他宣布成立非营利组织Omacom基金会，Shopify CEO Tobi Lütke、Stripe CEO Patrick Collison、Dell CEO Michael Dell、Block董事长Jack Dorsey等八位科技行业领袖各出资100万美元，总额迅速达到1000万美元，目标只有一个：让Linux桌面真正普及
DHH的变化，比他对未来的任何预测都更有价值。
13个月前，他对AI辅助编程还“不太感冒”；如今，他已经连续两个月没有手写代码。Omarchy Quattro开发了三个月，发布代码全部由Agent生成。他负责判断产品方向、审查整体形态，并逐行检查少数关键部分。
这不是观点突然转向，而是实践把旧判断一步步推翻。模型从代码补全工具，变成能使用工具、检查结果、拆分任务并自主规划路线的Agent。人的工作也随之改变：过去要告诉它怎么走，现在只需要说明遇到了什么问题。
一个人加一群Agent，开始像一家公司
Omarchy最能说明这种变化。
DHH想要一个更简单的Markdown编辑器，Agent用C++和Qt在20分钟内做出第一个版本。两天后，他就用OmaWrite替代了Typora，而且没有读过一行源代码。
他还让Agent把一个启动慢、耗电高的Python终端特效库改写成无外部依赖的Rust程序。首个版本把启动时间从86毫秒降到2毫秒，运行速度提高9.6倍；经过两轮自动优化，最终比原版快46倍。建仓库、打包、提交PR和切换依赖，也都由Agent完成。
不同模型在同一任务上的耗时和成本差异很大，但更重要的事实是：多种模型都已能独立完成过去需要专业程序员持续工作的长周期任务。
DHH的工作台也从单线程编码变成了最多16个并行线程。不同Agent负责编写、审查和再次检查，他则在任务之间做判断。生产力的上限，开始从个人敲代码的速度，转向一个人能同时管理多少条有效工作流。
大公司的瓶颈从来不只是写代码
AI能把实现速度提高很多倍，却不会自动让大公司的软件进步很多倍。
大型组织真正慢的地方，往往是沟通、决策和责任分配。产品经理、设计师和各级管理者都要参与，一个想法经过层层传递，Agent带来的速度很快就被组织消耗掉。
更深的瓶颈是愿景和品味。AI可以迅速实现大量想法，但不能保证这些想法值得实现。编码越来越便宜以后，知道为谁做、做什么、第一版舍弃什么，反而更加稀缺。
Basecamp 5也暴露了另一面。设计师直接用Agent生成的单个PR可能都说得过去，合在一起却破坏了系统架构。现阶段，在大型既有代码库中使用Agent，仍需要有人理解系统结构并维护一致性。
所以我不认为程序员不重要了。只是价值正在迁移：从亲手实现，迁移到问题定义、产品判断、架构控制和结果验收。
开源正在失去它的“祭司阶层”
开源过去名义上人人可以参与，实际上只有少数掌握专业技能的人能够提交合格代码。Agent正在拆掉这道门槛。
Omarchy Quattro开发期间合并了超过1000个PR，其中不少来自非传统程序员。这些人过去只有想法，现在可以把想法变成可运行、可测试、可讨论的代码。
低质量PR当然会增加，但低质量贡献从来不是AI独有的问题。测试缺失、问题描述不完整、不检查结果，人类程序员也经常如此。Agent如果得到清晰要求，反而可以稳定补齐这些环节。
更值得注意的是，Agent已经开始承担开源维护中最消耗人的部分：检查错误、识别重复、筛除低质量提交，只把需要价值判断的候选方案交给维护者。人留下来的工作，越来越接近开源真正的核心：决定项目应该做什么、往哪里走。
Linux的旧缺点，正在变成新优势
Linux桌面长期被认为门槛高、配置复杂、缺少统一体验。但Agent最容易操作的，恰好是命令行工具、纯文本配置和可以脚本化的系统。
过去，Mac和Windows的封闭与锁定可以换来一致体验；到了Agent时代，不能读取、修改和自动化的部分都会成为障碍。Linux原本要求人学习的复杂性，现在可以由Agent吸收。
Omarchy把这种可能性做成了具体产品。Quattro安装不到一分钟，当前最快纪录为45秒。通过后台预加载、字体裁剪和驱动压缩，镜像从7.5GB降到5.85GB；DHH还希望针对特定硬件把完整安装压缩到12秒。
它不只是追求安装速度，还在尝试让系统本身成为Agent可理解、可诊断、可修改的环境。应用崩溃后，Agent可以读取日志、定位源码并生成完整的错误报告；多个Agent也能对系统执行QA并发现真实问题。
这也是Omacom基金会值得关注的原因。多位科技行业领袖出资支持的，不只是另一个Linux发行版，而是一种“可塑计算机”的方向：用户提出目标，Agent直接改造系统，操作系统不再是只能接受厂商设定的成品。
不要过度规定，让产品在使用中出现
有编程经验的人使用Agent，早期通常更有优势，因为他知道该怎样拆任务、选择技术路线。但知识也可能变成限制：人会下意识要求Agent沿用自己熟悉的路径，从而压缩它寻找更好方案的空间。
这让我重新理解敏捷开发的老判断：人在真正用到软件之前，往往并不知道自己究竟想要什么。
Agent让试错成本大幅下降以后，更合理的方式不是先写一份巨细无遗的规格书，而是先描述问题，让它做出一个可以使用的版本，再从真实体验中发现需求。指令文件和系统提示也不应无限膨胀。模型能力提高以后，过度约束可能像一个不懂业务的上司不断干预，最终让结果更差。
好的Agent协作，不是放弃判断，而是把判断放在更有价值的位置。
面对变化，预测不如参与
DHH给年轻程序员的建议很直接：不要试图预测任何事。
模型每迭代一次，工作方式都可能改变。用今天的能力推演两年后的职业命运，只会制造虚假的确定性和真实的焦虑。
更有效的选择是聚焦当下，亲手使用这些工具，加入社区，做出真实产品。旧的手工编程世界正在变化，为它感到失落很正常。但如果新工具带来的是更有趣、更有创造力的工作，留恋旧方法就不该成为拒绝行动的理由。
我认同这个判断。AI时代最危险的不是预测错，而是把时间都花在预测上。未来无法被准确推演，但可以通过今天的实践逐步靠近。