什么是 Agentic Engineering？Simon Willison 给出最新定义

随着 Claude Code、OpenAI Codex、Gemini CLI 等 AI 编码工具的兴起，一个新的工程范式正在形成。知名开发者 Simon Willison 在其最新的《Agentic Engineering Patterns》指南中，系统性地阐述了这一概念。

Agentic Engineering 的定义

Agentic Engineering 是指借助编码智能体（Coding Agents）来开发软件的实践。

什么是编码智能体？

编码智能体是指既能编写代码又能执行代码的 AI 代理。与传统代码补全工具不同，它们具备以下特征：

• 代码执行能力：不仅生成代码，还能直接运行验证
• 目标导向：通过循环运行工具来实现既定目标
• 迭代优化：根据执行结果不断调整代码

核心原则：Agents run tools in a loop to achieve a goal

Willison 对 Agent 的定义简洁而深刻：

你给编码智能体设定一个目标，然后智能体循环生成并执行代码，直到目标达成。

代码执行是使 Agentic Engineering 成为可能的关键能力。没有直接运行代码的能力，LLM 的输出价值有限；而有了代码执行，这些智能体就能迭代地构建出真正可用的软件。

人类工程师的角色转变

既然 AI 能写代码了，人类工程师还有什么价值？

Willison 的回答是：价值巨大。

写代码从来就不是软件工程师的唯一工作。真正的技艺在于决定写什么代码。任何软件问题都有数十种潜在解决方案，每种都有其权衡取舍。人类工程师的工作是权衡这些选项，找到最适合特定场景的方案。

有效使用编码智能体的关键

要获得出色的结果，需要：

1. 提供合适的工具：为智能体配备解决问题所需的工具集
2. 精确描述问题：以恰当的详细程度说明需求
3. 验证与迭代：检查结果并持续优化，直到满意
4. 积累知识：虽然 LLM 不会从错误中学习，但我们可以通过更新指令和工具配置来积累经验

实践模式

Willison 的指南涵盖了多个实践模式：

• 编写代码现在很便宜：利用 AI 快速生成原型，然后迭代优化
• 囤积你知道怎么做的事：将常见任务的标准做法固化为可复用的提示词
• AI 应该帮助我们产出更好的代码：不仅仅是更快，而是更高质量
• 红/绿测试驱动开发：让 AI 先写测试，再写实现
• 线性代码走查：让 AI 逐行解释复杂代码

未来展望

Agentic Engineering 是一个快速发展的领域。Willison 强调，这个指南本身也是"进行中的工作"，会随着新技术的出现持续更新。

有效使用编码智能体可以帮助我们承担更雄心勃勃的项目。Agentic Engineering 应该帮助我们产出更多、更高质量的代码，解决更有影响力的问题。

来源: Simon Willison's Weblog
发布时间: 2026年3月15日
HackerNews 热度: 41 points, 28 comments