别再学写代码，顶级工程师现在学管理AI agent
来源：互联网 2026-07-29 20:24:17顶级工程师的工作正从写代码转向协调管理多个AIAgent，需具备上下文切换与渐进式调试能力。初级工程师因无思维包袱反而更快适应AI工具。代码库需满足测试充分、文档一致、风格统一。优秀软件的差异源于后天积累的设计品味。
最近一篇来自斯坦福大学Mihail Eric与哈佛商学院Rem Koning的访谈引发关注，探讨AI时代下软件工程师角色的深刻变迁。其中几个反直觉的观点，值得深入思考。
视频核心论点并非老生常谈的“AI是否会取代程序员”，而是更务实：顶级工程师的工作内容正在发生什么变化？答案很明确——从“写代码”转向“管理Agent”。另一个值得关注的视角是：初级工程师在这一轮转型中，反而可能比资深工程师更具优势，原因是“没有包袱”。这一逻辑基本成立，但某些方面可进一步探讨，后文将补充。
长期稳定更新的攒劲资源： >>>点此立即查看<<<
顶级开发者的工作正在变成什么
许多人对于AI写代码的认知仍停留在“Copilot帮我补全代码”的阶段。但访谈描述的场景已经大幅跃进：真正的顶级工程师如今协调多个Agent并行处理不同任务，自己在它们之间切换上下文、检查进度、处理卡点。
这听起来很像团队管理者？Mihail Eric明确使用了这个类比——你是经理，Agent是实习生。区别在于，实习生出错的速度比人快得多，且错误会叠加放大。因此“循序渐进”变得至关重要。不是一次性启动10个Agent让它们各跑各的，而是先把一个Agent调到稳定可信赖，确认它能独立完成一件事，再引入第二个。在此过程中，你需要随时了解每个Agent的进展与卡点——这就是所谓的“上下文切换”能力。
代码库要让Agent不懵
Agent会快速放大错误，这往往不是Agent本身的问题，而是基础环境的问题。一个对Agent友好的代码库需要满足三点：
- 测试要充分。Agent需要明确的“契约”才能知道什么是对、什么是错，测试覆盖率就是这个契约。
- 文档和代码要一致。Readme写一套逻辑，实际代码跑另一套，人能靠经验推断，但Agent不行，它会照着文档走进坑里。
- 风格要统一。API设计、代码规范、命名习惯需要有一以贯之的模式。Agent面对多种实现方式时会产生困惑，统一规范是减少出错最直接的手段。
初级工程师的处境
现在找工作确实很难。疫情期间过度招聘、裁员，毕业生数量增加，加上企业开始用AI重新评估初级岗位的必要性，这几件事叠加形成了访谈所说的“完美风暴”。
但访谈的核心论断是：初级工程师在适应AI工具这件事上，反而比资深工程师更快。原因很简单：拥有20年经验的工程师已经形成自己的习惯和思维模式，很多人对AI工具的第一反应是抗拒，或者只在边缘场景尝试，不敢真正依赖。新人没有这个包袱，他们会更自然地把AI当作工作流的一部分，试错的心理成本也更低。
访谈里用了一个很妙的词：“Good naivety（良好的天真）”。不是真的什么都不懂，而是没被行业习惯固化，遇到复杂问题不会本能地绕开，敢于直接去啃。
计算机科学基础训练的价值在这里也显得格外关键——能把一个复杂系统拆解成子问题，愿意钻进底层去找bug而不是绕过它，这种思维方式在AI时代不会贬值。因为当Agent出错时，最终还是需要人来定位和修复。
功能性软件和卓越软件的差距从哪来
AI可以快速生成一个“能用”的版本，这已经不稀奇了。但访谈提出了一个问题：为什么有些软件就是让人觉得好用、精致，有些就是凑合能跑？
答案指向“品味（Taste）”。这个品味不是天生的，是在不断实验和打磨中积累的。Anthropic的团队自己就在用Claude重写Claude的代码，不停试错，看什么有效、什么没用。实验本身就是工作流，不是偶尔为之的事。
好软件和凑合软件的差距，往往在最后20%的功能里。能不能在基本跑通之后，继续投入精力去扩展边界场景、处理那些“理论上不常见但实际上很烦人”的情况——这才是真正拉开差距的地方。
商业层面的终局
Rem Koning的观点更进一步：未来核心能力叫“分配智能（Allocate intelligence）”。他提出的设想是，AI原生组织的关键不是让AI帮人减负，而是让AI直接面对客户，把人从循环里移出去。AI处理前端服务，人则处理异常和迭代。
更激进的预测是：当AI Agent开始相互沟通协作，而不仅仅是各自执行任务时，商业价值的量级会跳上一个新台阶。能搭建出这种系统的公司，将会解锁完全不同规模的市场。
深度思考
“管理Agent”的技能远比“使用Agent”困难。会用Cursor或Claude写代码，与能协调多个Agent稳定完成复杂任务，是两件差距很大的事。前者现在门槛很低，后者还没几个人真正做到，这个空间值得认真对待。
代码库质量的重要性可能被大大低估了。在引入Agent之前，先把测试、文档、风格规范做好——这听起来是老生常谈，但在Agent场景下它的权重完全不同。烂代码库让人类工程师变慢，而让Agent直接出错，两者不是一个数量级。
“Good naivety”有其时效性。初级工程师的无包袱优势，在全力拥抱AI工具的头两年最为明显。等行业形成新的最佳实践之后，这个优势就会收窄，转化为另一种形式的经验积累。所以这个窗口期要利用好，不是等待，而是主动实验。
品味是可以刻意训练的。访谈提到了“品味”，但没有具体说怎么建立。大量使用、大量比较，这大概是绕不开的路。用过很多烂工具之后，你才知道好工具好在哪；做过很多凑合的版本之后，你才知道精致意味着什么。这个不能跳过，需要靠量去堆积。
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
相关攻略
更多同类更新
更多
热游推荐
更多-
- DreamStudio
- Android/ | AI绘图
- 2026-06-30
-
-
- Playground AI
- Android/ | AI绘图
- 2026-06-30
-
- Adobe Firefly
- Android/ | AI绘图
- 2026-06-30
-
-
-
- Leonardo AI
- Android/ | AI绘图
- 2026-06-30
-
- Stable Diffusion
- Android/ | AI绘图
- 2026-06-30
