用”本身也需要被考察。

[事实] 主播强调基础计算机能力仍然重要，因为 AI 可能替代机械产出代码，但不能替代对系统和问题的理解。

[推测] 主播认为优秀程序员会更像建城堡的人，而不是单纯挖沙子的人；AI 是工具，不是目标本身。

[72:00] 通才、全站和 AI 指挥官

[事实] 主播提到美团相关岗位变化，把写代码的人统一成类似“AI 指挥官”的角色。

[事实] 主播讨论未来开发者可能不再严格分前端、客户端、后端，而是通过 AI 完成跨端任务。

[事实] 主播认为候选人未必一开始就是通才，但需要具备快速学习和理解多端系统的能力。

[推测] 主播认为 AI 时代更需要聪明、好奇、学习能力强，并能快速补齐短板的人。

[75:00] 人作为肉身 Agent

[事实] 主播把自己类比为一个模型或肉身 agent，认为可以用 agent 能力来评估人。

[事实] 主播认为给一个人任务时，可以观察他如何 plan、拆解、整合信息，以及理解代码和计算机通识。

[事实] 主播认为 prompt 是人与 AI 协作中价值产生的重要来源，也可能成为短板。

[推测] 主播认为未来人的 agent 能力越强，借助 AI 产出的价值就越大。

[78:20] 沟通能力成为核心能力

[事实] 主播认为与 agent 沟通需要清晰表达需求，不能含糊布置任务。

[事实] 主播把沟通能力拆成表达和理解，也提到写作、语音输入、手敲 prompt 都会影响 AI 输出质量。

[事实] 主播认为复杂任务中手敲 prompt 有助于降低歧义，因为语音输入可能带入口误和识别问题。

[推测] 主播认为沟通能力背后往往体现逻辑清晰度、学习能力、好奇心和知识广度。

[85:00] AI 内容带来的虚无感

[事实] 主播说 AI 让很多软件、文章和项目看起来更容易生成，从而削弱了自己探索和尝试新工具的好奇心。

[事实] 主播提到打开 Twitter 时，经常能感到内容有明显 AI 味，因此既不想看也不想发。

[事实] 主播认为这种变化不只发生在自己身上，很多人的表达欲可能也在受到 AI 影响。

[推测] 主播认为 AI 降低创作成本后，会让一些作品显得“不珍贵”，从而改变人们对内容和工具的评价方式。

[91:00] AI 感、真人感与内容本身

[事实] 主播讨论当人们看到作品时，注意力常被“是不是 AI 做的”带偏，而不是讨论内容本身。

[事实] 主播认为如果未来模型足够强，让真人感门槛被磨平，人们可能重新回到作品内容本身。

[事实] 主播区分视频、文本和代码等不同媒介，认为视频中故事、脚本和想象力可能比是否 AI 生成更重要。

[推测] 主播认为当 AI 生成内容足够自然后，评判标准会重新转向导演、编剧、表达和审美等人的能力。

[95:00] 文本写作与“GPT 味”

[事实] 主播认为文本平台上如果短短一段话有明显 GPT 味，会让人难以继续阅读。

[事实] 主播强调写作过程本身很重要，因为它帮助人梳理思维，就像给变量、页面或功能命名一样。

[事实] 主播提到节目 show notes 是人工手写，时间轴可以由 AI 生成后再人工润色。

[推测] 主播认为 AI 可以模拟个人风格，但目前很容易改掉人的措辞和表达灵魂，甚至轻微扭曲事实感。

[100:00] AI 不读与信息过滤

[事实] 主播认为大量 AI 生成文章、报告、邮件和歌曲带有相似模式，会让读者形成快速过滤机制。

[事实] 主播提到“AI didn’t read / AI 不读”的说法，用来回应作者自己都没有认真沟通的 AI 文本。

[事实] 主播认为不重要的文本处理可以交给 AI，但涉及判断和表达的内容仍应由人参与。

[推测] 主播认为如果作者没有选择认真表达，读者选择不读 AI 味文本也是合理反应。

[103:20] 给 AI 更多上下文，但保留人的判断

[事实] 主播提到可以给 AI 更多用户反馈原文、场景思考和项目上下文，帮助它做更好的判断。

[事实] 主播也认为 Project、Memory 等功能有助于模型理解长期项目背景。

[事实] 主播强调偷懒本身不是坏事，但不能偷懒到丧失判断事情重要性的能力。

[推测] 主播认为人需要定期把关键判断拉回自己手里，用主动思考避免被 AI 完全带着走。

[106:30] 让 AI 质疑需求与独立思考

[事实] 主播提到自己在 Codex 的全局 prompt 中加入要求，希望 AI 在需求或架构有问题时主动指出，而不是盲目实现。

[事实] 主播认为高能力模型已经会在明显错误方向上停下来提醒用户，但在模棱两可问题上仍需要更好的协作。

[事实] 主播说本期聊天更像早期播客的意识流讨论，也适合阶段性留下对 AI 时代的观察。

[推测] 主播认为保持独立思考和不被 AI 裹挟的能力，在 AI 是否泡沫尚不确定的阶段尤其重要。

[108:40] AI 泡沫、人类价值与机器人

[事实] 主播提到一种观点：当所有人都觉得 AI 是泡沫时，它可能不是泡沫；当没人再问它是不是泡沫时，反而可能在泡沫中。

[事实] 主播认为 Ben Thompson 的 newsletter 之所以难被 AI 取代，是因为它包含独特的人类判断和表达。

[事实] 主播讨论 AI 进入机器人和物理世界后，可能会挑战人作为 agent 的工作时长和身体限制。

[推测] 主播认为即使 AI 在很多能力上超过人，人的有限生命、爱、身体经验和独特判断仍可能构成意义来源。

[110:30] 记忆、意识与 Context Rot

[事实] 主播讨论 AI 是否可能因无限 memory 和长期上下文形成新的意识或独立目标。

[事实] 主播提到当前 AI 仍受 memory、上下文窗口和 context rot 限制。

[事实] 主播把人类遗忘类比为对细节的压缩，只留下高光时刻或关键记忆。

[推测] 主播认为未来如果 AI 能像人一样在对话中自然唤醒深层记忆，可能会更接近稳定的长期智能体。

[113:20] 收尾与互动邀请

[事实] 主播说本期原本只准备聊科技新闻，但最终围绕 Agentic Software、AI Coding 和未来人才聊了近两个小时。

[事实] 主播称这一期和以往有些不同，希望听众在评论区反馈喜欢或不喜欢。

[事实] 主播邀请听众分享对 AI、沟通能力和未来人才评估的看法。

[推测] 本期更像一次围绕 AI 时代软件形态的开放式思考，而不是传统新闻点评节目。

播客点评/总结

本期价值在于从几条苹果新闻自然延展到 Agentic Software 的核心问题：传统软件不是简单加一个 AI 助手就会变成新形态，真正的变化可能发生在软件原子能力、用户场景、商业模式和平台审核机制的重组上。

节目亮点是大量来自实际 Vibe Coding 和 Coding Agent 使用的经验，包括任务长度边界、code review 循环、过度偷懒的风险、AI 放大个人能力的同时也放大表达瑕疵。这些观察比单纯讨论趋势更具体。

局限是讨论较意识流，部分概念和项目名称在转录中不够清晰，许多判断也仍处在探索阶段。[推测] 如果听众期待的是系统化行业报告，本期可能显得发散；如果关心 AI 如何改变软件开发、产品设计和个人能力结构，本期会很有参考价值。