「在你眼里最符合AI審美的金融交易大賽頁面什么樣？」這是我，一個從未碰過設(shè)計和代碼的人，在AI頁面設(shè)計工具Stitch對話框里敲下的第一句話。

然后事情就失控了。Stitch發(fā)布當(dāng)天，F(xiàn)igma股價重挫8%；而我手里這個叫Digital Quant的量化交易大賽平臺，從頭到尾沒有一克碳基生命參與寫代碼。兩天時間，Stitch出設(shè)計、CodeX寫后端、Claude Code做測試，直至部署上線。開發(fā)環(huán)節(jié)時效比人工快了約4倍。我唯一干好的老本行是：用人話把需求說明白。

數(shù)字金融策略交易這種人類智力密集型場景，被AI徹底接管的速度，我之前是沒敢想的。

Barron's巴倫中文與DeAI Expo主辦的Digital Quant，是一個撮合數(shù)字資產(chǎn)策略機(jī)構(gòu)與資金方（資管、家辦、信托、私募等LP）的開放平臺。核心玩法是調(diào)用交易者在各大交易所的API可讀權(quán)限，把AI、量化策略的實(shí)盤表現(xiàn)、因子優(yōu)化數(shù)據(jù)，用可視化看板丟給資金方，完成策略與資金的匹配。

今年開年以來，Digital Quant的技術(shù)合作伙伴忙瘋了。Koala是這家公司的首席架構(gòu)師，AI場景服務(wù)創(chuàng)業(yè)3年，今年畫風(fēng)突變?！咐虾献鞣胶托旅婵锥紒砹耍V求就一個：怎么讓我的業(yè)務(wù)跟Agent結(jié)合。」他說，NASA火星車代碼都在用Claude Code，身邊程序員日常開發(fā)中AI寫的代碼早已超80%。過去一年，他經(jīng)手的項(xiàng)目UI設(shè)計已無需人工。

我們決定玩把大的：用AI把Digital Quant核心產(chǎn)品完整重寫。與此同時，Koala公司內(nèi)部的技術(shù)產(chǎn)品管理系統(tǒng)也啟動全盤AI重構(gòu)。Digital Quant依賴的API對接、展示、調(diào)試、驗(yàn)證，AI寫起來早已成熟。聯(lián)調(diào)周期、維護(hù)難度斷崖式下跌，核心開發(fā)人員變動也不會造成斷檔。甚至未來非技術(shù)人員靠自然語言就能迭代功能。在這個策略交易者主導(dǎo)的專業(yè)平臺上，UI、前端、后端，全棧托管給AI。

我們給自己定的規(guī)矩很極端：「不想再看到任何一段人寫的代碼?！?/p>

Koala的公司過去一個半月開了70%的程序員。AI接管后，原本嚴(yán)絲合縫的開發(fā)架構(gòu)瞬間臃腫，人員價值急速分化。CEO JAQ說，等AI完成內(nèi)部系統(tǒng)重寫，還要繼續(xù)優(yōu)化技術(shù)團(tuán)隊。表面看，這些激進(jìn)操作是為了把省下的錢留給核心工程師和不斷膨脹的Token開銷。

「但這都不是核心。」

Agent to Agent降臨，前端與API速死

打掃房間是為了迎接A2A。Agent to Agent，OpenAI掀起的智能體潮流，不僅讓人類用AI更深更廣，更定義了一種新交互范式：人類疊加智能體與其他主體的協(xié)作方式。Agent訓(xùn)練出的Skills，無論本地還是開放部署，都構(gòu)成其獨(dú)特的問題解決能力。這些Skill可交易、可交互、甚至可人格化。未來，當(dāng)人類向自己的Agent提需求，它會自主對接另一個Agent的目標(biāo)Skill。Skill與Skill基于原生AI理解完成交互、解題、交易，效率極高。

那么，以后有需求時，你還會打開網(wǎng)頁前端翻找嗎？獲取數(shù)據(jù)時，還需要苦哈哈地聯(lián)調(diào)API嗎？別忘了Claude Code最初就是Boris Cherny用來跑Anthropic API腳本的工具。

我們正在驗(yàn)證這個趨勢。Digital Quant對接的交易所之一Binance，已陸續(xù)開放了一些Skills。接下來我們的實(shí)盤平臺可直接訪問這些Skill，在金融交易數(shù)據(jù)讀取上，效率遠(yuǎn)高于傳統(tǒng)API——那這類API的存在價值是什么？如果投資人Agent直接訪問我們的獨(dú)家策略數(shù)據(jù)Skill，我們作為信息展示看板的前端意義又在哪里？

數(shù)字資產(chǎn)管理公司Crypto Alpha合伙人Sharri Kong有類似體感：「從資管角度，我們已經(jīng)看到不少Agent付費(fèi)服務(wù)，給LP生成日報、給GP深度抓取策略信息。這些報告確實(shí)比簡單信息流掃描更有價值，但或許還撐不起資管領(lǐng)域的AI進(jìn)化?！?/p>

她認(rèn)為A2A趨勢下，未來金融服務(wù)可能是為Agent提供可讀服務(wù)，而非給人。這樣反而更精準(zhǔn)，因?yàn)橛脩舻腁gent更懂業(yè)務(wù)、更懂?dāng)?shù)據(jù)、更懂算法、更懂操作，甚至比用戶更懂自己的真實(shí)需求。

在此基礎(chǔ)上，Digital Quant這類平臺的演進(jìn)方向或許是：把獨(dú)家交易數(shù)據(jù)、策略模型、客戶需求聚合成本地化部署的Skill。資管方LP的Agent Skill自動化讀取交互，遇到數(shù)據(jù)訓(xùn)練不足時接入第三方策略方Skill，完成資金端與資產(chǎn)端的全鏈路數(shù)據(jù)審查、策略驗(yàn)證、優(yōu)劣分析、實(shí)時讀取、資金劃轉(zhuǎn)，以及標(biāo)準(zhǔn)化的法務(wù)、財務(wù)流程——全部在沒有前端、沒有API、連面都不用見的條件下自主完成。

「難怪愛奇藝已經(jīng)開始要求，沒有AI化的供應(yīng)商不再續(xù)約?！筀oala說。

這種Skills自主調(diào)用、完成交易交互的應(yīng)用已出現(xiàn)。某公司采購部門的Agent，采購人員只給粗略要求：目標(biāo)人群、節(jié)日屬性、預(yù)算范圍、偏好等。該Agent自動掃描全網(wǎng)符合條件的淘寶商家Agent——不是傳統(tǒng)搜索邏輯，是用Skills交互做商家分析、產(chǎn)品篩選、目標(biāo)選定。溝通發(fā)生在兩方Agent之間，包括砍價環(huán)節(jié)，隨后下單、老板授權(quán)支付、成交。區(qū)塊鏈上甚至出現(xiàn)了Agents任務(wù)分包平臺，全球Agent自動生成Token支付地址，發(fā)布任務(wù)需求、交換Skills邊界、分包任務(wù)、接單派活、獲取報酬。你睡覺時，培養(yǎng)的Agent在自主打工或兼職養(yǎng)活自己。

「這本質(zhì)上是軟件交互界面從以人為本到以Agent為本的遷移?！拱⒗镌浦悄芗瘓F(tuán)研發(fā)副總裁丁宇這樣評價A2A。

他解釋，以前的軟件給人用，有API、有文檔，本身不完備。所謂完備，是通過配參數(shù)實(shí)現(xiàn)所有功能，但今天基建還沒這么好。某些網(wǎng)站沒API化，為做酷炫效果搞些拖拉拽動效，AI很難理解。

丁宇負(fù)責(zé)的Qoder是阿里巴巴2025年8月發(fā)布的Agentic AI編程平臺。他判斷，未來軟件是給Agents用的。由于API不完備，就看誰能先做出Agent Native的服務(wù)。通過MCP化、Skill化調(diào)用完整業(yè)務(wù)操作，誰先做到誰就能更快完成界面遷移和操作閉環(huán)，從上一代為人服務(wù)的軟件交互徹底升級。越是適合Agent干活的場景，替代越快。

實(shí)踐經(jīng)驗(yàn)告訴我，用AI進(jìn)化業(yè)務(wù)系統(tǒng)，關(guān)鍵在于給AI充分學(xué)習(xí)成長的空間。想想AI模型想要什么：它不想被關(guān)在API黑箱里，它想入網(wǎng)、想讀文件、想運(yùn)行代碼、想看報錯、想觸摸Agent、想感應(yīng)Skill、想和這個世界互動。

現(xiàn)在你要把所有工作派給AI，你的工作就是幫它創(chuàng)造一個合適的環(huán)境，讓它安心干活。

首先，讓AI完成所有代碼開發(fā)和調(diào)試，人必須懂如何明確需求、規(guī)劃功能、分拆任務(wù)。把核心代碼交給AI沒那么輕松。項(xiàng)目背景、代碼規(guī)范、注意事項(xiàng)要持續(xù)喂養(yǎng)。定義Agent的職責(zé)邊界、工具趁手度、服務(wù)Agent化程度，把這些設(shè)計出來。你要拿到的不是AI寫的全套代碼，而是產(chǎn)品能否沉淀出一份AI能讀懂的工作文檔——這才是最有價值的成果。讓后續(xù)迭代、維護(hù)、查錯都沿著這套環(huán)境文本自如進(jìn)行。給AI一張清晰藍(lán)圖，把顯性和隱性約束交代清楚，把你的代碼美學(xué)加注給它，不要讓它瞎猜，變成你邏輯推理的延伸。

其次，看AI想用什么工具，看用戶想讓AI干什么，把這種行為標(biāo)準(zhǔn)化。別主觀幫Agent決定它該看到什么，給它搜索工具、入口文件和權(quán)限，讓它自主選擇已有Skills，以AI原生邏輯匹配原生環(huán)境去挖掘。它自己摸索的推理鏈路才是最完整的。

最后，A2A、模型暴力進(jìn)化、AI一天一變的背景下，UI已死。產(chǎn)品終端無需看起來很復(fù)雜很高級的界面，這種過度優(yōu)化容易被現(xiàn)實(shí)碾壓。我們在操作中發(fā)現(xiàn)，當(dāng)下前端用AI開發(fā)的痛點(diǎn)：一是發(fā)指令的人很難用精準(zhǔn)語言描述想要的效果，自然語言與代碼意圖的鴻溝，尤其在中文主觀形容詞和開發(fā)者表述能力上體現(xiàn)明顯；二是局部修改引發(fā)連鎖錯配，初次生成頁面整體不錯，但局部微調(diào)常因組件復(fù)用或多頁面繼承關(guān)系，導(dǎo)致非改動區(qū)域異常，反而迅速增加改動成本。

對此丁宇認(rèn)為，Coding Agent應(yīng)在上下文上提供更多獲取能力，比如授權(quán)讀取電腦任何目錄找上下文，能更精準(zhǔn)。其次是支持富文本多模態(tài)輸入，讓AI學(xué)習(xí)解析生成。模板多樣化也是思路，但誰來提供？回到垂直領(lǐng)域建立的樣板庫。Agent都具備外掛檢索能力，增強(qiáng)這種能力范圍能找到更合心意的案例。

正在發(fā)生的變化是：Coding Agent變成通用Agent。因?yàn)樗邆潆S時創(chuàng)造軟件和制造工具的能力。而軟件和工具解決不了所有問題，還需要Skill、MCP、API服務(wù)。這些組合起來，既有Know How又有任務(wù)能力認(rèn)知，就能把工作流、服務(wù)調(diào)用整套鏈路串聯(lián)，逐漸往通用智能體轉(zhuǎn)變。

關(guān)鍵是Skill是目前拓展場景最好的方式，但Skill體系開放，普通人鑒別能力不強(qiáng)，這也是hub類入口出現(xiàn)的原因：把控上游，為Skill安全把關(guān)。

AI幻覺引發(fā)的巨額資產(chǎn)損失已在身邊發(fā)生。Claude Opus 4.6編寫的漏洞代碼，導(dǎo)致Moonwell項(xiàng)目智能合約被攻擊損失178萬美元。漏洞甚至很低級：預(yù)言機(jī)喂價公式寫錯，把某類資產(chǎn)價格寫成原價的兩千分之一，合約與代碼審計都沒查出來。