Harness 与 Agent 工程 · Agent架构与协作 · 2025-12-23

智能体落地元年,Agent Infra是关键一环|对话腾讯云&Dify

智能体技术正从概念走向实际应用,Agent Infra成为推动落地的关键支撑。

核心内容:

  1. Agent技术从萌芽到工程化落地的三大标志性实践
  2. 大传统与小传统在Agent发展中的张力与融合
  3. 中小开发者面临的主要挑战与破局之道

毋庸置疑!2025年title属于「Agent元年」。

要说Agent这把火,一直从年初烧到了年末——

先是Manus,再到最近的豆包手机……Agent已然成为全行业的关注焦点。

而回顾这一年,也是Agent从技术萌芽,走向工程化落地的关键一年。

于是乎,量子位趁热打铁攒了场局,邀请来两位行业大拿——dify开源生态负责人郑立和腾讯云云原生产品副总经理于广游做客,聊一聊他们眼里Agent落地过程中的挑战、机遇和未来:

两位嘉宾还给出了一个高度一致的判断:

在智能体落地过程中,Agent Infra是关键一环。

下面一起跟随量子位的视角,看看他们具体都说了些什么,知识密度之高,不要轻易眨眼。

回顾Agent元年,技术走向工程落地

量子位:那我们今天先从Agent这个概念聊起吧。今年也要结束了,那站在年末,二位对这一年Agent的整体发展有什么印象和总结?

于广游 :我今年对Agent的最主要看法还是,今年Agent已经从技术萌芽期,走到了真正工程性落地的阶段。我个人看到有三种比较标志性的实践:

至于我个人印象比较深刻的应用,其实还是AI代码工具。我觉得一方面它不再只解决代码问题,它也正在成为Agent连接现实世界的通用接口。

第二个点是AI代码工具,切实改变了原先的软件工程范式,然后在我们内部,我们也做了大量的从AI Coding到AISE(AI Software Engineer)的调整,包括研发模式、组织管理、角色职责等。

郑立:其实这一年Agent发展吧,我能感受到就是大传统和小传统之间的鲜明张力。

大传统其实就比如说来自硅谷那些的宏大叙事,他们会许诺用全自动智能体取代白领,逻辑完美但实际落地的时候会有些水土不服。

那从小传统来看,会充满一些烟火气,比如我看到义乌商家使用AI自动回复客户,还有比如独立开发者会用工作流进行代码评审。

总结起来,这是蛮有趣味的一年,然后也是在走向务实。

年初的时候,一个简单的Demo就能吸引资本市场,可以类比“立法阶段”,那年末其实我们就会类似进入到“司法阶段”,开始处理具体的、琐碎的执行层面问题。

这不是线性的进步,更多像是根茎状的蔓延。

那我们也看到秩序的逐步建立,并非来自基座模型的升级,更多时候来自于那些“胶水”——如产品工程、提示词工程、RAG、Pipeline和工具使用等技术手段,虽然它们不够优雅,但确实能够有效地去维持我们数字社会的运转。

量子位:确实就像两位所说,可能年初的时候大家还是会被Demo惊艳,年末就到了更工程化的阶段。其实以我们科技媒体的视角来看,这个进程非常快。智能体为什么会这么快成为行业共识呢?

于广游 :我觉得首先还是它能够真正做到解决问题。过去生产力的发展,本质上都是在延伸人类的手和脚,但实际我们工作中,确实也存在大量无法通过精确语言或编程描述的内容,需要Agent来解决。

然后其次就是,我们在落地过程中对工程方法的探索。今年有一系列工程方法快速成型,包括Agent Infra、Agent Runtime、不同的Agent架构范式、内容工程,这些技术帮助Agent实现了真正落地。

郑立:其实我感觉也差不多,不过在我看来,共识其实是资本在寻求新的组织方式。因为在我看来,互联网时代的红利已经被吃干抹净了,App的边际效用也在递减。

但是Agent承诺的是交互成本的一种坍塌,其实能看到权力从指令式计算到异度式计算的转移。

量子位:其实刚才两位也谈到了,今年有一些关键词都是在变化的,比如可能以前讲AI Infra,现在说Agent Infra。Agent落地与AI落地之间存在哪些区别?以及是否存在工作流的变化和对Infra需求的差异。

郑立:其实我觉得这个范式转移还是很明显的,我们从传统的那种if/else的逻辑判断转向到Agent的概率性目标规划。

放在过去,机器必须执行下一行代码,现在我们开发者更像是老师这种角色,通过Prompt、RAG和原则给予模型自由处理的空间。

区别还是在于新增了很多不确定性,比如传统软件工程中,Bug就是对规则的违反,而放到Agent工程里,失败其实是对我们意图的误解或概率上的漂移。我们没办法再像修Bug一样修复它,而是需要像教育孩子一样去约束或者说服Agent。

这不仅仅是工作流的变化,还有交付物的变化,比如说以前是确定的功能,那现在我们交付的就是一种概率性的能力,你没有办法明确定义它是否正确。

于广游:对,我感觉不确定性非常关键。我们团队内部观察到的是,Agent是不确定性的复杂系统。

那首先,Agent的效果通常是由七八个不同因素构成(模型本身、架构范式、Prompt、Content、工具选择和参数等)。这些子部件彼此之间又相互影响,我们很难明确它们的关系,所以Agent是一个复杂系统。

其次,对于同一个问题,你在不同时刻输入,Agent的输出,它也是不一样的,咱们称之为不确定性。那与之相反的,就是传统的微服务系统。

所以我认为工程师的工作方式必须进行这两点思维转变:

1、从工程思维转向科学实验思维:我们不能再仅仅依赖预先规划,而是要去建立一个评测体系,把里面环环相扣的复杂系统分解为单独的子系统,然后通过控制变量的方式,在科学实验中一步步…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/dify/2025122341609.html