swyx 的按语：感谢 Richard 在我忙于会议本身期间代为撰写 AIE 的内容！请确保你已订阅 AINews 信息源，以获取我们的工作日更新。AIE 下一届将于 10 月 12 日至 14 日重返纽约，今年的重点将高度聚焦于金融领域的 AI。

AI 工程在过去三年里已经走过了漫长的道路。当 swyx 在 2023 年 6 月创造“AI 工程师”这个术语时，他是在为从大语言模型大爆炸中涌现出来的一类新型开发者命名。现在回想起来恍如隔世，但请记得，我们曾把 AI 与软件开发的交叉领域称为“提示工程”？那仅仅是 swyx 重新定义这个概念之前的几个月。

最近一届 AI Engineer World's Fair 充分展示了这个领域已经成熟到何种程度。“AI 工程师”是否已在各地成为正式的职位名称，这几乎已无关紧要。过去三年里围绕 AI 发展起来的工程实践——构建编码 Agent、设计 harness、管理上下文、评估模型输出，以及编排日益自主的系统——正在成为主流软件开发的一部分。

本文不聚焦于 AIEWF 上的单个发布，而是提炼出五个更大的趋势，以展示 2026 年 AI 工程所处的位置。

1：焦点从 Agent 转向其周围的系统

要了解 AI 工程如何演进，最清晰的方式之一就是对比前 OpenAI 研究员、现为 Thinking Machines Lab 联合创始人 Lilian Weng 的两篇文章。她那篇颇具影响力的 2023 年文章《LLM Powered Autonomous Agents》从规划、记忆和工具使用的角度描述了 LLM Agent 的构造。AutoGPT、BabyAGI 和 GPT-Engineer 都在她的例证之列——这些概念验证系统预示着自主 Agent 或许很快就能变得实用。

她 2026 年的新文章《Harness Engineering for Self-Improvement》则采取了截然不同的视角。Weng 认为，重点不应放在 Agent 本身，而是围绕模型的系统已变得同样重要：即管理工作流、上下文、权限、评估、持久状态和持续改进的 harness。换句话说，AI 工程已经超越了对模型进行提示的阶段，转向围绕模型构建可靠系统的工程。

Coding agent loop; Image by Lilian Weng

这一转变在 AIEWF 上也是大家最关心的话题。我不认为 AutoGPT——2023 年人人都在谈论的那个备受瞩目的自主 Agent 项目——今年甚至被提到过一次。相反，讨论围绕的是 Claude Code、Codex、Gemini CLI、Cursor、Warp，以及让编码 Agent 在生产环境中可靠运行所需的一切基础设施。

我记得 2023 年那场活动上 AutoGPT 的热度曾让我反感，主要是因为所有讨论似乎都聚焦于把人类从方程式中剔除。但过去几年我们学到，完全的 Agent 自主性不仅不可靠，甚至也并非人们所期望的——尤其是在大规模场景下。因此，令人欣慰的是，在 AIEWF 上，Agent 在很大程度上被定位为增强 AI 工程师的能力，而非取代他们。

在 AIEWF 第二天的 OpenAI 主题演讲中，Romain Huet 强调了这一点。他认为，借助 OpenAI 的 Codex 等工具，工程师可以更轻松地与 Agent 协作。正如他所说：“软件吞噬了世界，然后 AI 吞噬了软件，而现在我们想说的是，AI 工程师正在吞噬世界。”

尽管 AI 工程师的能力日益强大，但人们也有一种感觉：即使是前沿公司也不完全理解他们的模型是如何演化的——那么工程师究竟能对这些模型拥有多少真正的控制权呢？在另一场主题演讲中，Anthropic 的 Thariq Shihipar 谈到他们最新的模型 Claude Fable 就像一个有机系统——“模型是培育出来的，而不是设计出来的”。他说，存在一种“能力开销”，“Claude 会以一种参差不齐的方式变得更聪明”。

这更加说明我们需要为 Agent 化开发构建系统，以便对输出进行评估和监控。

2：循环工程是新的控制层

在 AIEWF 第一个上午的主题演讲结束时，很明显“循环”是本次大会当天的流行词。撇开这个词被过度使用不谈，它确实突出了 AI 工程领域的一个关键矛盾点：Agent 应该拥有多少控制权，而人类又应该在哪些环节保持在循环之中？

OpenClaw creator Peter Steinberger advocating for better loops.

许多顶尖工程师现在采取的一种方法是将自己置于“外循环”中——以监督 Agent 在内循环中完成的大规模自主工作。

Roland Gavrilescu 是 Introspection 的联合创始人兼 CEO，这是一家为部署自我改进系统构建基础设施的新公司。在接受 Latent Space 采访时，他解释了“自动研究”的概念如何为 Agent 循环提供必要的反馈结构：

“你可以把这个系统想象成有一个内循环和一个外循环。内循环是与用户交互并执行工作的主系统。自动研究更关注的是外循环：另一个研究和维护主系统的系统。”

外循环可以包括反馈信号、评测和人类输入。因此它可能仍然在很大程度上是自主的，但关键在于，它是对主 Agent 循环的一种监督方法。前 Google 工程负责人 Addy Osmani 对此有一句精辟的话：“Agent 可以承担更多内循环的执行工作，但外循环仍然是工程。”

“循环工程”这个术语在 AIEWF 期间被多次提及，这表明构建这些循环系统是人类 AI 工程师的职责。就连 OpenClaw 的创造者、“ClawFather” Peter Steinberger 也坚持将自己置于外循环之中。在 OpenAI 的主题演讲中，他解释道：“Agent 运行内循环的执行工作；我在外循环中设定方向并做出决策。”

The Loop Debate at AIEWF.

在最后一天，一场台上辩论探讨了完全自主的 Agent 是否有能力在现实中管理循环。来自 HumanLayer 的 Dex Horthy 声称“炒作跑在了实践前面”。他并非反对循环本身，并指出 Kubernetes 就是建立在控制循环之上的——“但它们是确定性循环。”Ralph Loop 的创造者 Geoffrey Huntley 承认循环属于“前沿思维”，但他给观众留下了一个值得深思的绝妙类比：

“[我们]现在有点像火车司机。这就是我们的工作：让火车不脱轨。”

3：AI 工程进入企业

这种与 AI 工具协作的方式正开始进入企业，通常是通过一个名为“前沿部署工程师”（FDE）的新角色——工程师直接与组织合作，实施 AI 能力。

在 Sierra 负责 FDE 的 Natalie Meurer 告诉 Latent Space，将 AI 落地到组织中通常需要大量的编排工作。“与我们合作的每一家企业都想知道如何维护其 Agent 生态系统能够做的一切，”她说。“它需要管理所有的集成，以及为 Agent 做出贡献的所有团队。”

Cursor’s Pauline Brunet talking about FDEs in an AIEWF session.

在 AIEWF 的演讲中，Cursor 的 Pauline Brunet 谈到了他们的 FDE 在每次合作中希望达成的目标：

“当[我们]在合作结束时离开——就我们而言，我们已经部署了云端 Agent、长时间运行的 Agent、自动化流程，并基于我们的 Cursor SDK 构建了应用程序——当我们离开时，对他们来说这是一笔严格意义上的 ROI。这意味着我们走后他们不会把东西关掉。”

大会上另一个经常出现的术语是“软件工厂”。在 Cursor，“软件工厂意味着由长时间运行的 Agent 在整个过程中为人们提供帮助，”Brunet 说。这基本上就是她的 FDE 团队负责实施的内容，他们与客户的工程师并肩工作。

人类工程师在软件工厂中的定位是企业关注的关键问题。Warp CEO Zach Lloyd 解释说，组织需要选择生命周期中哪些部分要自动化，以及应该在哪些环节让人类介入。

Warp’s Zach Lloyd on building the thing that builds the product.

“你选择你的代码仓库、你想要自动化的软件生命周期部分，以及应该让人类介入的环节，”Lloyd 在谈到该公司新的软件工厂平台 Oz 时告诉我们。“不同的组织和代码库会有不同的偏好。你要完全自动化代码审查吗？还是让人类审查某些高风险的变更？”

企业关心的另一个问题是在 AI 系统中管理其独特的组织数据。来自 Atlan 的 Prukalpa Sankar 在大会上谈到了“上下文工程”，并在一条推文中解释说，重要的是要考虑“上下文如何从你的业务系统流入一个共享的公司大脑，然后通过 MCP、API 和检索流向 Agent、副驾驶和应用。”

最后，为了避免我们认为企业已经全面拥抱 Agent，Cursor 的 Brunet 指出，企业对 AI 的采用“仍集中在早期采用者之中”。因此，在这一阶段，为 FDE 们带来挑战的是如何找到“组织内部合适的拥护者”。

4：编码 Agent 取代 IDE，成为开发者的交互界面

自首届 AI Engineer Summit 以来，最大的实际变化或许就是开发者日常与 AI 交互的方式。

在 2023 年，AI 辅助编程主要意味着 GitHub Copilot 补全接下来的几行代码。大多数开发者仍然几乎亲自编写所有代码，把 AI 当作智能自动补全工具来使用。但如今我们有了 Claude Code、Codex、Gemini CLI、Cursor 和 Warp 等工具。这些“编码 Agent”通常能够理解更宏观的目标，探索代码库，修改多个文件，运行测试，调试失败，并在把成果交还给开发者之前自行迭代。

In Barr Yaron’s AI engineering survey, coding agents was a key trend.

编码 Agent 的这一趋势如今也延伸到了 Web 开发领域——随着 Vercel 近期发布的 eve，该公司称之为“Agent 框架”，可与它广受欢迎的开源 React 框架 Next.js 相媲美。

Vercel 的软件负责人 Andrew Qu 在 AIEWF 上告诉 Latent Space，Agent 实际上是一种新型软件。“它们（Agent）不像 Web 应用那样可预测，”他解释道，“基础设施看起来可能相似，但交互、界面和输出要动态得多。”

Qu 补充说，为 Agent 开发构建框架的工作远未结束。“一年前，我们并不知道沙箱会变得如此重要，也不知道对安全代码执行和长时间运行任务的需求会有多大，”他说，“随着我们从生产环境中不断学习，还有更多东西需要构建。”

A for agents? Andrew Qu flashes the Vercel triangle logo.

这又把我们带回了软件工厂的趋势，即开发者同时管理多个 Agent。Conductor 的 CEO Charlie Holtz 提醒 AIEWF 的听众，无论使用何种编码工具，人类工程师都应始终保持掌控。

“我不希望未来围绕工厂来构建，”Holtz 说，“我想感觉自己是一个人，我想进入心流状态，我想站在交响乐团面前，挥舞着我的指挥棒。”

会议上有一种感觉：AI 工程师们尚未就哪个术语更贴切达成一致：是软件工厂，还是交响乐团？即便是 loopmaxxing 的倡导者 Geoffrey Huntley，也提醒大家在自动化方面不要操之过急：

“我最担心的是，明年这个时候在大会上，我们会看到一大堆人说，我们的工厂失败了，我们的循环失败了。这些仍是我们尚未弄清楚的事情。”

5：每个 Agent 平台都在围绕技能构建

大会的一个热议话题是“技能（skills）”，这一概念由 Anthropic 在去年十月为 Claude 推出“Agent 技能（agent skills）”时推广开来。借用 Addy Osmani 的定义，技能“将资深工程师在构建软件时所使用的工作流、质量关卡和最佳实践编码化”。

在 AIEWF 上，Vercel 的 Andrew Qu 表示，技能“作为可移植、按需获取的知识非常有用”。Introspection 联合创始人 Roland Gavrilescu 宣称，AI 工程已经“从 Agent 工具转向 Agent 技能”。

在主舞台的一场演讲中，Google DeepMind 的 Philipp Schmid 展示了如何通过使用技能（以及其他声明式 Markdown 文件），让开发者实现“无需代码的 Agent”。他的核心观点是，技能减少了对编排代码的需求——而在此之前，编排通常是用 Python 来完成的。他的结论是：

“Agent 只不过是文件。我们编写 Markdown 文件来扩展能力。Agent 可以从这些文件中学习，甚至可以创建自己的文件。”

Paul Bakaus 曾任职于 Google，如今经营着一家名为 Renaissance Geek 的公司，他围绕 Agent 技能打造了一整套项目。Impeccable 是一个开源的设计技能系统，为编码 Agent 提供了一套用于改进界面的词汇体系。他甚至倡导将“技能工程（skill engineering）”作为一门独立的学科。

Paul Bakaus: “You can’t one-shot design.”

在接受 Latent Space 采访时，Bakaus 指出，大多数技能——实际上也包括大多数模型——都缺乏创造力。“它们朝着一个方向收敛，如果所有人都用同一个技能去做前端设计之类的工作，最终所有东西看起来都会千篇一律。”他说。

显然还存在一种所谓的“技能地狱（skills hell）”，Matt Pocock 认为它类似于开发者以往遭遇的种种挫败——比如框架地狱。在一次线上演讲中，Pocock 提供了一份详细的技能编写清单，你可以在下面的视频中看到。简而言之，他建议编写更少、更小的技能，并在结构上投入更多思考。

在闭幕主题演讲中，Y Combinator 总裁 Garry Tan 呼吁听众在自己的初创公司或雇主企业中使用技能以及其他“AI 原生”方法。谈到销售、支持和财务等业务职能时，Tan 表示：“我在 YC 内部看到的那些 AI 原生公司，会把所有这些都编码为技能——即由他们的 Agent 执行的成文流程——并且他们会聘请工程师，专门负责维护这些技能，完成技能尚无法胜任的工作。”

但话说回来，过度依赖 Agent 的自主行为同样存在危险。正如 AIEWF 参会者 Tyler Brown 在 X 上所指出的：“没有结构的自主性，带来的混乱和杠杆一样多。”他从大会得到的收获之一，就是“重新审视并重新实现你的技能”：

“每当有新模型发布时，就好像你的孩子从初中升入高中。你必须为他们调整课程，才能从新模型中获益。”

大规模的 Agent 工程

距离《AI 工程师的崛起》和首届 AI Engineer Summit 已经整整三年了。回顾过去，对话内容的演变着实令人惊叹。三年前，讨论的焦点是证明 LLM 究竟能否作为自主 Agent 运行（而当时的答案通常是否定的）。AutoGPT、提示词工程以及 Langchain 等早期编排框架主导了那时的讨论。

如今，Agent 不仅能够运行，还证明了它们可以规模化，今年的 AI Engineer World's Fair 得以聚焦更重大的问题：构建可靠的系统、编排 Agent 团队、管理上下文、评估输出，以及将 AI 集成到生产软件中。

Agents are everywhere now…even on the back of San Francisco buses.

“AI 工程师”这个词最初或许只是一个新的职位名称，但在 AIEWF 2026 上，它更像是软件工程本身发展方向的一种描述。无论开发者自称 AI 工程师、软件工程师还是前沿部署工程师，他们所处理的核心议题正日益趋同：编码 Agent、harness 工程、循环设计以及编排。