在迈阿密，一群工程师给AI泼了盆冷水：不是更大模型，而是更聪明的代理

如果你还沉迷于“跑最新、最大的模型”，那 AIE Miami 第二天的内容可能会让你坐立不安。从 agentic coding 的心态转变，到推理延迟的真实代价，再到 Cursor、AutoGPT 背后的产品哲学，这一天的共识只有一个：AI 工程正在彻底换玩法。

大会一开场，就把“工程师的幻觉”戳破了

第二天的开场不像传统技术大会，更像一场集体“破防”。主持人先问：谁昨天学到了马上就想试的东西？几乎全场举手。接着又问：谁疯狂加了 LinkedIn？再举手。然后一句玩笑——“希望你被 AI 取代”——让全场笑翻。

这不是暖场，而是一个隐喻：AI 工程的世界变得太快，快到你不学习、不连接，很快就会被边缘化。接下来一天的内容，几乎都在反复强调同一件事——真正的竞争力，已经不在模型本身，而在你如何“用”模型。

从 agent、推理基础设施，到 IDE 和产品界面，几乎每一位演讲者都在用不同角度讲同一个事实：工程师需要放弃“我写每一行代码”的控制幻觉，转而学习如何与系统级 AI 合作。

Agentic Coding：最难的不是技术，是心态

David House 的演讲，是当天最“不像工程”的一场。他的背景不是传统 CS，而是心理健康咨询。这反而让他的观点更刺耳：很多工程师卡在 agentic coding 上，不是因为不会写 prompt，而是无法接受自己角色的改变。

他用多个真实案例（Ava、Lucy、Antoine 等）展示了一种新分工：初级工程师不再是“被淘汰者”，而是变成 agent 的训练者、监督者和评估者；而资深工程师的价值，正在从“写复杂逻辑”转向“定义系统边界和失败模式”。

一句话点破本质：“你不是在教 AI 写代码，你是在教它什么时候不该自信。” 这也是 agent 失败最常见的原因——过度自信、缺乏校验、没人兜底。

所有人都想跑最新模型，但没人想为延迟买单

Sarah Chiang 抛出了一个当天被频繁引用的概念：latency debt（延迟负债）。她的观点很直接：模型越大、推理越慢，这笔“负债”迟早会在用户体验和成本上爆炸。

她并没有鼓吹“别用大模型”，而是用基础设施视角重新审视问题：当推理速度成为瓶颈，硬件和系统设计才是决定体验的关键。这也是 Cerebras 这类专注推理加速的芯片方案被反复提及的原因。

一句非常工程师的总结在会场流传：“你以为你在选模型，其实你在选未来三年的系统复杂度。”

同样的现实也出现在移动端。Le Kalinowski 展示了在手机 NPU 上跑扩散模型的实践，随机性控制、传感器输入、实时性能，每一个都是“模型论文”里很少提，但产品里天天要命的细节。

Agent 不再是 Demo，而是软件的基本单元

从 Tis 到 Rick Blelock，多场演讲串起了一条清晰的演进路线：AutoGPT → 更可控的 coding agents → agent 作为基础软件单元。

Tis 强调的是现实约束：计算资源稀缺、推理成本高、所以你必须用 sub-agents、专业模型、甚至 speculative decoding 来“省每一分算力”。Rick 则从历史角度回顾了 coding agents 的演化，并给出一个判断：未来的软件，不是函数调用，而是 agent 协作。

这也解释了为什么后面的演讲不断出现 context engineering、GraphRAG、agentic memory 这些关键词。Nia Mlin 用知识图谱和结构化相似度解决“上下文失控”，Alvin Payne 则系统性地拆解了 agent 记忆的失败模式——不是记不住，而是记错、记乱、记得不该记的。

IDE 和产品正在“代理化”，人反而退到后台

如果说前半天在讲“系统怎么变”，那 Cursor 的分享就是在告诉你“日常工作会怎么变”。

David 介绍的 Cursor 3.0，并不是多加几个快捷键，而是彻底重构了 IDE 的交互逻辑：你不再一步步指挥，而是给目标、给约束，让 agent 自己跑。Laurie Voss 用极其工程化的方式，对比了 MCP 和 CLI，在成本、延迟、实验设计上给出结论——不是哪个更酷，而是哪个在真实环境下更可控。

Dave Kiss 的 agent-first 界面设计，甚至进一步挑战了“用户界面”这个概念：当 agent 成为主要使用者，人类只是偶尔介入确认。

总结

AIE Miami Day 2 传递出的信号非常明确：AI 工程正在从“模型崇拜”走向“系统现实主义”。更大的模型解决不了延迟、成本和失控；真正拉开差距的，是你是否理解 agent、推理基础设施、上下文和记忆这些“脏活累活”。

对个人工程师来说，最重要的行动建议只有一个：尽早把自己从“写代码的人”，升级为“设计 AI 系统的人”。 学会评估失败、控制不确定性、管理延迟，而不是只追最新模型。下一个阶段，炫技不再值钱，稳态运行才是王道。

关键词： AI Agent， 推理延迟， Agentic Coding， Cursor， 多模态

事实核查备注： 需要核查：AIE Miami Day 2 的具体日期与官方名称；David House、Sarah Chiang、Le Kalinowski 等演讲者的职务表述；Cursor 3.0 的正式版本号与功能描述；Cerebras 被提及的具体技术点是否为现场原话。