黄仁勋这两年反复表态——"agentic AI 的时代到了""万亿级的机会"。去年 10 月他说英伟达每个工程师都在用 Cursor，今年 GTC 上画了一个 7.5 万人搭配 750 万 agent 的图景。
听着好像编程智能体已经很普及了。我去查了一下实际数据。
数字出乎意料
Claude.ai 月活大概一两千万。第三方估算 Claude Code 周活跃用户约 160 万。Cursor 超过 200 万用户，100 万付费。开源这边，OpenCode 在 GitHub 上 14 万 star，Cline 在 VS Code 装了 500 多万次。
数字不小。但 GitHub Copilot 一家就有近 2000 万用户，JetBrains 今年初的调查说 74% 的开发者已经在用某种 AI 编程工具。
Copilot 主要做自动补全，算不上智能体。真正以智能体方式工作的——你给一个任务，它自己读文件、写代码、跑测试——这些工具的用户加一起，大概几百万到一千多万。
被全球最高市值的公司说成"改变世界"的东西，用户就这个量级。我原本猜至少几千万。
国内倒是热闹。Kimi 平台月活过三千万，字节的 Trae 注册超 600 万。不过这些数字掺了不少非编程场景，真正在用编程智能体的没那么多。
很多人在讨论 Skills 怎么配、MCP 怎么接。但可能得先退一步：为什么第一步这么多人走不出来？
不只是写代码
最常见的误解是把 coding agent 当成"写代码的工具"。不写代码的人觉得没关系，写代码的人觉得就是升级版 Copilot。
实际上这东西干的活远不止代码。拼接视频、批量处理文件、去网站抓数据、调试不熟悉的软件，都能做。说白了它就是帮你操控电脑完成任务，代码是它的操作语言。
手机是个例外。手机天生围绕 GUI 设计，coding agent 在上面不太好使。之前那些用模型操控手机的项目火过一阵，但路子完全不一样，还不太行。
NPC 醒了
更深的问题是思维方式。
用软件这件事，大家已经习惯了预设好的交互。点这里干什么、拖那里变什么，一切都被设计过。游戏里的 NPC 也是这样，给三个选项你选一个，台词看不看无所谓。
现在 NPC 突然能想事了。它等你说话，然后照着做。
这种感觉跟 ChatGPT 刚出来时一样。我当时做了不少教程教人用，后来发现大部分人卡在表达上。觉得要当"提示词工程师"才行——要把话说得精准，要让 AI 听话，高级一点的还得搞点花活。
没那么复杂。把 coding agent 当个同事就行。它看得懂你说的话，也能翻你项目里的文件。你把想做的事讲清楚，大半就搞定了。
别自己上手
还有一个跟习惯有关的坑。
越能干的人越容易掉进去。遇到问题第一反应就是自己动手。跟当领导一样，明明有人能做，总觉得自己来更快。
但 coding agent 可能比你快十倍。质量暂时差点，迭代速度补回来了。问题是一旦你开始自己干，就又滑回了老路——碰到问题问问 DeepSeek 或豆包，自己改改，AI 当个顾问用。活还是你的。
我现在电脑上 95% 的工作都交给 coding agent 了。查资料、写东西、写程序、发邮件、操作网页。跨过去之后不用人教，因为你可以让它帮你搞清楚怎么用得更好。这就是元能力。
Human in the loop
不过也别太乐观。
agent manager、多智能体编排这些概念听着很美，让 AI 管 AI，全自动跑。方向对，但现在没到那步。
实际跑下来，一个懂行的人在 loop 里盯着，效率差别非常大。完全撒手让 agent 自己编排，任务一复杂就出问题。之前在博客里聊过的 Worker & Manager 的事，说的就是这个。
短期内还是得有人在中间。但这个人的角色不是去亲手干活，而是说清楚要什么、看一眼结果对不对、在关键的地方拍个板。
这一步跨过去了，后面很多事自然就通了。跨不过去，就一直在外面看着别人用。