Jerry Liu（LlamaIndex CEO）最近说了一句让整个 AI 编程圈沉默的话：「LlamaIndex 95% 的代码是 AI 生成的。工程师实际上不是在写真正的代码，他们是在用自然语言打字。」

这句话的真正含义不只是”AI 很强”，而是整个 AI 编程工具链正在发生结构性重塑——脚手架层（scaffolding）正在被颠覆，而”context”正在成为新的护城河。

目录

一、什么是”脚手架层”，为什么它在崩塌

1.1 脚手架层的历史背景

2022-2024 年，AI 应用开发的核心挑战是：LLM 有能力，但缺少连接到真实世界数据和工具的桥梁。

为了解决这个桥接问题，开发者社区构建了一套复杂的中间件：

LlamaIndex、LangChain、RAGflow、DSPy 都是这个脚手架层的代表性产物。

1.2 脚手架层为什么现在在崩塌

理由一：模型的缺陷已经被修复

2023 年的 RAG 框架之所以必要，是因为 LLM 有三个根本缺陷：

缺陷 RAG 的解决方案
无法访问私有数据 Retrieval 注入上下文
长上下文会退化 Chunking + Indexing
多步推理不稳定 Agent loop 显式编排

2026 年的模型已经大幅改进：

理由二：Coding Agent 把”脚手架”反向颠覆了

最讽刺的事实：LlamaIndex 是”脚手架框架”，但 LlamaIndex 的工程师现在 95% 的代码是 AI 生成的。

这意味着：

这不是说编程变简单了，而是说中间层的复杂性被压缩了。

二、崩塌的三个层次：从框架到自然语言

2.1 第一层：Orchestration 编排层在消失

以前实现一个”带记忆的 Agent”需要：

# 需要手写状态管理、工具注册、ReAct 循环
class ReActAgent:
    def __init__(self):
        self.tools = [search_tool, calculator_tool]
        self.memory = ConversationBufferMemory()
    
    def step(self, observation):
        # 手动写思考-行动循环
        thought = self.llm.think(observation, self.memory)
        if thought.action:
            return self.execute_tool(thought.action)

现在只需要告诉 Agent：

「你是一个带记忆的代码审查 Agent，每次审查前先查一下上次审查的反馈模式」

这就是”managed agent diagram”（Anthropic 提出的架构）——harness 层+工具+MCP 连接器+技能插件，不需要手写编排代码。

结果：学习 LangChain/LlamaIndex 的复杂 API 变得不再必要。

2.2 第二层：Integration Glue 在消失

2023 年的另一个复杂性来源：把各种工具和数据源接入 Agent 需要大量 glue code。

# 以前：手写工具发现、API 认证、错误处理
class SlackTool:
    def __init__(self, token):
        self.client = SlackClient(token)
    
    def search_messages(self, query):
        # 50 行认证和错误处理代码
        ...

# Agent 需要知道 Slack 工具的所有接口

MCP 协议改变了这个：

结果：学习每个工具的 API 细节变得不再必要。

2.3 第三层：Prompt 和 Context 的边界在消失

最深刻的崩塌发生在 Prompt 层和 Context 层之间。

以前：

现在，这两者的界限变得模糊：

这意味着你给 Agent 什么 context 比你会什么框架更重要。

三、Coding Agent 是催化剂，也是证明

3.1 Claude Code 的架构哲学就是脚手架崩塌的体现

Claude Code 没有复杂的 RAG pipeline，没有内置向量数据库，没有繁重的索引层。

它的架构是：

这正是 Jerry Liu 说的”managed agent diagram”在 Claude Code 中的实现。

结果是：

3.2 从”会框架”到”会描述任务”

脚手架时代的能力模型：

Python/JavaScript → LangChain/LlamaIndex API → RAG/Agent 模式 → 会用 AI 工具

脚手架崩塌后的能力模型：

自然语言描述任务 → AI 工具执行 → 验证和迭代

这意味着：

3.3 95% AI 代码的真正含义

Jerry Liu 说「LlamaIndex 95% 的代码是 AI 写的」，这句话有三个层次的含义：

第一层（表面）：LlamaIndex 工程师用 AI coding tool 提高效率

第二层（实质）：LlamaIndex 的工程师现在在做 prompt engineering 和 context management，而不是写框架代码

第三层（结构）：脚手架框架的开发者自己不再需要脚手架——他们用 AI 直接构建应用，而不是用框架构建应用

第三层才是颠覆性的：框架的价值主张（降低 AI 应用开发门槛）在被 AI coding tool 直接取代。

四、Context 的竞争从 Orchestration 转向 Document Processing

4.1 当 orchestration 不再稀缺，什么才稀缺？

Jerry Liu 在访谈中明确指出了 LlamaIndex 的战略转型：

「Context 才是护城河。模型们都需要的是 context。」

脚手架崩塌后，所有人都能轻易构建 retrieval 管道和 agent loop。这意味着：

LlamaIndex 的新定位不是”更好的 RAG 框架”，而是：

这是从”orchestration”（编排）到”ingestion”（摄取）的战略转移。

4.2 对 AI 编程工具的直接含义

同样的逻辑适用于 AI 编程工具：

当所有 AI coding tool 都能做代码补全、代码审查、测试生成时，差异化在哪里？

答案是：Context 的质量和丰富度。

Claude Code 的差异化不是”能做什么”，而是”知道什么”：

这些 context 决定了 Claude Code 的输出质量上限——同样的模型，给不同质量的 context，输出质量差异巨大。

4.3 Context 是新的”框架护城河”

脚手架时代的护城河：

脚手架崩塌后的护城河：

这意味着：一个熟悉业务领域的开发者 + AI coding tool，可能比一个框架专家更能产生价值。

五、对 AI 编程工具的实际影响：框架在消失，context 在变贵

5.1 开发者能感受到的具体变化

变化一：调试链路变短了

以前：当 AI 输出错误，先要检查 RAG retrieval 是否正确 → 检查 chunking 策略 → 检查 embedding 模型 → 检查 LLM 输出

现在：当 AI 输出错误，直接检查 context 是否正确 → 检查 prompt 是否清晰 → 检查 model 是否适合这个任务

框架层消失后，调试链路从 4-5 步减少到 2-3 步。

变化二：框架学习的优先级下降

以前：”我需要先学 LangChain 才能用 AI 编程” 现在：”我需要先理解这个项目的业务逻辑才能用 AI 编程”

变化三：Context 文件的价值被重新发现

Claude Code 的 CLAUDE.md 不只是一个提示词文件——它是项目的”背景知识库”。

一个好的 CLAUDE.md 带来的效率提升，远大于学习任何 RAG 框架。

5.2 仍然有价值的东西

脚手架崩塌并不意味着所有框架知识都过时。以下技能反而变得更值钱：

技能一：测试和验证

当 AI 生成代码的速度大幅提升，人工验证成为主要瓶颈。测试驱动开发的投入产出比反而上升了——你需要更高效的测试能力来跟上 AI 的生成速度。

技能二：Domain 理解

脚手架帮你跳过”怎么做”，但不能帮你跳过”做什么”。对业务领域的深度理解成为真正的差异化。

技能三：Context 工程

知道给 Agent 什么信息、信息的组织方式、如何保持 context 的准确性和时效性——这是新时代的核心工程能力。

六、开发者行动指南：脚手架崩塌时代的策略

6.1 停止做的事情

6.2 开始做的事情

6.3 持续投入的事情

七、SageOX 的补充视角：团队知识本来就丢失了

VentureBeat 同期报道了 SageOX（Context Infrastructure 创业公司），他们的发现从另一个角度印证了”脚手架崩塌”的深层问题：

AI Agent 在隔离的 session 中工作，缺乏团队先前决策的共享记忆。每个任务都从零开始。

SageOX 的核心解决方案是：捕获”为什么”（Slack threads、白板讨论、会议决策），而不只是”是什么”（代码、文档）。

这与我们之前写的 Context Caching（2026-04-20）一文形成呼应：

两者共同指向一个结论：Context 是整个 AI 编程工具链中最薄弱的环节，而不是框架层。

八、结论：复杂性没有消失，只是搬家了

8.1 脚手架崩塌的本质

脚手架层的崩塌不是”复杂性消失了”——复杂性从代码层（框架、编排管道）转移到了问题层（domain 知识、业务理解）。

Jerry Liu 的判断是对的：「新的编程语言本质上是英语」。这意味着：

8.2 新的机会在哪里

脚手架崩塌后的新护城河：

领域 为什么是护城河
Context infrastructure 数据提取、文档处理、team memory
Domain expertise AI 无法替代的领域理解
Verification/testing AI 生成速度越快，验证越重要
AI tooling integration 把 AI 能力组合成特定场景的解决方案

8.3 对 AI 编程工具的最终判断

LlamaIndex 95% AI 代码这个数字，是一个时代的分水岭。

它意味着：

对于每天在使用 Claude Code、Cursor、Copilot 的开发者来说，脚手架崩塌是一个好消息——你不再需要成为框架专家才能高效编程。

但它也是一个挑战——框架带来的”专业壁垒”消失了，竞争的基础变成了更难以量化的东西：context 的质量、domain 的深度、描述任务的清晰度。

这是更难建立的优势，也是更难被替代的优势。

延伸阅读