到2026年底，软件工程的主要转变是从手动编写代码转向管理自主AI智能体。虽然像 GitHub Copilot 这样的工具最初被用于提供“自动补全”——即根据现有上下文预测接下来的几行代码——但目前的流程涉及将整个任务委托给智能体。这些智能体可以原型化新功能、诊断并修复紧急错误，甚至执行复杂的任务，如在不同操作系统上测试音频代码。这一转变实际上使许多开发者的传统逐行编码变得过时，将人类的角色推向高层级的监督。
“智能体编程”的机制依赖于给 AI 智能体一个特定的目标，例如实现一个功能或重现一个错误。在典型的流程中，每个智能体都被提供一份代码库副本（通常使用 Git worktree）以独立工作。这些智能体能够编写代码、运行单元测试并创建供人类审查的拉取请求（PR）。这实现了“超快速”的失败；虽然人类团队的目标是快速失败，但智能体可以在几分钟内迭代数十次失败尝试以找到可行的解决方案。然而，这种自动化需要大量的人类指导。为了防止智能体产生“过度架构、难以阅读、自我陶醉的垃圾代码”，工程师必须提供明确的指令，例如一个专门的文件（如 AGENTS.md），其中概述了编码标准和特定于项目的规则。
这张图片展示了智能体编程的机制，即给智能体一个特定目标，并在专门的代码库副本中独立工作。
这种转变引入了一系列新的权衡和局限性。一个显著的后果是“手艺”的衰退——即打磨代码并看到各部分协同工作的冥想式过程——取而代之的是管理多个并发 AI 对话带来的认知疲劳。工程师现在专注于“智能体代码审查”，他们评估智能体生成代码的架构和系统模式，而不是单个代码行。尽管这些工具速度极快，但人类的“品味”仍然是一个关键的瓶颈；智能体在复杂的架构设计方面仍然感到困难，并可能产生冗长或不必要的复杂性。此外，虽然 AI 已成为探索已知概念更可靠的“老师”，但它仍需要不断的提示来保持在辅导模式，而不是简单地为用户执行任务。
此视觉效果支持向“智能体代码审查”的转变，即工程师评估系统模式和架构，而非单个代码行。
最终，虽然智能体可以处理实现的繁琐工作，但人类的角色已转向架构和验证。挑战仍然在于确保智能体输出的速度不会损害软件的长期可维护性。随着模型变得越来越强大，人类的优势在于识别“正确”的设计，并确保机器不会用不必要的“旋钮”和设置来使简单问题复杂化。主要的未知因素仍然是，随着模型的不断进化，人类在架构判断上的优势将持续多久。