Coding agent 还有哪些方向可以做？

Sun, 22 Mar 2026 10:00:00 +0800

2026 年 3 月，现在的 AI agent 可以持续几个小时运作去生成高质量代码，也可能在一个细节设计上做出明显愚蠢的决策。Claude code, Codex, Opencode 等 coding agent 几乎占领市场，但个人自用的 coding agent 也层出不穷。

笔者也在尝试写自己的 coding agent, 本文想要探讨在当下时间点，coding agent 还有哪些值得做的方向。

任务编排

御三家(Claude code, Codex, Opencode) 都支持多 agent 编排。

我们可以使用 Workflow 编排插件如 superpowers, compound-engineering-plugin/ 等来完成 brainstorm -> plan -> 执行 -> review 的流程，以及在其中某些环节让多 agent 作为不同的团队成员角色去合作完成。

多 agent 在很多场景都能做到更有效，每个 agent 负责一个 domain 可以做到高效的利用 context，且让 coding agent 整体耗时更短。但是这种编排仍然是线性的，和笔者想象中的编排差别很大。

笔者想象中的任务编排应该更像实际的开发流程，这个开发流程应该从两个维度去分解任务：

每个 domain 的任务可以并行在不同的 branch / worktree 开发，并最终分别提交，由整体的 reviewer 以及验证者来做最终的验证并合并到 main branch。Domain agent 在整个流程中保持存活以便随时返工。

Wed, 25 Feb 2026 15:02:03 +0800

挖金子的人太多太拥挤，不如去卖铲子。

卖不了铲子，就去投资卖铲子的公司。

如果铲子已经太贵，那就继续往上游走，

识别整个链条中最赚钱、最不可替代的那几家去投。

华尔街可以做空，但 AI 这座金山不会被人们忽视。

这就是我在“大 AI 时代”中的一些思考。

过去一年，三星电子已经上涨接近一倍。我此前没有上车。但现在越发感觉三星正处在这轮 AI 基建的卖铲子的核心地位。

最近几年，众所周知卖铲子的是英伟达，利润节节高。

但是仍有达摩克利斯之剑悬在其上：

谷歌的 TPU，亚马逊的 Trainium，阿里、华为等国内厂商的自研芯片。

有能力的厂商都不愿意把赚到的利润交给英伟达，纷纷选择自研。

这把剑从去年的 DeepSeek 时刻就一直悬在空中，但是不会突然斩下，而是更可能更加慢慢缓缓的切到英伟达的利润上。从自研芯片取代一部分推理，逐渐到取代一部分训练，渐渐的反应在英伟达的订单上。

那么我们向上游延伸，有能力的厂商会选择保住利润自研，但是自研芯片也不是从沙子搓起，我注意到高带宽内存 HBM 这一组件。

无论是 GPU 还是自研芯片，没有内存带宽就跑不动 AI 的训练和推导。

AI 模型训练，本质上是：

计算 × 带宽 × 存储

自研芯片可以绕过英伟达的 GPU，但是仍然需要依靠 HBM

TPU 需要 HBM, Trainium 不需要 HBM 当仍然需要三星、sk 海力士的DDR

在目前产业链中三星以及 sk 海力士处在供应链的前端，而且掌握 HBM 这一高利润的产品。

在中美对抗这一背景下，无论是美国企业还是中国企业都需要 HBM 芯片技术，无论倒向哪一方，庞大的市场都足够推高三星、sk 海力士的利润。

在台海地缘政治风险下，韩国半导体相比台积电地缘政治风险要小很多，而且有美国寻求的高端代工能力。

这意味着三星的高利润搭配的是低地缘政治风险。

我直接让 AI 推演下利润增长和股价的关系。