English
题为《创业者思考：如何做 AI Agent 喜欢的基础软件？》的文章指出，随着AI Agent迅速成为基础设施软件（Infra）的主要用户，软件的设计理念、接口和商业模式需要进行根本性重构。这一趋势已在实践中显现，例如在TiDB Cloud的生产环境中，超过90%的新建数据库集群已由AI Agent直接创建。
文章核心观点如下：
1. 稳定且可扩展的心智模型 AI Agent所使用的软件，其核心不应是传统的UI或API，而是其背后稳定且可扩展的心智模型。AI在训练过程中已内化了大量关于底层系统（如文件系统、SQL）的稳定假设和模式.。因此，为Agent设计的软件应主动顺应这些已被模型理解、存在数十年的"古老"心智模型，而非创造全新的接口。一个好的心智模型应具备可扩展性，允许在不破坏原有模型的前提下引入新的实现，例如Linux VFS或实验性文件系统agfs，它们在保持文件系统接口约束的同时，实现了向量索引等新能力。
2. 生态与语法的重要性变化 对于AI Agent而言，特定语法（如MySQL与Postgres的区别）或社区文化等"偏好性差异"的意义不大，只要接口稳定、语义清晰、生态完备即可。生态之所以重要，是因为流行的软件对应着经典、稳固且已被大型语言模型（LLM）广泛学习的心智模型（如SQL）。在此框架下，具体选择哪种"方言"并非关键。这意味着在范式级别进行创新将更加困难，因为AI更倾向于使用它已经理解的系统。
3. Agent友好的系统接口设计
- 可被自然语言描述： 友好的接口要求软件能力本身适合用自然语言表达意图。图形界面由于难以用语言精确描述，对Agent不够友好。虽然自然语言存在歧义，但LLM擅长结合上下文猜测意图，在多数工程场景下成功率已足够高。当系统底层心智模型正确、接口语义稳定时，上层少量的歧义不会成为系统性问题，Agent可以通过反馈和尝试来解决。
- 可被符号逻辑固化并交付确定性结果： 自然语言适合表达意图，但执行必须收敛到无歧义的中间表示（如SQL、脚本、代码），以实现任务的复用、组合和自动化验证。系统需要清晰定义"歧义被彻底消除"的时刻，从而将模糊意图冻结为确定、可存储复用的结构。目前，最好的逻辑符号描述是代码，因为它能用尽可能少的Token实现最多的可能性，具有极高的认知密度，例如用一段Python脚本描述规则，即可应用于任意规模的数据。
4. AI Infra为AI Agent提供的必要特征 AI Agent产出的工作负载本质上是"日抛型"的，其特点是重视开箱即用、随时创建和无负担丢弃，而非长期稳定运行。因此，基础设施应支持低成本虚拟化，满足AI快速试错的需求，并优化单位时间算力分配。
总结来说，AI Agent的出现正在推动基础软件向以AI心智模型为中心、自然语言友好且能固化符号逻辑、并支持日抛型工作负载的方向发展。
中文
题为《创业者思考：如何做 AI Agent 喜欢的基础软件？》的文章指出，随着AI Agent迅速成为基础设施软件（Infra）的主要用户，软件的设计理念、接口和商业模式需要进行根本性重构。这一趋势已在实践中显现，例如在TiDB Cloud的生产环境中，超过90%的新建数据库集群已由AI Agent直接创建。
文章核心观点如下：
1. 稳定且可扩展的心智模型 AI Agent所使用的软件，其核心不应是传统的UI或API，而是其背后稳定且可扩展的心智模型。AI在训练过程中已内化了大量关于底层系统（如文件系统、SQL）的稳定假设和模式。因此，为Agent设计的软件应主动顺应这些已被模型理解、存在数十年的"古老"心智模型，而非创造全新的接口。一个好的心智模型应具备可扩展性，允许在不破坏原有模型的前提下引入新的实现，例如Linux VFS或实验性文件系统agfs，它们在保持文件系统接口约束的同时，实现了向量索引等新能力。
2. 生态与语法的重要性变化 对于AI Agent而言，特定语法（如MySQL与Postgres的区别）或社区文化等"偏好性差异"的意义不大，只要接口稳定、语义清晰、生态完备即可。生态之所以重要，是因为流行的软件对应着经典、稳固且已被大型语言模型（LLM）广泛学习的心智模型（如SQL）。在此框架下，具体选择哪种"方言"并非关键。这意味着在范式级别进行创新将更加困难，因为AI更倾向于使用它已经理解的系统。
3. Agent友好的系统接口设计
- 可被自然语言描述： 友好的接口要求软件能力本身适合用自然语言表达意图。图形界面由于难以用语言精确描述，对Agent不够友好。虽然自然语言存在歧义，但LLM擅长结合上下文猜测意图，在多数工程场景下成功率已足够高。当系统底层心智模型正确、接口语义稳定时，上层少量的歧义不会成为系统性问题，Agent可以通过反馈和尝试来解决。
- 可被符号逻辑固化并交付确定性结果： 自然语言适合表达意图，但执行必须收敛到无歧义的中间表示（如SQL、脚本、代码），以实现任务的复用、组合和自动化验证。系统需要清晰定义"歧义被彻底消除"的时刻，从而将模糊意图冻结为确定、可存储复用的结构。目前，最好的逻辑符号描述是代码，因为它能用尽可能少的Token实现最多的可能性，具有极高的认知密度，例如用一段Python脚本描述规则，即可应用于任意规模的数据。
4. AI Infra为AI Agent提供的必要特征 AI Agent产出的工作负载本质上是"日抛型"的，其特点是重视开箱即用、随时创建和无负担丢弃，而非长期稳定运行。因此，基础设施应支持低成本虚拟化，满足AI快速试错的需求，并优化单位时间算力分配。
总结来说，AI Agent的出现正在推动基础软件向以AI心智模型为中心、自然语言友好且能固化符号逻辑、并支持日抛型工作负载的方向发展。