AI 正在深刻改变软件开发的方式。从最初的代码补全,到如今的自主式 AI Agent,开发者与 AI 的协作模式正在快速演进。在这个过程中,一种被称为 vibe coding 的实践模式率先流行——开发者将需求直接抛给 AI,不审查 diff、不理解生成的代码,凭直觉接受输出,以最快的速度得到"能跑"的结果。Vibe coding 在原型验证和个人项目中有其价值,但它的本质是用速度换取了理解和控制,无法承载生产级系统的质量要求。
Agentic Engineering 代表了一种截然不同的范式 [1]。它是一种工程师与 AI Agent 深度协作的模式——AI 不仅是代码的执行者,也是问题分析、方案设计等环节的思考伙伴;但最终的判断和决策权始终在工程师手中。它不是"让 AI 替你写代码",而是将工程纪律与 AI 能力系统性地结合,在保持甚至提升质量标准的前提下,大幅提升研发效能。
这里要强调 Engineering(工程) 一词的含义:Engineering 的本质是约束优化——在给定的资源、时间、质量等约束下,找到最优可行解。Agentic Engineering 就是在这一完整框架下引入 AI Agent 作为协作者,保留约束、保留质量标准,来提升工程过程的效率和能力。
本文采用第一性原理的思路来思考 Agentic Engineering:不从业界实践归纳"怎么做",而是从基本事实出发,演绎推导"为什么这样做,以及怎样做才是最优的"。
00
为什么用第一性原理?
在进入具体讨论之前,先说清楚我们用什么方法思考,以及为什么选择这种方法。
第一性原理思维(First Principles Thinking)是一种将问题拆解到最基本的、不可再分的事实,然后从那里重新构建推理的思考方法——不是"别人怎么做,我就怎么做"(归纳),而是回到根本去追问"什么是对的,为什么是对的"(演绎)。具体而言:先解构问题至不可争辩的基本事实,再识别并质疑现有方案背后的隐含假设,最后仅基于基本事实从零重建解决方案。
本文的立场是:归纳与演绎互补,不是替代。 归纳法(观察案例 → 总结规律)告诉我们"别人怎么做",演绎法(从公理 → 推导结论)告诉我们"为什么这样做,以及能否做得更好"。本文以演绎法为主线,从基本事实推导 Agentic Engineering 的最佳实践,同时在关键节点引用业界实践作为归纳验证。
01
问题与机遇
软件工程的固有挑战是什么?AI 带来了哪些机遇?又引入了什么新问题?
1.1 软件工程的固有挑战
软件开发生命周期(SDLC)的每个阶段都存在顽固的痛点——它们不是某个团队的特殊困境,而是软件工程长期以来的共性问题:
需求阶段:意图表达失真。 需求文档质量参差不齐,往往描述"怎么做"而非"要解决什么问题"——缺少对目标、约束和成功指标的清晰定义。需求变更频繁且缺乏追踪,导致文档与实际交付物脱节。
设计阶段:知识难以沉淀与复用。 设计文档缺失或散落在各处 Wiki 中,与代码快速脱节。缺乏可复用的设计原则清单,方案的完备度高度依赖个人经验——性能、可用性、可扩展性等维度的考量因人而异。
编码阶段:上下文获取成本高。 大型项目(尤其是 C++ 项目)的上下文极其复杂,接手陌生模块或维护遗留代码的理解成本很高。团队特有的编码规范和最佳实践(如特定的锁机制、内核修改注释约定)靠人工记忆,执行依赖 Code Review,容易遗漏。
测试阶段:编写成本高,质量难保证。 编写单元测试繁琐——需要 Mock 复杂依赖、构造测试数据,分布式系统尤甚。边界条件和异常场景的覆盖率长期不足。
审查与排查阶段:瓶颈在人。 Code Review 耗时长,不熟悉模块的 reviewer 往往只能关注表面问题,架构和逻辑缺陷难以发现。现网问题排查依赖值班人员对特定模块的熟悉度,排查经验未被系统化沉淀。
这些问题的共同根源可以归结为四点:
- 信息损耗:意图在从构想到代码的过程中逐步失真——需求被误解、设计有歧义、代码偏离原意。(主要体现于需求和设计阶段)
- 知识孤岛:经验存在于个人头脑中,难以系统化传承和复用——设计决策的上下文、模块的隐含约束、排查经验都随人员流动而流失。(贯穿设计、编码和审查排查阶段)
- 认知成本:理解复杂系统需要大量认知投入——即使文档齐全、知识充分,审查他人代码、理解陌生模块仍然消耗大量注意力和判断力。(主要体现于编码和审查阶段)
- 重复性劳动:编写测试、构造数据、Mock 依赖等工程活动需要大量机械性但不可省略的工作,长期占用工程师的时间和精力。(主要体现于编码和测试阶段)
它们不是管理问题,而是软件工程的结构性困境——几十年来一直存在,只是被不同程度地缓解,从未被根本解决。
1.2 AI 的双面效应:改善与新挑战并存
AI 对上述四个维度的影响并非单向的——在每个维度上,AI 同时带来了改善和新的结构性挑战:
信息损耗:降低旧损耗,引入新损耗。 AI 缩短了从想法到可运行代码的反馈周期,降低了传统的信息损耗率。但 AI 的输出是概率性的——同样的输入可能产生不同的输出,生成的代码可能表面正确但语义偏差。这引入了一种新类型的损耗:不是人类的误解,而是 AI 的"似是而非"。
知识孤岛:通用知识丰富,私有知识仍然缺失。 AI 在训练数据中积累了广泛的通用知识(语言、框架、算法、设计模式),可以即时提供跨领域的知识参考。但团队的隐性知识——编码规范的微妙之处、模块的历史决策原因、Bug 排查技巧——AI 一无所知。AI 只能利用它能"看到"的知识。 如果团队经验没有被结构化地沉淀为 AI 可访问的形式,AI 就只是一个"什么都不知道的聪明实习生"。
认知成本:释放与负担同时发生。 AI 释放了工程师在"工具层面"消耗的认知带宽(记忆语法、查阅 API、编写样板代码)。然而,AI 同时也大幅增加了需要判断和审查的信息量——当 AI 每小时生成数百行代码等待审查时,问题不再是"写不出来",而是"看不完、想不清"。净效果取决于我们如何管理这个平衡。
重复性劳动:生成成本骤降,验证成为新瓶颈。 这是 AI 改善最直接的维度——代码生成、测试生成、Mock 构造等机械性工作可以被大幅自动化。业界数据已验证了这一点:GitHub 的研究表明开发者编码速度提升了 55% [2];Anthropic 的内部调研显示员工自报生产力提升 50%,且约 27% 的 AI 辅助工作是"原本不会做的任务"[3]。然而,验证代码正确性的成本并未同步降低——你仍然需要理解代码在做什么、判断它是否符合设计意图、审查边界条件。生成能力的爆炸式增长与验证能力的相对停滞之间的张力,是 AI 时代软件工程的核心矛盾。
1.3 小结
| 维度 | 固有挑战 | AI 的改善 | AI 引入的新问题 |
|---|---|---|---|
| 信息损耗 | 意图逐步失真 | 缩短反馈周期 | 概率性输出引入"似是而非"损耗 |
| 知识孤岛 | 隐性知识难以传承 | 通用知识即时可用 | 团队私有知识仍无法被 AI 利用 |
| 认知成本 | 理解复杂系统消耗大量认知 | 辅助代码解读 | 审查信息量暴增,释放与负担并存 |
| 重复性劳动 | 机械性工作占用大量时间 | 大幅自动化 | 生成成本骤降但验证成本未降 |
这些挑战互相强化:验证瓶颈加剧认知负担,认知过载导致工程师没有精力沉淀知识,知识孤岛又使得 AI 无法有效辅助验证。要打破这个循环,我们需要一个系统性的工程化策略——这正是后续章节要推导的内容。
02
目标
定义"最优策略"的含义——我们究竟在优化什么?
回到导语中提到的核心定义:Engineering 是在约束条件下寻找最优可行解的系统性过程。 这意味着,当我们谈论"目标"时,不是在问"AI 能做什么",而是在问"在给定的质量、安全、可维护性等约束下,如何利用 AI 最大化团队的总产出价值"。这正是工程化思维与 vibe coding 的根本区别——后者只追求速度这一个维度,而 Engineering 要求我们同时考虑整个约束空间。
2.1 三层价值模型
AI 对软件工程的价值可以分为三个递进的层次:
| 层次 | 名称 | 含义 | 典型场景 |
|---|---|---|---|
| L1 | 加速(Accelerate) | 同样的事做得更快 | 写脚本、生成样板代码、格式转换、简单 CRUD |
| L2 | 增强(Augment) | 同样的事做得更好 | 提升代码质量、更全面的测试覆盖、更严谨的设计评审 |
| L3 | 解锁(Unlock) | 做以前做不到的事 | 系统性知识沉淀与复用、跨模块的架构级分析、新工程师快速达到团队水准 |
2.2 本文的聚焦:L2 与 L3
一个关键观察是:L1 级别的价值,现有的 AI 模型已经可以在不需要太多体系化方法的情况下很好地实现。 写一个脚本、生成一段样板代码、做格式转换——这些任务的共同特点是:约束少、上下文简单、正确性容易验证。你只需要打开 AI 助手,描述需求,检查输出即可。Vibe coding 在这个层面是完全够用的。
真正需要 Engineering 思维的,是 L2 和 L3 级别的任务。这些任务的共同特点是:
- 约束空间复杂:不仅要"能跑",还要满足性能、安全、可维护性、团队规范等多维约束
- 上下文庞大:涉及大型代码库的跨模块交互、历史决策原因、隐性团队知识
- 验证困难:正确性不是运行一下就能确认的,需要深入的设计审查和全面的测试
这正是导语中 Engineering 定义的核心要义:当约束空间复杂到无法凭直觉应对时,我们需要系统性的方法论。
因此,本文的目标可以精确表述为:
推导并构建一套系统性的方法论,使 AI Agent 能够在复杂约束条件下可靠地提升软件工程质量,并拓展工程师的能力边界,而非仅仅加速现有流程。
2.3 如何衡量"最优"
明确了聚焦层次后,我们需要定义"最优策略"的衡量标准。具体而言,"最优"意味着在以下维度上取得最佳权衡:
- 效率与质量同步提升:不是用质量换速度,而是通过系统性的方法让两者同时改善——AI 承担繁重的执行工作,工程师将释放出的认知带宽投入到更严谨的设计和审查中
- 解放并重新分配认知带宽:将工程师从繁杂的基础性工作(查阅 API、编写样板代码、构造测试数据)中解放出来,使其能够专注于问题的本质——定义问题、分析权衡、做出判断;同时确保 AI 生成量的增长不超过工程师的审查和验证能力,避免认知过载
- 知识可沉淀:工程过程中产生的知识和决策应当被系统化地保存,而非随对话消散
- 可持续演进:方法论本身应当能够随着 AI 能力的提升和团队经验的积累而持续改进
03
第一性原理推导
从第一性原理出发:先识别不可争辩的基本事实作为公理,再以这些公理为依据批判性地审视业界假设,最终推导出核心最佳实践。
3.1 基本原理(公理)
以下三条公理是本文后续所有推导的地基。它们分别定义了人机协作的三个基本要素——活动(我们在做什么)、工具(我们用什么)、人(谁在做)——各自独立,无法互相推导。如果你不同意其中任何一条,后续的结论也将不成立。
公理 1:软件工程中的信息损耗(Information Loss in Software Engineering)
软件工程的本质是将人类头脑中模糊的意图,通过一系列信息变换,逐步精确化为机器可执行的代码。这条链的每一步都可能引入信息损耗。
第 1 章列举的 SDLC 各阶段痛点,表面上看是各自独立的问题。但如果我们追问它们的共同本质,会发现一个统一的模型——我们称之为意图转化链:
人类意图 → 自然语言需求 → 结构化设计 → 形式化代码 → 可执行程序
软件工程的本质,就是沿着这条链将模糊的意图逐步精确化。链的每一步都是一次信息变换,每一次变换都可能引入信息损耗——需求阶段的"意图表达失真"、设计阶段的"知识难以沉淀"、编码阶段的"上下文获取成本高",都是这条链上不同位置的损耗表现。
无论工具如何演进——从打孔卡到汇编到高级语言到 AI——这条链始终存在,只是各环节的成本和损耗率在变化。AI 的引入并没有消除这条链,而是改变了链上各环节的执行方式和损耗率。几十年来软件工程积累的方法论(需求评审、设计文档、代码审查、测试体系),本质上都是在这条链的各个环节设置校验点,捕获和修复损耗。这一点在 AI 时代不仅依然成立,而且更加重要——因为 AI 的概率性本质引入了新的损耗来源。
公理 2:LLM 的本质特征(The Nature of LLM)
LLM 是一个基于上下文进行概率性推理的系统,具有三个并列的本质特征:(1)输出由上下文决定,(2)输出是概率性的,(3)工作记忆是有限且易失的。
AI Agent 的核心引擎是 LLM——工具调用、工作流编排等都是围绕 LLM 构建的工程层。Agent 的能力上限和本质局限,最终都由 LLM 决定。因此,这条公理聚焦于 LLM 本身的特征。LLM 通过海量训练数据获得了广泛的通用知识,能够理解和遵循复杂指令,并进行跨领域的推理和知识迁移——这构成了它作为协作者的能力基础。但与此同时,三个本质特征各自独立,共同构成了我们使用 LLM 时必须遵循的约束:
- 上下文决定性:LLM 的输出严格由其接收到的上下文决定——给它什么信息,它就基于什么推理。它对训练数据之外的知识(团队业务逻辑、内部架构决策、编码规范)掌握为零——不是"不够聪明",而是"不知道"。对于工程团队而言,模型能力通常是给定常量,真正的提效杠杆在于上下文的质量和相关性。
- 概率性:LLM 本质上是基于概率的"预测下一个 Token"。同样的输入可能产生不同的输出,这不是缺陷而是架构层面的本质属性。其推理能力从训练数据中涌现而非被显式编程,因此能力边界难以精确预测,输出不可保证正确。
- 工作记忆的有限性与易失性:LLM 的上下文窗口既有容量上限,又是易失的(Ephemeral)——会话结束后,讨论结论和决策历史直接丢失,没有跨会话的持久记忆。会话内同样存在挑战:当上下文超出窗口限制时,Agent 框架通常采用 compaction 机制压缩信息,但哪些信息"关键"本身就是一个有损判断。即使上下文没有被截断,超长上下文也会导致"Lost in the Middle"现象——模型对中间位置信息的回忆准确度显著下降 [4]。
这三个特征的组合效应——而非单个特征——产生了一系列对工程实践有深远影响的结论(如不确定性的来源、错误的累积效应、上下文持久化的必要性等),将在后续章节中正式推导。
公理 3:人类认知是稀缺资源(Human Cognition as Scarce Resource)
工程师的注意力、判断力和决策能力是有限的,是整个人机协作系统的瓶颈。
这条公理定义了人的本质约束。这是认知心理学的基本结论(工作记忆容量有限、注意力是零和资源、决策疲劳是真实现象),不因技术进步而改变。在 AI 时代,制约产出的主要因素不再是编码速度,而是工程师审查、判断和决策的能力上限。最优策略因此不是最大化 AI 的产出量,而是最优化工程师认知带宽的分配。
3.2 识别并质疑假设
有了上述三条公理作为判断依据,我们现在来审视业界在 AI 辅助开发中常见的几个隐含假设。这些假设并非完全错误——它们大多来自一线实践的合理总结——但如果不加条件地接受,可能会误导方法论的设计。
假设 1:"只要把代码喂给 AI,它就能理解整个项目"
- 来源:一个朴素但流行的直觉——既然 AI 的能力边界由上下文定义(公理 2),那只要把代码库丢进去,AI 自然就能理解项目、产出高质量代码。
- 审视:这个假设混淆了信息量与知识质量。从公理 2 的三个特征逐一分析:
- 工作记忆有限性:LLM 的上下文窗口是有限的。大型项目的代码库规模远超这个窗口,不加筛选地塞入代码只会导致信噪比急剧下降——关键信息被海量的无关代码淹没,输出质量反而下降。更长的上下文还意味着更高的推理延迟和成本。
- 上下文决定性:代码本身只是项目知识的冰山一角。架构决策的原因、模块间的隐含契约、编码规范的微妙之处、历史 Bug 的排查经验——这些结构化的项目知识才是 AI 产出高质量代码的关键上下文,而它们通常不存在于代码中。
- 概率性:即使给了足够的上下文,AI 的输出仍然是概率性的。上下文质量决定的是输出的期望质量上限,而非保证正确性。
- 修正后的立场:上下文的价值取决于信噪比和知识结构化程度,而非代码的绝对量。 最优策略不是"把代码喂给 AI",而是提供高度相关、结构化的上下文——包括但不限于代码:设计文档、架构约束、编码规范、模块接口契约等。这是 Context Engineering 的核心命题。
假设 2:"AI 不适合复杂系统(如数据库)的开发"
- 来源:合理的一线经验——在大型 C++ 项目中,AI 生成的代码经常不理解内部约束(锁机制、内存管理、并发模型),产出表面能编译但语义有缺陷的代码。系统复杂度越高,错误越隐蔽,开发者对 AI 的信任度越低。
- 审视:这个假设把问题归咎于 AI 的能力不足。但如果我们用公理逐一分析,会发现问题的根源是多维度的,且每一个都有对应的工程化解法:
- 关键知识缺失(公理 2·上下文决定性):正如假设 1 的分析所揭示的,复杂系统的关键知识通常没有被结构化地提供给 AI。问题不是"AI 不够聪明",而是"AI 不知道"。
- 上下文过载(公理 2·工作记忆有限性):大型项目的代码库规模远超 AI 的上下文窗口。缺少合理的 context engineering 管理机制时,AI 面对的不是"信息不足"而是"信息淹没"(假设 1 中已详细分析)。关键知识缺失和上下文过载是同一维度的两个极端:一个是给得太少,一个是给得太多且未经筛选。
- 错误的累积效应(公理 2·概率性 + 公理 1·意图转化链):复杂系统的意图转化链更长、每一步的约束更多,AI 在每个环节犯错的概率都更高。如果连续让 AI 独立完成多步任务而不加校验,错误概率将指数级累积——每一步的小偏差在后续步骤中被放大,最终产出可能完全偏离意图。这意味着复杂系统更加需要细粒度的任务拆分和每一步的 human-in-the-loop 校验。
- 修正后的立场:AI 在复杂系统中的可靠性,不取决于系统的绝对复杂度,而取决于关键上下文是否被有效传递。 事实上,越是复杂的项目,工程师的认知负担越重(公理 3),AI 分担认知负担的潜在边际价值也越大。但这一价值能否兑现,取决于两个前提:其一,团队私有知识被结构化为 AI 可消费的形式(实践 1);其二,通过细粒度的任务拆分和中间校验(实践 4)将 AI 的错误率控制在合理范围内——否则,复杂系统中 AI 犯错的修复代价可能抵消其分担认知负担的收益。
假设 3:"AI 提效的核心价值是帮人更快地写代码"
- 来源:最常见的 AI 提效叙事——AI 是"编码加速器",其价值体现在代码生成速度的提升。这也是大多数 AI 编码工具(Copilot、Cursor 等)的主要卖点。
- 审视:这个假设将 AI 的价值窄化到了意图转化链(公理 1)的单一环节——"设计 → 代码"。但从公理 1 看,信息损耗发生在链的每一个环节,而且越早期的损耗(需求误解、设计偏差)造成的返工成本越高。如果 AI 只参与编码阶段,它就只能在链的末端发挥作用——此时上游的损耗已经累积,AI 生成的代码再快也可能是在"高效地做错误的事"。更重要的是,从上下文的角度看(公理 2),如果 AI 没有参与需求澄清和设计阶段,它在编码阶段就缺少了理解意图的关键上下文——为什么要这样设计、有哪些约束和权衡、哪些方案被否决了以及原因。这些上下文恰恰是高质量代码生成的前提。
- 修正后的立场:AI 的最大价值不是加速编码,而是贯穿 SDLC 全链条来降低信息损耗。 让 AI 从需求澄清阶段就开始参与,每个阶段产生的结构化文档(spec、设计文档、测试用例)自然成为下一阶段的高质量上下文,形成正向循环。
假设 4:"AI 生成的代码只需要通过测试就可以提交"
- 来源:TDD(Test-Driven Development)在 AI 编码中的流行推广——先写测试,再让 AI 生成实现代码,测试通过即可提交。这个假设的吸引力在于它提供了一个看似客观、可自动化的验证标准:绿灯亮了就是对的。
- 审视:测试确实是验证 AI 生成代码的重要手段——它将验证前置,用自动化方式检验功能正确性,直接回应了 AI 概率性输出的不确定性(公理 2)。但"通过测试"只覆盖了验证的一个维度。从公理 1(意图转化链)看,代码的正确性不仅仅是"功能是否按预期运行",还包括:
- 设计意图的一致性:代码是否忠实地实现了设计方案?是否引入了与架构约束冲突的实现方式?测试无法捕获"功能正确但设计错误"的问题。
- 代码质量与规范:命名是否符合项目约定?并发模型是否正确?内存管理是否安全?这些是复杂系统中隐蔽缺陷的主要来源,测试很难覆盖。
- 性能与安全属性:是否引入了性能回退?是否存在安全漏洞?这些非功能性约束往往需要专门的分析手段,而非普通的单元测试。
- 此外,在大型系统(尤其是分布式系统)中,编写高质量测试本身也有很高的成本——Mock 复杂依…