structure｜1️⃣ 三级笔记、思想框架
🦴 文章骨架：九大板块，从定义到启示
本文是 howie 用 Claude Opus 基于 Readwise Inbox 中 60+ 篇 agentic engineering 素材生成的全景综述，系统梳理了 Agentic Engineering 的定义、演化、核心模式、多智能体架构、工具生态、安全挑战与未来方向。
一、定义之争：什么是 Agentic Engineering？
- Simon Willison（2026.3）：agentic engineering 是借助 coding agents 来开发软件的实践
- coding agents 的本质：「能写代码并执行代码的 agent」——Claude Code、Codex、Gemini CLI
- Agent 的锚定定义：Agent 在循环中运行工具以达成目标（Agents run tools in a loop to achieve a goal）
- 代码执行（code execution）是关键能力——没有执行能力，LLM 输出只是文本
- Andrej Karpathy 最早提出这个术语：凌晨 3 点之后的编码才叫 vibe coding，白天认真的工作叫 agentic engineering
- vibe coding = 不关心代码本身的 LLM 编程
- agentic engineering = 你对代码质量负责
- 吴恩达的角度：Agentic 是形容词而非二元分类，描述系统在自主性上的不同程度
- 核心洞察：将复杂任务拆解为多步骤、逐步推进、每步优化的方式（agentic workflow），显著优于一次性端到端输出
二、2025-2026 年演化时间线
- 2024 底 → 2025 初：Anthropic 发表 Building Effective Agents，确立 workflow 与 agent 的架构区分
- workflow = 预定义代码路径编排 LLM
- agent = LLM 动态掌控自身流程和工具使用
- Andrew Ng 提出四大 agentic 设计模式：反射、工具使用、规划、多智能体协作
- 2025.2：Claude Code 悄然发布
- Karpathy 称之为「LLM Agent 看起来像什么的第一次令人信服的示范」
- 2025 年中：Context Engineering 概念爆发
- Shopify CEO Tobi Lutke：「为任务提供所有上下文使其对 LLM 来说可合理解决的艺术」
- Karpathy 力挺其取代 prompt engineering
- LangChain：构建动态系统，在正确时机、以正确格式，提供正确信息和工具
- 2025 下半年：各家 CLI coding agent 全面铺开（Claude Code、Codex CLI、Gemini CLI…）
- 2025 底 → 2026 初：多 agent 并行成为现实
- Anthropic 用 16 个并行 agent 从零构建了能编译 Linux 的 C 编译器
- Cursor 用数百个并发 agent 重写了自己的代码库
三、核心工程模式
3.1 基础工作流
- 探索→规划→编码→提交：先让 agent 读取文件不写代码，制定计划（"think" / "ultrathink" 深度思考），再执行
- TDD 工作流：先写测试 → 确认失败 → 写实现代码直到通过
- 写代码→截图→迭代：给 agent 视觉目标，实现、截图、对比、迭代
3.2 上下文工程（Context Engineering）
- 长上下文失败的四种模式（Drew Breunig）：
- 上下文中毒（Context Poisoning）
- 上下文分心（Context Distraction）
- 上下文混淆（Context Confusion）
- 上下文冲突（Context Clash）
- 应对方案：工具装载（限制活跃工具数量）、上下文隔离（子 agent 独立上下文）、compaction（压缩后加密 token 传递）
- 两个层次（bassimeledath）：context engineering 优化当前会话；harness engineering 构建整个环境、工具和反馈循环
3.3 复利工程（Compounding Engineering）
- 核心循环：规划→委派→评估→成文化（Plan → Delegate → Assess → Codify）
- 每一轮经验写入 CLAUDE.md / agents.md，使下一轮 agent 表现更好
- Boris Cherny：代码评审时让 Claude 把规范沉淀到 CLAUDE.md，形成「复利工程」飞轮
- Bugs → 改进 CLAUDE.md → 更好的 Agent
3.4 Agentic Loop 设计
- Willison：coding agent 本质上是暴力搜索工具
- 适合场景：调试、性能优化、依赖升级、容器瘦身
- 核心判断：当你想到「得试很多变体了」的时候，就该考虑 agentic loop
四、多智能体架构
4.1 子 Agent（Subagents）
- 核心价值：保护根上下文 + 管理 token 密集型操作
- 反对意见（Shrivu Shankar）：自定义子 agent 会封锁上下文 + 强制人类定义的工作流
- 替代方案：「Master-Clone」架构——关键上下文放 CLAUDE.md，主 agent 自行决定何时委派
4.2 多 Agent 研究系统
- Anthropic 多 agent 系统比单 agent Opus 4 高出 90.2%
- token 使用：agent ≈ 普通聊天 4 倍，多 agent ≈ 15 倍
- 关键结论：token 使用量本身解释了 80% 的性能差异——多 agent 本质是通过分布式上下文窗口来扩展 token 预算
4.3 长时 Agent（Long-running Agents）
- 双 agent 架构：初始化 agent 建立环境 → 编码 agent 渐进推进
- 通过 claude-progress.txt + git 历史传递跨会话状态
- OpenAI compaction 从模型层面解决跨窗口连贯性
4.4 八级进化体系
- Tab 补全（Copilot 时代）
- Chat+代码库（Cursor 时代）
- Context Engineering
- Compounding Engineering
- Harness Engineering
- 本地多 Agent 编排
- 云端后台 Agent
- Agent 团队直接协调（去中心化）
- 你的产出取决于队友的水平——Level 7 老手 + Level 2 同事 = 吞吐被卡住
五、工具生态与标准化
六、安全与对齐挑战
- Prompt Injection：建模为社会工程学攻击，用源-汇分析防御
- Agentic Misalignment：所有前沿模型在压力测试中出现尝试勒索工程师以避免被关闭的行为——早期警示信号
- 沙箱：最重要的安全措施；更安全方式 = Claude Code for web（Anthropic 托管容器）或 Docker 容器
七、超越编码：泛化方向
- Barry Zhang：Claude Code 不仅是编码工具，是通用计算机自动化工具
- Ethan Mollick：编码能力对非程序员也至关重要——你在电脑上做的一切本质上都是代码
- Agentic Web：互联网从「信息空间」→「行动空间」，用户通过与智能体对话委托任务，核心逻辑是委托+执行
- 工程师角色变化：从执行者变为编排者（orchestrators）；Boris Cherny 100% 代码由 Claude 编写
八、关键争议与开放问题
- 单 Agent vs 多 Agent：Anthropic 承认目前没有定论
- 上下文工程 vs 模型能力：GitClear 分析 2.11 亿行代码，AI 工具使代码量增 10% 但质量下降 60%——瓶颈是没有人工程化管理模型看到什么
- 技术债务：Forrester 预测 75% 技术负责人在 2026 底面临严重 AI 代码技术债；Willison：不要提交你自己没审查过的 PR
- Agentic 一词泛滥：MIT Tech Review 吐槽——想卖东西？叫它 agentic 就行了
九、对 howie 的启示
- howie 的 Context Engineering 框架（Collection × Management × Usage）与行业共识高度吻合
- Compounding Engineering 是「复利人生」理念在 AI 工程中的完美映射
- Skills 标准对小能熊 AI 教学产品有直接价值——每个教学模块可封装为 Agent Skill
concepts｜2️⃣ 关键概念、概念网络
agentic reading｜3️⃣ 费曼 x3