为什么AI工程正在走向Agent工程：swyx的行业分水岭判断

在这场看似轻松却信息密度极高的演讲中，swyx给出了一个清晰信号：AI工程正在从“调用模型”迈向“构建Agent”。这不仅是技术能力成熟的结果，更是一场关于身份、方法论和产业方向的转变。

从AI工程说起：一个正在成型但尚未定型的学科

这场演讲的开场并不宏大，甚至带着一点自嘲。作为AI Engineer Summit的组织者，swyx调侃自己“工程已经到顶了，只能往下走”，顺手点名Gartner认为AI工程已经过了高峰期。但玩笑背后，他试图做的其实是一件很严肃的事：为一个新兴职业“立碑”。

过去几年，swyx在不同会议上反复做同一件事——为AI工程（AI Engineering）标记阶段性坐标。从“AI工程师的崛起”，到“三种AI工程师类型”，再到“这门学科正在成熟并扩散到各个行业”。他说，这套框架已经被“几百万人看过”，甚至被用来组建真实的团队，这正是他希望看到的效果。

但问题也随之而来：AI工程究竟是什么？来自机器学习（MLE）背景的人，认为它只是“MLE加一点Prompt”；而软件工程师则觉得不过是“写软件时顺便调几个LLM API”。swyx并不否认这些看法在今天是成立的，他直言现在的AI工程“90%是软件工程，10%是AI”。但他的判断是，这个比例一定会变，而且“今年开始明显分化”。

身份之争：语言如何暴露你的工程世界观

swyx最有意思的视角，并不是技术本身，而是“人类学”。他把AI工程看作一场身份建构的过程：不同背景的人，会用完全不同的语言描述同一件事。

比如，机器学习研究者常说“test-time compute（测试时计算）”，因为在他们眼里，推理的意义主要是评估模型；而AI工程师更关心的是“inference-time compute（推理时计算）”，因为这直接关系到产品成本和用户体验。软件工程师则更倾向于谈“reasoning”，把模型当作一个能参与程序逻辑的组件。

这些微妙的用词差异，背后是价值取向的不同。也正因为如此，AI Engineer Summit决定“改名换姓”，正式转向Agent Engineering Conference。swyx强调，这并不是一个轻率的市场动作，而是因为他观察到：真正有生产力、能落地、能赚钱的应用，几乎都开始围绕Agent展开。

为什么是现在：Agent终于“能跑起来”了

Agent并不是新概念。一两年前，很多人就尝试过自动化Agent，但大多以失败告终。swyx提出的问题是：为什么Agent现在突然可行了？

主流答案包括：模型推理能力更强了、工具调用更稳定了、生态工具更成熟了（他特别点名了MCP）。但在swyx看来，这些解释还不够。他展示了一条能力增长曲线，指出从2023到2025，模型能力已经开始触及“人类基线”，这是Agent能持续运行、不至于频繁失控的前提。

他还提醒大家，很多“2025是Agent之年”的判断，混杂了愿望和现实。无论是Satya Nadella、Greg Brockman，还是Sam Altman，他们都“希望你相信”Agent是未来。但工程师要做的，不是复述口号，而是理解：在哪些条件下，Agent真的比传统软件更好用。

Agent不是魔法：定义比实现更难

在一场Agent大会上，最绕不开的问题只有一个：什么是Agent？swyx半开玩笑地说，这是一个“纪念碑级别的任务”，但他还是试着用一张幻灯片给出自己的定义视角。

在机器学习传统中，Agent意味着强化学习环境、动作、目标和回报；而在软件工程语境下，Agent往往被极度简化为“一个for循环，不断调用模型”。AI工程师夹在中间，其实“还没想清楚自己要什么”。

他引用了Simon Willison的观点作为共识锚点：Agent的关键不在于拟人化，而在于“持续、自主地使用工具完成任务”。这一定义，刻意避开了宏大叙事，也为工程实践留下了空间。

哪些Agent已经跑通了：PMF正在显现

在所有讨论中，swyx最务实的部分，落在了“什么已经有效”。他明确表示：编码Agent和客服支持Agent，已经验证了产品市场匹配（PMF）；而“Deep Research”类Agent，现在也可以说站稳了脚跟。

他给出一个近乎公式化的总结：“Agent + RAG 可行，Agent + Search 可行，Agent + X 基本都可行。”这并不是鼓励盲目叠加概念，而是指出一个现实：在2025年，几乎所有能赚钱的AI应用，背后都有一个Agent在协调模型、工具和上下文。

这也是他反复强调的原因——Agent不是未来时，而是现在进行时。区别只在于，你是在“喊口号”，还是在真正构建系统。

总结

这场演讲并没有给出一个终极定义，也没有炫技式的Demo，但它提供了一种极其重要的判断力：AI工程正在分化，而Agent工程是其中最具生产力的方向。对工程师而言，这意味着技能栈的变化；对团队和公司而言，则是组织方式和产品形态的重构。swyx的提醒很克制：不要因为别人说“这是Agent之年”就盲目跟风，而要理解，为什么它现在终于可行。

关键词： Agent工程， AI工程， AI Agent， 大语言模型， 推理

事实核查备注： 人物：swyx（演讲者），Satya Nadella，Greg Brockman，Sam Altman，Simon Willison；会议：AI Engineer Summit，Agent Engineering Conference；概念：AI Engineering，Agent Engineering，AI Agent，RAG（检索增强生成），MCP，推理能力，产品市场匹配（PMF）；时间判断：2023-2025能力增长曲线；原话引用均来自视频片段原意。