XNews

人工智能代理工程:技能、计划模式和实践

人工智能代理工程:技能、计划模式和实践

人工智能代理工程转向模块化技能。

Key insights

技能取代无差别的工具搜索

将许多功能定义嵌入提示中的“工具搜索”模式被描述为不可靠、不可扩展且缺乏使用知识;提出的替代方案是模块化的“技能”,它们将工具与使用说明、最佳实践和知识打包,并根据需要加载,而不是始终在上下文中。该工作流程提倡意图分类或路由来选择相关技能,从而减少幻觉和令牌浪费。

计划模式将意图与执行解耦

计划模式被定义为代码编辑前的明确思考阶段:人工智能生成一个蓝图,列出要读取的文件、要更改的文件以及逐步操作;该计划作为外部记忆,并允许权限管理、选择性执行以及更清晰的回滚和调试。原生计划模式与IDE工具链和文件系统状态集成,被认为优于通过提示模拟规划。

人工智能提高代码输出但质量指标不明确

Greptile的2025年报告显示,开发者每月的代码输出从4,450行增加到7,839行(增长76%),而PR的中位数大小从57行增加到76行;中型团队的增长达到89%。报告指出,代码量的增长并不等同于质量的提升,人工智能的好处集中在测试良好和模块边界清晰的项目中。

模型生态系统和性能比较报告

Greptile数据显示,Weaviate在向量数据库市场中占据25%的份额;mem0在人工智能内存包中占59%;CLAUDE .md的采用率为67%。SDK下载量:OpenAI每月1.3亿,Anthropic为4300万(自2023年以来增长1547倍),Google GenAI SDK为1360万。模型时延:Anthropic模型的首个令牌延迟小于2.5秒;吞吐量各异(OpenAI中位数60–70 tks/s,Anthropic为17–20,Gemini为4–5)。成本基线使用GPT-5 Codex为1倍;Claude变体的成本为2倍至3.3倍。

OpenAI Sora Android案例:架构、规划和代理编排

OpenAI报告称,Sora Android约85%的代码由Codex编写;在发布当天,用户在24小时内生成了超过100万条视频,应用崩溃率为99.9%。开发过程强调人定义的架构、示例实现、广泛的样式/规格文件、编码前的人工智能规划、对人工智能生成理解的审查、将计划保存到文件以确保会话连续性,以及将iOS代码作为跨平台生成的参考。

人工智能辅助开发的实用工程指导

实用建议包括:首先设计架构,并向人工智能提供团队特定的样式和CI规则;要求人工智能在编辑前生成理解和计划;使用模块化会话和保存的计划来管理并行代理任务;将工程师视为决策者和审查者,而非主要编码者;并利用人工智能在语言特定实现之间进行翻译。

Source posts