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。
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。
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。
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。
OOP 在分布式时代遇到了根本矛盾:
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。终极映射:LLM 即纯函数。 巴科斯的愿景在 AI 时代意外成真:
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。
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:
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)。
=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。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。
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:
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。
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。
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」。
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。
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):
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。
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。
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」。
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:
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。
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:
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」。
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):
我们不再是在「设计(design)」一个系统,而是在「培育(cultivate)」一个物种。
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」。
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」。
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」。
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:
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」。
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。
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:
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。
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:
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」**。
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:
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。