Meta

文章分类Tech

标签Agent EngineeringAIPrompt EngineeringMCP

目录

所谓的 “Agent 工程” 概念对照表

今天闲的没事乱翻, 看到了这个表格 知乎回答 , 我让 AI 帮我生成了最右边一列:

Agent 工程门类	对标计算机老本行	我的理解
Prompt engineering	单条 print 单行指令	纯纯跟 AI 甩一句大白话命令, 好比终端敲一行打印, 一次性使唤它, 说完拉倒, 没后续拉扯
Loop engineering	for/while 循环, 递归控制流	一遍干不完不能撂挑子! 循环反复折腾, 出错就重来, 磨到活儿整明白才肯罢休, 主打一个死磕到底
Harness engineering	规格化, IO 管道	给 AI 单独整个专属小平房, 进出数据的水管子全铺妥当, 它全程搁这屋里干活, 啥杂事不用自己操心
Context engineering	内存管理, 手动垃圾回收	上下文窗口就是 AI 的炕头小桌板, 资料堆满满当当塞不下, 就得手动往外扔破烂, 再把有用的码整齐
Memory engineering	数据库, 持久化存储	不能聊完扭头就失忆! 重要事儿全存数据库焊死, 下次开机直接翻陈年旧账, 记性嘎嘎好
Eval / Verifier engineering	断言, 单元测试, 类型校验	专职找茬监工上线! AI 干完活挨个挑刺, 但凡有一点不对, 立马勒令返工, 半点糊弄都不好使
Orchestration engineering	路由, 多线程, 并发	一堆 AI 小弟集体开工, 得安排得明明白白, 不能抢活干, 不能互相堵道干瞪眼, 防止大伙卡死摆烂
Protocol engineering	FFI/ABI 接口, 规范, 协议	统一唠嗑规章制度! AI 跟工具, AI 跟 AI 之间传话有标准, 不然各说各的, 谁也听不懂谁, 纯纯鸡同鸭讲
Policy / Guardrail engineering	权限管控, 异常捕获 try/catch	家里大门锁 + 兜底安全垫! 毁机器的高危操作必须主人点头同意, 出啥乱子立刻兜住, 不让 AI 闯弥天大祸
Tool engineering	标准库, API 工具集设计	给 AI 配齐全套趁手家伙什, 扳手锤子螺丝刀一应俱全, 接口设计贼顺手, 拿起来就能直接造活
Retrieval engineering	索引, 查询优化, RAG	资料库堆成小山包, 专门优化翻找路子, 精准扒拉出能用的干货递 AI 跟前, 不用它瞎翻废纸
Skill / Module engineering	软件包, 模块化封装	整套独门手艺打包成小包裹, 想用直接拎出来用, 不用每次从零开始现琢磨, 省事又省心
Router engineering	调度器, 负载均衡	工地包工头实锤! 看哪个 AI 小弟闲着, 哪个模型适配, 直接派活, 绝不出现有人累死, 有人躺平摸鱼
State engineering	状态机, 断点 Checkpoint	牢牢记住活儿干到哪一步, 万一操作翻车搞砸了, 一键退回上一步, 不用从头返工遭二茬罪
Sandbox engineering	容器, 虚拟化环境隔离	单独圈个小院把 AI 关里头隔离看管, 严禁它瞎霍霍主机, 杜绝删根目录这种纯纯作死行为
Observability engineering	日志, 链路追踪, 性能排查	全程 360 度无死角监控 + 记小本本, AI 每一步摸鱼, 在哪卡顿磨洋工, 瞅一眼记录全给你扒得明明白白
Cost engineering	性能分析, 算力成本核算	使唤 AI 一下就是一笔开销, 算清楚干这活儿造多少 token, 换算成人民币, 看完直心疼钱包直抽抽
Caching engineering	Prompt 缓存, KV 缓存	之前算过的答案, 问过的话全存缓存, 别重复花钱重新计算, 缓存命中率越高, 薅羊毛省的钱越多
Security engineering	系统安全, 注入攻击防御	严防外人瞎编话术套路 AI, Prompt 注入就是新时代 SQL 注入, 纯属耍阴招搞破坏, 必须严防死守
Alignment / Spec engineering	契约设计, 形式化规范	提前把条条框框写得死死的, 跟 AI 约好能说啥, 不能扯啥, 杜绝它东拉西扯跑偏, 满嘴跑火车
Meta / Compiler engineering	编译器, 自动代码生成	全能大管家! 人随便甩一句模糊需求, 它自动拆分成上面所有全套工序, 一条龙给你安排得板板正正

复古轮回?

很幸运的是我们团队追随 AI 的脚步非常的迅速. 上述所有的内容, 在公司内部都有特定部门在做 Experimental Project TMD 要我们工作之外还花时间搞科研.

并且每周都有人 Demo TMD 每周五印度时间上午就是我们吃饭时间还得听完了再去吃饭.

不可否认, AI 实实在在提升了我们的工作效率, 但越做 Agent 工程越有个强烈感受:

我们只是把十几年前传统软件工程的整套逻辑, 在 AI 领域重走一遍老路. 顺便看看有没有傻子的钱能够骗到

逐个掰扯

Loop Engineering

• 这个相当扯, 简直就是从单行命令改成 for 循环的感觉. 早期模型 Context Window Size 限制了循环, 这个未来必然成为核心.

可笑的点就在于, 对于开发语言, 哪有拿循环作为卖点的?

Harness, Rules & Skills

• 其实就是 Context Engineering, 都是通过上下文的模式来实现一定的内容规划
  • 去年开始全员推广 Spec-Driven 模式, 它最早火起来的时候我在个人账号用过一阵子 当初跑一次就两刀贵的一逼. 感觉就是特别耗 token, 而且效果不好. 但是在后来我们搭建自动化 Wiki 之后, AI 替换率稍微高一点了. 但这依然是受益于模型 Context Window 扩大.
• 无语的是, 有一个团队 Demo 了 PRD Harness Skill Set. 受到 一群猴子市场部 的大好评.
  • 他们的 Context 连 Document 都没有, 怎么可能生成出有价值的 PRD?
  • Demo 上面吹的天花乱坠, 搞得 Marketing 以为有了 AI 能 踩着彩虹屁 上天
  • 他们写出一堆没有 Review 的内容, 最后创建都是开发者自己用 AI 修复
  • 搞得开发部事情更多, 简直腐败 绝对不能和猴子赌气.

RAG

• 说白了就是传统业务的 Persistence Layer;
  • 我们去年研究的 RAG 性能极差, 每一次 build 数据库都要 10+ min
  • 很显然我们应该学习 Cursor 和 Claude Code 使用 grep 的模式进行 realtime-search.

Evaluation

• 去年多个团队埋头做了一整年, 他们提到了十多个类似的框架 (LangChain, LLMChain, etc).
  • 因为我们团队没有去研究这个方向 TMD 还好没浪费老子时间, 因而从侧面的角度来看, 感觉很奇怪的, Eval 今年直接无人提及. 我猜是今年各大云平台自带了评测功能, 不需要自行搭建和管理.
  • 这一个变化像极了人工测试被自动化测试替代, 然后云平台替代本地部署的情况. 机器终将代替猴子
  • 但它本质就是 AI 专属性能测试框架, 可还是黑盒模式, 考虑到成本问题, 我们不会自主去训练模型. 只能靠好坏反馈微调提示词, 对于降低幻觉的效果很有限 明明花钱换个更好的大模型, 幻觉率直接巨降, 还扯这些破东西.

容器化 / Prompt 缓存 / KV 缓存

• 这不就是 Kubernetes
• 去年搭建的 MCP Server 又被 Skills 代替
  • 这个就像极了微服务, 我的第一反应是讯飞的本地语音识别模型.
• 调度器和负载均衡什么的. Nginx?
• 你们今年还听到多少龙虾的声音?

我来做一个预言

• 一到两年之内, 等这一段胡 J8 吹百家争鸣的时间过去. 会有一个固定通用的模型测试框架. Evaluation/Testing 初步定性.
• Skills 和 Rules 会统一
  • 现在各家用各家的目录 ( .cursor , .claude ), 各家的 Skills 格式已经基本可以通用了, 但是 Rules 还有一些不同.
  • 前一段时间有统一的说法, 说可以用 .agent 目录来统一. 但我认为这只是一个过渡阶段, 未来会有一个统一的标准.
• 协议统一
  • MCP 这已经比较完善了.
  • A2A 和 A2T 也会有一个统一的标准, 但不会是现在的样子, 最好就是全部都走 HTTP/HTTPS 或者 RPC
• 现在只要新发明的词汇中带有 engineering 这一个关键字, 默认他就是个傻逼泡沫

个人感想

慢慢也就习惯了 AI 圈子这种乱糟糟, 一阵风式的更新节奏, 各种新技术, 新概念火得快, 凉得也快, 就跟四季花开花落炒概念的妖魔鬼怪都得死一样, 是常态.

这两年炒得热火朝天的各类 Agent 工程玩法, 看着像是全新的技术风口, 扒开表层噱头去看, 其实都是依托答辩软件工程玩剩下的东西, 兜兜转转又回到原点.

热闹一直有, 底层从未变.

带薪条件下保持学习并且 TM 不加班依然很重要, 毕竟现在学习的门槛已经降了非常多.

在保持跟进这些新技术的同时, 最好能够区分一下哪些是真货哪些是灌水.

要有可能的话不如学习一下广告学, 毕竟像这副鬼样子的行业状况, 未来很有可能拿这个信息差获取收益 就是搞诈骗.

站得越高, 摔得越狠. 盘子越大, 碎得越惨.

尾记

今年夏天, 每天还是拿一个两吨重的保温杯去装冰无糖可乐, AI 千变万化, 控制体重生活还是一样.