所以，那些 AI 應用程式都到哪去了？

背景

Answer.AI 的這篇文章探討了一個核心疑問：如果 AI 真的如支持者所言能提升數倍甚至百倍的生產力，為何在 PyPI 等公開軟體倉庫中，並未觀察到軟體產量爆發性的增長？作者透過數據分析發現，除了與 AI 直接相關的熱門專件更新頻率顯著增加外，整體軟體的創作速度並未出現預期中的「AI 效應」。

社群觀點

Hacker News 的討論揭示了數據與現實感官之間的落差。許多開發者指出，PyPI 的套件數量並非衡量 AI 生產力的正確指標。一個普遍的共識是，AI 正在催生「個人化軟體」與「拋棄式軟體」的時代。許多用戶利用 AI 撰寫僅供個人使用、解決特定生活痛點的小工具，例如自動化購物清單或個人儀表板。這些程式碼往往直接運行在本地端，開發者既無動機也無必要將其封裝成公開套件或 SaaS 產品。這種「隱形」的生產力提升，自然不會反映在公開的統計圖表中。

關於 AI 應用的存在形式，社群中存在著「隱形化」的論點。資深開發者認為，最成功的 AI 應用並非那些標榜 AI 驅動的產品，而是將大型語言模型悄悄嵌入既有工作流的工具。過度強調 AI 標籤反而容易引起一般消費者的反感或疲勞，大眾真正需要的是能解決問題的功能，而非技術細節。此外，也有人批評目前的「氛圍編程」（Vibe Coding）雖然能快速產出原型，但在進入生產環境所需的最後 10% 磨難中，AI 往往顯得力不從心。缺乏系統性架構知識的開發者在面對複雜 Bug 時，容易陷入「打地鼠」式的惡性循環，導致許多專案最終止步於 Alpha 階段。

另一派觀點則從產業結構的角度切入，認為生產力的提升可能被企業內部的裁員所抵消。公司可能維持同樣的開發節奏，但使用更少的人力來達成，這解釋了為何外部觀察到的產出總量保持穩定。同時，遊戲開發被視為 AI 真正能大放異彩的領域，因為 AI 能大幅降低美術資產生成的門檻，讓獨立開發者有機會實現以往需要龐大團隊才能完成的願景。儘管目前市場上充斥著大量低質量的 AI 生成內容，但支持者相信隨著技術成熟，品味將成為區分平庸與卓越的關鍵。

延伸閱讀

在討論中，有開發者分享了具體的實踐案例與工具。例如有人提到利用 Claude Code 配合自定義儀表板取代傳統的 VSCode 工作流。此外，針對 AI 時代的個人軟體理念，Robert Delu 的文章《Personal Software Era》被提及作為對此現象的深度解讀。在具體應用方面，也有人分享了如 gethuman.sh 等嘗試簡化開發流程的框架，以及利用 AI 輔助設計業務流程的實際案例。