欢迎来到智能体工程——本系列文章将探讨人工智能智能体如何通过自动化重复性工作流、协调开发者工具，让工程师能够专注于解决有意义的问题，从而改变现代软件工程。
为什么还要推出另一个人工智能系列？
在过去几年里，人工智能已迅速成为每位软件工程师日常工作流的一部分。
我们会要求聊天机器人解释不熟悉的代码，依赖代码辅助插件自动补全函数，使用大型语言模型生成单元测试，并利用另一款大型语言模型总结文档。这些工具从根本上改变了我们编写软件的方式，毫无疑问，它们提高了我们的生产力。
但在使用这些工具数月后，我注意到一个有趣的现象。
我的大多数交互仍然如下所示：
- 复制一些代码。
- 将其粘贴到大型语言模型中。
- 解释代码仓库的背景。
- 提供业务上下文。
- 提出一个问题。
- 将答案复制回我的集成开发环境。
人工智能并没有替我完成工作。
是我完成了所有让人工智能能够帮助我的工作。
这一认识引出了一个更大的问题。
如果人工智能能够自行收集上下文信息呢？
这个问题成为了本系列文章的起点。
什么是智能体工程？
智能体工程是指构建智能软件系统的实践，这些系统能够理解工程工作流、自行收集上下文、与开发者工具交互、做出决策，并在极少人工干预的情况下执行有意义的任务。
我们不再是让人工智能回答孤立的问题，而是赋予它一个目标。
与其说：
“审查这个拉取请求。”
我们只需说：
“审查分配给阿尔法团队的每个开放拉取请求。”
智能体会自行处理其余步骤。
它会发现相关的拉取请求，获取代码变更，理解关联的项目管理故事卡片，收集验收标准，调用合适的推理模型，并生成结构化的审查报告。
工程师不再充当各个工具之间的桥梁。
智能体成为了那座桥梁。
自动化已存在数十年
此时，人们有理由问：
“我们不是已经对软件工程进行了多年的自动化吗？”
确实如此。
软件工程一直依赖于自动化。
构建服务器编译我们的应用程序。
持续集成/持续部署流水线部署我们的服务。
代码托管平台的工作流动作执行各种流程。
脚本自动化执行重复性命令。
基础设施即代码配置云环境。
那么，人工智能智能体有何不同？答案在于决策是如何做出的。传统自动化遵循预定义的指令。
智能体则追求目标。
理解自动化的演变
让我们看看软件工程自动化是如何演变的。
脚本
脚本是最简单的自动化形式。
它们执行固定的命令序列。
安装依赖项
↓
运行测试
↓
部署应用程序
脚本快速且可预测，但它们仅能严格执行开发者编程让它们执行的操作。
其中没有推理过程。
持续集成/持续部署流水线
持续集成/持续部署系统扩展了
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
