从 AI 编程助手到自主 AI 团队:智能体工程的 8 个等级

为什么 Anthropic 的团队能用 10 天上线新产品（如 Cowork），而其他团队用同样的模型却连一个破损的 POC（原型）都做不出来？作者 Bassim Eledath 认为，AI 的编码能力正超越我们的运用能力。这种差距需要通过 8 个级别的演进来弥合。

第 1-2 级：自动补全与代理 IDE (Tab Complete & Agent IDE)

第 1 级（Copilot 时代）： 最原始的 Tab 键自动补全。它更青睐资深开发者，因为他们能写出清晰的代码骨架供 AI 填充。

第 2 级（以 Cursor 为代表）： AI IDE 将聊天窗口与代码库连接。此时出现了“计划模式”（Plan Mode）：将想法转化为步骤，迭代计划后触发执行。

局限： 这一级的瓶颈是上下文（Context）。模型经常因为看不到正确的上下文或看到太多无关信息（噪音）而表现不佳。

第 3 级：上下文工程 (Context Engineering)

这是 2025 年的关键词。核心原则是：“每一个 Token 都必须为自己在提示词中的位置而战。”

具体实践：

• 精细化编写系统提示词和规则文件（如 .cursorrules, CLAUDE.md）。

• 描述工具： 模型通过阅读工具说明来决定调用哪个工具，因此工具描述的准确性至关重要。

• 管理历史： 防止长对话导致模型在第 10 轮后“断片”。

• 动态暴露工具： 每轮只给模型提供必要的工具，避免模型被过多选项淹没。

现状： 虽然长上下文窗口减少了负担，但在小模型（低延迟场景）中，精炼的上下文依然是成败关键。

第 4 级：复合工程 (Compounding Engineering)

上下文工程改进当前会话，复合工程则改进未来的每一次会话。

• 闭环流程： 计划 (Plan) → 委派 (Delegate) → 评估 (Assess) → 归纳 (Codify)。

• 核心细节： LLM 是无状态的。如果它昨天引入了一个已被你删除的冗余依赖，明天它还会这么做。

• 解决方案： 每次出错后，立即更新 CLAUDE.md 或维护一个 docs/ 文件夹。这样教训就被“固化”到了环境里。优秀的实践者在 AI 出错时，第一反应是“少了什么上下文”，而不是“模型不行”。

第 5 级：MCP 与技能 (MCP & Skills)

前几级解决上下文，这一级解决能力（Capability）。

扩展边界： 通过 MCP（模型上下文协议），让 AI 能访问数据库、API、CI 流水线、甚至 Slack。

具体案例： 作者团队使用“PR 评审技能”，会根据 PR 性质启动子代理：

• 子代理 A：检查数据库集成安全。

• 子代理 B：进行复杂度分析，标记过度工程化。

• 子代理 C：检查提示词健康度。

重要趋势： 为了节省 Token，开发者开始倾向于让 AI 使用 CLI（命令行界面） 而非 MCP，因为 CLI 只在需要时返回结果，不会像 MCP 那样在每轮对话都注入完整的工具 Schema。

第 6 级：Harness 工程与自动反馈环 (Harness Engineering & Feedback Loops)

这一级从“编写代码”转向“构建环境”。

核心思想： 不要只给代理一个编辑器，要给它一个反馈环。

OpenAI 的案例： 他们的 Codex 团队为代理连接了 Chrome DevTools 和可观测工具。代理可以复现 Bug、截屏、分析日志、执行修复，并自行通过 UI 路径验证。

压力回馈 (Backpressure)： 利用类型系统、Lint、测试等机制。如果代理产生的代码报错，环境会立刻回传错误，逼迫代理自我修正。没有压力回馈，AI 就会变成“垃圾制造机”。

约束优于指令： 不要给 AI 列表（第一步…第二步…），而要给它边界（“这是目标，不断尝试直到通过这些测试”）。

第 7 级：后台代理 (Background Agents)

作者提出了一个“激进”的观点：计划模式（Plan Mode）正在消亡。

从“保姆”到“经理”： 如果前 6 级做得好，AI 已经能独立规划。你不再需要实时盯着它，而是让它在后台异步工作。

编排器模式 (Orchestrator)： 你在一个主会话中充当指挥官，启动多个 Worker（工人） 代理在隔离环境中工作。模型异构协作：Opus 负责实现代码。Gemini 负责长文本调研和搜索。Codex 负责评审。

关键原则：不要让同一个模型既当学生又当考官。 必须解耦“实现者”和“评审者”，否则模型会因为自身偏差而无视错误。

第 8 级：自主代理团队 (Autonomous Agent Teams)

这是目前最前沿、尚未有人完全攻克的领域。

去中心化协作： 代理之间直接沟通、领任务、处理冲突，不再通过单一编排器。

实验现状：Anthropic 用 16 个并行代理从零写出了 C 编译器。Cursor 运行了数百个并发代理数周时间，将整个代码库从 Solid 迁移到 React。

面临的难题：缺乏等级制度会导致代理变得“风险规避”或陷入无效忙碌。目前多代理协作的 Token 消耗极高、速度较慢，对于日常开发，第 7 级仍是性价比最高的选择。

文章参考：https://www.bassimeledath.com/blog/levels-of-agentic-engineering