从 GoF 到 Agent

第 1 章 从结构到智能:设计模式的世纪旅程

1.1 GoF 的贡献:秩序的承诺

  • 开篇立论:法律的制定,往往不是出于对完美的追求,而是出于对混乱的恐惧。设计模式同样如此。
  • 1994 年,Erich Gamma、Richard Helm、Ralph Johnson、John Vlissides 四人出版《设计模式:可复用面向对象软件的基础》,把此前散落在工程实践里的经验固化成共同词汇。
  • 在此之前,软件世界处于「蛮荒时代」:面向对象从学术玩具变成工业主流,C++ 正在征服世界,Smalltalk 优雅但小众,Java 即将诞生。开发者第一次拥有「对象」这件强大工具,却发现有武器不等于会战斗。
  • GoF 的真正贡献不是 23 个模式本身,而是提供了:
    1. 一套共同语言——说「这里用观察者」比描述半天机制更高效;
    2. 一套秩序——把「怎么组织代码」从个人手感变成可传授、可评审的工程约定;
    3. 一个思考框架——模式名背后是「问题—约束—解法—代价」的结构化表达。

1.2 黄金时代:设计模式的繁荣与边界

  • 时间跨度:1995—2005 年,设计模式发展的黄金十年。
  • 如果说 GoF 在荒原上竖起第一块路标,这十年工程师就在这片土地上建起了「宏伟的罗马城」。
  • 标志性事件:
    • Java 1995 年横空出世,「一次编写,处处运行」,成为企业级开发的事实标准;
    • C++ 于 1998 年完成标准化,成为系统级编程的王者;
    • C# 于 2000 年诞生,集众家之长。
  • J2EE(Java 2 Platform, Enterprise Edition)把这种秩序推向顶峰:它不只是一套框架,更是一套严苛的工业标准。EJB 这类规范让开发者即便实现简单业务,也要编写 Home 接口、Remote 接口和 Bean 实现类。
  • 这一阶段的本质:设计模式被「固化为规范」。好处是工程一致性、可替换性和大规模协作;代价是抽象层级不断堆叠,简单问题被复杂化。
  • 「繁荣与边界」的双重含义:模式解决了确定性问题,但它的前提假设是需求相对稳定、系统边界清晰、行为可预期。

1.3 诸神的黄昏:当确定性遇到不确定性

  • 诸神并非死于战争,而是死于环境的变迁。
  • 旧时代的信念:软件工程的终极目标是打造一座「永恒的精密钟表」——齿轮咬合、分秒不差、一切尽在掌握。GoF 模式与后来的工程体系,都是这张钟表蓝图的一部分:只要设计足够严谨,就没有无法处理的逻辑,也没有不可预测的未来。
  • 现实是:新世界不再是静态的钟表,而是咆哮的海洋。旧时代的秩序法则不仅失效,甚至成为毁灭的根源。
  • 第一声警报:2008 年 10 月 Twitter(现 X)宕机。
    • 不是普通宕机:服务器仍在运行,数据仍在响应,每个组件都看似正常工作,但整个系统如陷泥潭,响应时间从毫秒级退化至分钟级。
    • 开发者反复检查代码,发现每个设计模式都精准地待在它该在的位置:观察者模式用于事件通知,工厂模式负责创建对象,单例模式管理连接池……
    • 结论:局部正确不等于全局正确。组件级的最佳实践,无法保证系统级的涌现行为可控;模式解决的是结构问题,解决不了流量、耦合放大与级联失效。
  • 这一节完成了全书的「问题定义」:当系统面对的是不确定性(流量、网络、用户行为、模型输出),以确定性为假设的模式体系必须演化。

小结:十字路口的坚定

第 1 章给出的不是「设计模式过时了」,而是「设计模式的适用边界被重新划定了」:

维度确定性时代不确定性时代
系统隐喻精密钟表咆哮海洋 / 生态系统
核心目标结构正确、可复用可演化、可恢复、可观测
模式作用组织代码结构组织意图、记忆、行动与协作
失败模式编译错误、逻辑缺陷涌现故障、级联退化
工程师角色架构的设计者生态的培育者

这也直接引出第 2 章的问题:当「模式」不再足以描述系统,软件工程的范式该往哪里迁移。

第 2 章 从模式到意图:软件工程的范式迁移

在传统软件工程领域,人们依赖「模式」来应对复杂性。然而在 Agent 时代,模式只能告诉我们「怎么做」,而意图才能回答「为什么做」这一更本质的问题。本章回顾了几十年来软件工程的三条关键范式迁移——函数与流、分布式解耦、软件 2.0——它们共同为 Agent 的登场铺垫了地基。

2.1 函数与流:计算的原子化

在 GoF 的黄金时代,人们通过静态的类和对象来固化世界,状态被封装以获得控制。然而随着互联网爆发和摩尔定律边际效应递减,工程师逐渐意识到:控制状态的最佳方式,或许并非单纯控制,而是尽可能地减少状态的存在。这为 Agent 的诞生埋下了最重要的伏笔——因为 LLM 本质上就是一个庞大且无状态的纯函数。

2.1.1 无状态的复兴:从对象封装到纯函数管道

1977 年,约翰·巴科斯(John Backus)在图灵奖演说中提出一个著名问题:「Can Programming Be Liberated from the von Neumann Style?(编程能否摆脱冯·诺依曼风格?)」

他批判了命令式编程的根本缺陷——程序不过是一长串用于修改状态的指令。冯·诺依曼架构(CPU 与存储器分离,通过总线连接)把我们的思维方式硬生生锁死在「一次处理一个字」的细粒度操作中。

函数式编程(Functional Programming, FP) 的核心信念很简洁:要控制状态,最好的方法就是消灭状态。

  • 纯函数:对于相同的输入 x,始终返回相同的输出 y;既不依赖全局变量,也不产生任何副作用。
  • 不可变性(Immutability):数据一旦创建便不可更改;若需要「修改」,则必须创建一份新的副本。
  • 引用透明:任何表达式都可以被它的值替换而不改变程序行为。

OOP 在分布式时代遇到了根本矛盾:

  • 状态的纠缠:调用 user.updateBalance() 不仅修改余额,还可能触发 lastModifiedTime 更新、Observer 通知等一连串隐式状态变更,难以准确测试。
  • 并发的噩梦:成千上万线程同时修改同一对象状态时,开发者不得不引入「锁」(lock),这不仅引发竞争、严重损害性能,还极易导致死锁。

终极映射:LLM 即纯函数。 巴科斯的愿景在 AI 时代意外成真:

  • 权重(Weight):推理阶段模型权重是冻结的,无论调用多少次都不会改变。
  • 上下文(Context):Agent 的「记忆」并非存储在模型内部,而是每次以参数形式显式传入。
  • 这彻底改变了 Agent 系统的设计模式:上下文工程(Context Engineering) 成为核心,幂等性(Idempotency) 得以实现——相同提示和固定随机种子,就能得到完全一致的输出。

软件工程由此跳出「对象身份」执念,回归「数据变换」本质。输入 Prompt → 检索增强 → 思维链推理 → 格式化输出,这就是一条纯粹的数据处理管道。

2.1.2 响应式的觉醒:从阻塞等待到异步事件流

传统编程范式中,开发者的时间观是线性的:代码第 1 行执行完毕,才会执行第 2 行。这种同步阻塞(Synchronous Blocking) 模型虽然符合人类阅读清单的习惯,但在高延迟数据时代可能成为性能瓶颈,甚至引发系统性问题。

倒塌的多米诺:阻塞的代价。 设想一个典型 Agent 任务:先调用 Google Search(耗时 1s),解析结果(0.5s),再请求 LLM 生成摘要(8.5s)。同步模型下每个步骤必须依次完成:

  • CPU 空转:主线程在 99% 的时间里干等着进度条,无法进行其他有用的工作;
  • 系统失联:这 10s 期间如果用户试图取消任务或插入新指令,系统将完全无响应——因为它被牢牢阻塞在那个漫长的 HTTP 请求上。

Node.js 的回调地狱。 早期 Node.js 引入回调机制来处理异步操作,却很快演变成嵌套深、逻辑支离破碎的金字塔结构。

响应式宣言(The Reactive Manifesto)。 2010 年左右,微软的埃里克·梅杰(Erik Meijer)等人提出响应式编程(Reactive Programming)——世界并非由离散的指令构成,而是一条条连续的事件流(Event Stream)。

  • Excel 的隐喻:在 C1 输入 =A1+B1,A1 的值变化时,C1 自动更新。你不需要主动「拉取」(Pull)A1 的值——C1 是在「响应」(Push)A1 的变化。
  • Observable(可观察对象):数据不再是静态变量,而是一个随时发出值的事件流。

对 Agent 架构师而言,这是一个根本性观念转变:不要「调用」LLM,而是「订阅」LLM。这直接决定了你的 Agent 是让用户面对一个旋转 10s 的加载图标,还是能够提供流畅的打字机效果更新。

背压(Backpressure):流量控制的艺术。 响应式编程更重要的是引入了背压机制——下游消费者可以控制上游数据生产速度,避免过快的数据流压垮系统。这在 Agent 系统中至关重要:你绝对不想让一个疯狂输出的「搜索 Agent」瞬间压垮下游负责总结的「写作 Agent」。

结论:世界并非由静态快照构成,而是一条持续不断的变化之流。

2.1.3 数据流的哲学:世界不是快照

赫拉克利特(Heraclitus)的「人不能两次踏入同一条河流」——在 Web 1.0 和 Web 2.0 的黄金时代,工程师似乎在努力反驳这个观点:RDBMS + ACID 事务,把世界「冻结」在某一时刻的状态快照中。

但当执行 UPDATE Users SET age=30 WHERE id=1 时,我们不仅修改了数据,也抹去了历史。数据流的视角重新把世界看作过程而非快照:

  • 消费者(如语音合成 TTS 模块、前端渲染引擎)的处理能力有限,且易受网络抖动、设备性能影响;
  • 如果上下游处理速度不匹配,系统极易因缓冲区积压而崩溃——轻则丢包,重则内存溢出。

响应式架构通过背压机制,使下游能够主动向上游反馈「嘿,慢点发,我处理不过来了」,从而动态调节数据流速。

2.2 分布式的解耦:从单体到生态

数据流实现了时间上的解耦(异步处理),本节阐述如何实现空间上的解耦(分布式架构)。

在软件工程的早期,人们崇尚单体(Monolith)——无论是大型机还是庞大的 J2EE 应用,所有逻辑、数据和控制权集中在单一物理节点上。软件宛如一位全知全能的「上帝」,掌控着一切功能与数据的流转。

然而随着互联网的爆发式发展,摩尔定律逼近物理极限,我们不得不接受一个事实:没有任何一台机器能大到装下整个世界。于是我们拆解单体架构,将其分解为多个自治的服务单元,最终演化为分布式系统。

这看似是因算力瓶颈而作出的妥协,却在不经意间为 Agent 奠定了最理想的生存土壤——Agent 本质上是社会化的。一个孤立的 AGI 或许令人不安,但在工程实践中我们更倾向于构建一群各司其职的专才型 Agent(Specialist Agent)。分布式架构正是这个智能社会的物理基础设施。

2.2.1 微服务:通过 API 连接一切

贝索斯的「API 宣言」。 2002 年,杰夫·贝索斯向亚马逊全体员工发出一封著名内部邮件:「所有团队必须通过服务接口(Service Interface)对外公开数据和功能;禁止直接读取数据库;禁止使用后门访问。违者将被解雇。」这不仅是亚马逊的转折点,更是现代软件架构的分水岭——它确立了一条核心原则:功能必须解耦为服务,服务必须通过协议进行通信。

这场持续二十余年的「接口化」运动,将物理世界与数字世界封装成成千上万个标准化的 RESTful API 或 RPC 接口。

为机器准备的「盛宴」。 在 Agent 出现之前,API 主要是供开发者使用的工具。然而随着 Agent 的出现,我们惊喜地发现:API 简直是为 LLM 量身定制的「触手」。

  • Swagger/OpenAPI 规范最初旨在生成清晰的 API 文档,如今却直接成为 Agent 的「工具说明书」——Agent 只需读取一份 JSON 定义,便能理解如何调用该服务;
  • 无头服务(Headless Services):微服务倡导将用户界面与业务逻辑解耦,意味着 Agent 可以绕过复杂的 HTML/CSS 渲染层,直接与后端业务逻辑交互。

若非微服务运动铺就了道路,今天的 Agent 将如同「盲人摸象」——空有强大的大脑,却无法伸出手去感知和改变世界。

2.2.2 架构的启示:从编排到涌现

微服务架构的另一个重要馈赠是去中心化。在单体架构时代,控制逻辑集中在 Main 函数中;在微服务时代,控制逻辑分散于各服务之间的交互之中。这可直接映射到 Agent 的协作模式(见第 9 章):

  • 编排(Orchestration):由一个中心化的「大脑」统一调度和指挥所有 Agent;
  • 协同(Choreography):类似微服务中的事件通知机制,Agent 通过广播消息彼此感知、自主协作,不需要中央协调者。

微服务并非终点,而是一种基础设施。它将复杂系统分解为自治单元,并封装进一个个标准化的 API「盒子」中。而 Agent 的使命,正是打开并协调这些盒子,融合其能力,创造出超越单点的价值。

2.3 软件 2.0:当概率遇见代码

2017 年,特斯拉 AI 总监安德烈·卡帕西(Andrej Karpathy)发表《Software 2.0》,这不仅是一个新名词,更是计算机科学根基的一次深刻反思。在此之前,软件工程致力于消除不确定性;此后,软件工程开始学会利用不确定性。

2.3.1 规则的落幕:逻辑不再由 if-else 语句编写

在软件 1.0 时代,开发者如同拥有绝对权力的建筑师,对每一行逻辑进行着「独裁式」的控制——只要能将问题转化为极其精确的指令序列,计算机便能实现任何被明确定义的逻辑,确定性是其基石。

而进入以神经网络为代表的软件 2.0 时代后,这种确定性被打破了。开发者的角色从**「建筑师」转变为「园丁」**——我们主要提供「土壤」(训练数据)并设立「栅栏」(损失函数约束),而具体的决策逻辑与能力,则由模型通过在海量数据中学习而自行「涌现」。

2.3.2 MLOps 的启示:为 AgentOps 铺路

当代码变为数据(用以表示模型权重)时,传统的 DevOps 工具链便显得力不从心:你无法对一个 100GB 的二进制模型文件执行 git diff 来查看具体修改了哪些逻辑,也无法通过 IDE 来「调试」神经网络。为了驯服软件 2.0 的「黑盒」特性,MLOps(Machine Learning Operations,机器学习运维)应运而生——它并非单一工具,而是一套关于「如何管理概率性软件生命周期」的方法论。

这直接为 AgentOps 铺路:

  • Agent 的 Prompt 管理、版本控制、回滚;
  • 评估体系与可观测性;
  • 反馈闭环与持续优化。

2.3.3 概率的驯服:在不确定中建立确定

这已不再仅仅是「写一个更好的 Prompt」,而是需要引入类似类型系统(Type System) 的强制性约束机制,即结构化强制(Structured Enforcing)。

当前模型(如 GPT-4、DeepSeek)已支持 JSON 模式或 Function Calling。这不仅是微调的结果,更关键的是在推理阶段采用了受限解码(Constrained Decoding) 技术——例如要求模型在生成 JSON 的 key 时,下一位 token 必须从一组合法候选中选择。这正是在概率之上叠加一层确定性边界。

小结:地基的夯实

在第 2 章中,我们并未急于切入 Agent 本身,而是系统梳理了软件工程为迎接 Agent 时代所做的长期准备:

  • 函数与流 让我们掌握了无状态(函数式)与异步(响应式)的编程范式,使软件能够契合 AI 的思考节奏;
  • 分布式 教会我们通过接口化与 Serverless(原子化)构建灵活、可扩展的系统,为 Agent 提供了无限延展的「手脚」;
  • 软件 2.0 引导我们学会在拥抱概率性的同时施加工程化约束,从而在不确定性中建立对确定性的信心。

所有关键技术的「积木」(Transformer、Docker、API、向量数据库等)如今都已准备就绪。现在需要的是一种全新的架构思想,将这些组件有机整合,构建出具备感知、记忆、思考与行动能力的「新物种」。

第 3 章 从设计到演化,欢迎来到 Agent 时代

当我们把 LLM 引入架构核心时,奇点已然临近。软件不再仅仅是对人类指令的响应(response),而是开始展现出意图和自主性(agency):

  • 它不再是被动等待调用的工具,而是主动感知环境的观察者;
  • 它不再是无状态的函数,而是拥有记忆与身份的实体;
  • 它不再是孤立的计算节点,而是能够协作的社会成员。

我们不再是在「设计(design)」一个系统,而是在「培育(cultivate)」一个物种。

3.1 Agent 的本质:从工具到伙伴

什么是 Agent?从技术角度来看,Agent 可能只是一个不断调用 LLM API 的死循环脚本。然而从交互哲学来看,它标志着人机关系的根本性重构:从「命令与控制」转向「意图与协作」。

3.1.1 从命令到对话:交互原语的升维

旧时代的交互原语是命令:cat /etc/passwd、SELECT * FROM users WHERE ...、git push origin main——每条指令都是一个原子动作,目标明确,执行路径确定。

Agent 时代的交互原语是对话。示例:

开发者:我在设计一个图书推荐系统,但不确定该使用协同过滤还是内容过滤。 Agent:让我帮你分析一下。你的用户规模有多大?是否已经积累了足够的历史交互数据? ……(Agent 一步步引导开发者明确约束,主动提供混合推荐的渐进式方案)

这不是助手在「执行命令」,而是伙伴在共同建模。开发者从「指挥官」退居为「共同设计者」,Agent 从「工具」升级为「协作方」。

3.2 Agent 心智架构:感知—推理—行动循环

生命并非静态的存在,而是动态的流转;智能亦如此,它在与环境的不断交互循环中得以体现与发展。

在传统软件架构中,无论是 MVC 还是微服务,本质上都遵循线性管道模式:输入 → 处理 → 输出。数据在系统中流转,一旦处理完成,流转即停止。

然而在 Agent 架构中,我们必须引入循环(Loop) 的概念:Agent 并非一个「函数」,而是一个「进程」——运行在一个 while(alive) 的无限循环之中。感知、推理与行动并非孤立的步骤,而是彼此咬合、协同运转的「齿轮」。

3.2.1 感知:主动的过滤器

传统程序仅接收数据,而 Agent 通过感知(Perception) 来理解世界。传统程序对输入是被动的——用户给什么,它处理什么;而 Agent 的感知是主动的:它不仅接收信息,还会主动选择、解读并赋予信息以意义。

Agent 的现代感知系统至少包含 3 个关键机制:

  1. 注意力(Attention):并非所有输入都同等重要。世界充满噪声,如果 Agent 试图处理所有信息,将迅速陷入过载。注意力机制让 Agent 在每个循环中聚焦于最相关的信号。
  2. 预测(Prediction):Agent 利用对世界的已有模型,预测下一步可能发生什么,从而缩小感知范围。
  3. 语义化(Semantization):将原始信号(像素、字节、token 流)转化为有意义的内部表征(对象、关系、意图)。

3.3 协作的「语法」:多 Agent 系统的编排

当我们将目光从单体 Agent 转向由多个 Agent 组成的网络时,软件架构的隐喻又发生了一次跃迁:从「机械装置」转变为「社会组织」。

在单体 Agent 模型中,我们试图打造一个全知全能的上帝——它独自感知全局、推理一切、执行所有任务。在多 Agent 模型中,我们坦然承认个体的局限,转而构建一个「各司其职、协同共进的团队」。

3.3.1 认知负荷的分流

2023 年 3 月 14 日 OpenAI 发布 GPT-4。就在当天,一位研究员在 Twitter 上发了一条意味深长的推文:「如果我们让多个 GPT-4 实例相互对话,又会发生什么呢?」48 小时后,AutoGPT 诞生了。紧随其后,BabyAGI、AgentGPT、SuperAGI 等项目如雨后春笋般涌现。人们突然意识到:真正的力量并不在于单体 Agent 有多聪明,而在于多个 Agent 如何协同工作。

智能并非单个模型的固有属性,而是「互动」的产物。通过将模型拆解为 Researcher(研究员)、Coder(开发者)、Reviewer(测试人员)等角色,让每个角色专注于单一职责,系统整体能力竟超越了模型本身的上限。

3.4 新的契约:人机协作的设计原则

当 Agent 具备自主行动能力后,人类与 AI 的关系将不再局限于调用 API,而是转向设计协作模式(详见第 9 章)。

一旦 Agent 成为拥有独立决策能力和持续进化潜力的实体,误用是否会引发失控?因权限过度扩张而引发的风险应由谁来承担?这些问题并非哲学思辨,而是摆在我们面前的现实工程课题。

2026 年开始,AI 的生产方式悄然改变:

  • 代码:80% 由 AI 生成,人类负责审查;
  • 流程:70% 的业务流程由 AI 动态规划,人类负责设定目标;
  • 角色:设计、编码、测试、运维等环节均已引入 AI 伙伴。

然而,我们的工程契约仍停留在「人类发出指令 → 机器执行」的旧式范式中。

3.4.1 第一原则:互补而非替代

在现代 Agent 系统中,人类与 AI 并非竞争关系,而是基于角色分工(Role Partitioning) 的协作关系。其核心原则可概括为:人类负责意图,AI 负责行动。这并非抽象概念,LangGraph、CrewAI、AutoGen 等 Agent 框架已在实践中采用的真实分工模型:

  1. Human(人类):输入最小人类意图单元(Minimum Human Intent Unit, MHIU),例如「分析这份财报并给出投资建议」;
  2. Agent 团队:拆解任务、调用工具、生成初稿、自检;
  3. Human 审核:人类对关键决策点进行最终确认。

当人机契约从「控制(Control)」转向「对齐(Alignment)」,人类需要从「指令发出者」转变为**「协议制定者」**。

小结:角色的转变

从 GoF 的 23 个设计模式到 Agent 的无限可能,我们跨越了软件工程的一个世纪:

  • 设计模式并未消亡,而是在进化;
  • 软件工程未曾终结,而是在重生;
  • 人类的角色没有消失,而是在升华。

我们并非在设计未来,而是在与未来共舞。当我们学会不再畏惧不确定性,与 Agent 互补共生时,我们就不再仅仅是开发者。