“我们就差一个程序员了”是否因为coding agent的出现问题就解决了，然后会迎来应用大爆发
提问
没有解决。“就差一个程序员”缺的往往不是写代码的手，而是把需求想清楚、把工作流跑通的人；coding agent 降低了写代码的门槛，但没有替你决定做什么、为谁做、怎么验证。
coding agent 补的是写代码，不是想清楚要做什么
“就差一个程序员”这句话里，被当成瓶颈的通常是“把想法变成能跑的东西”这一步。coding agent 确实让这一步变便宜了：不写代码的人也能让 AI 生成可运行的原型，社区里就有不少用 AI 调用接口、读邮件、识别文字的小工具项目1。但这类项目能成立，前提是作者已经知道要解决谁的什么麻烦、输入输出长什么样。真正卡住很多想法的是这层判断，而它不会因为有了 agent 自动出现。
一个可以自测的做法：先不写代码，用一段话写清“谁在什么场景下遇到什么问题、现在怎么凑合、我的方案让他少做什么”。如果这段写不出来，agent 也帮不上；如果写得出来，再让 agent 做最小版本，看真实的人会不会用。
工具本身还在快速变化，窗口期不等于爆发期
把 coding agent 当成已经成熟的基建，会高估它的稳定性。有对谈提到，某段时间里主流编程工具的进步比预期慢，几个版本迭代有的地方前进、有的地方反而退步，整体没有比几个月前明显好用2。这说明能力边界和产品形态都还在动，今天能顺畅跑通的流程，换个模型或换个版本可能就要重搭。
这不否定应用机会，而是说机会更可能落在“愿意持续跟进工具、把某条具体工作流磨顺”的人身上，而不是“等一个万能 agent 出现，然后所有想法自动变成产品”。如果你的计划依赖某个工具当前的具体表现，先确认它现在到底能做到哪一步，再决定投入多少。
现有材料只覆盖编程工具演进和若干社区小项目，没有关于应用市场整体爆发时点或规模的判断，无法据此预测“大爆发”会不会来。
回到2份原文
看几个用 AI 调用接口做出来的小工具案例，理解 agent 降低了什么门槛、又留下了哪些判断工作。
了解编程工具在一段时间内的实际进步速度，判断把 agent 当成熟基建是否稳妥。