研究人员认为:AI 智能体并未取代软件工程,而是将其扩展到了代码之外的广阔领域

关键要点

· 研究人员认为，AI 代理不会让开发者变得过时。相反，它们正在用所谓的“半可执行工件”（如提示词、工作流和决策程序）来扩展软件工程。

· 为了描绘这一图景，他们提出了一个由六个层级构成的“半可执行堆栈”，从核心的传统代码开始，一直延伸到最外层的如欧盟《人工智能法案》等社会因素。

· 该研究表明，开发人员的核心工作正在从仅仅编写代码发生转变。现在的重点在于决定构建什么、如何验证它以及如何保持其运行。

流行的说法是，AI 代理正在吞噬越来越多的编程工作，开发者将走向过时。查尔姆斯理工大学和沃尔沃集团的研究人员发表的一篇新论文认为，这种观点没有抓住要点。

研究人员提出了不同的看法：基于代理的 AI 系统用他们所谓的“半可执行工件”扩展了软件工程。这些包括提示词、工作流、策略、升级规则和决策程序。它们与代码一样直接地塑造系统行为，但它们依赖于人类或概率性的解释才能实际运行。

六个层级，而不仅仅是代码

该论文的核心是“半可执行堆栈”，一个由六个层级构成的诊断模型。最中心是第 1 层：经典代码。向外依次是，第 2 层：提示词和自然语言规范；第 3 层：编排好的代理工作流；第 4 层：控制系统，如护栏和监控；第 5 层：操作性的组织逻辑，如决策程序；第 6 层：社会与制度适配性，包括像欧盟《人工智能法案》这样的框架。

“半可执行堆栈”将软件工程的工程对象扩展为六个层级，从中心的可执行代码到边缘的社会适配性。越往外层，执行就越依赖于人类解释，而非确定性的机器逻辑。 | 图片来源：Feldt 等人

作者指出，软件工程历来关注第 1 层和第 2 层。现在，第 2 层至第 5 层正在变成高优先级的工程对象，而第 6 层则愈发决定什么在实践中真正有效。

研究人员认为，最大的缺口在于外层的第 5 层和第 6 层。针对代码的工程方法已经存在了几十年，但针对决策程序、治理和制度适配性的工程方法仍然缺失。

大多数研究仍然集中在第 1 层到第 3 层的代码生成、错误修复、测试和基准测试上。

研究人员用三个观察结果支持他们的论点：第一，AI 不需要达到顶尖工程师的水平就能改变团队的工作方式；它只需要“足够好”。

第二，规模比峰值性能更重要。对于一个组织来说，许多小规模的、日常的 AI 部署比罕见地接触顶级专家能带来更多价值。

第三，随着越来越多的领域专家使用自然语言构建自己的系统，对清晰工程实践的需求不降反增。

常见的反对意见转化为工程问题

研究人员没有回避关于可靠性、代码混乱等方面的常见批评，而是将它们重新定义为工程任务。当代理产生幻觉时，测试和监控变得更加重要，而不是减弱。当 AI 更快地产出代码时，维护成本也随之上升。

比如“提示词漂移”：某人调整了提示词，系统行为开始变化，之后没人能搞清原因。

当组织难以应对这种转变时，过渡本身就成为一项工程挑战。研究人员写道，精细判断难以自动化这一事实，无疑会使其在低级任务变得更便宜、更自动化的过程中，变得更有价值，而不是更无价值。

对实践者而言，这篇论文阐明了一点：“稀缺技能正从‘更快地构建’转向决定：什么值得构建或改变、哪个层级实际被改变了、该变更如何被验证、如何被治理，以及如何长期维护。” 

将 AI 仅仅视为提升第 1 层和第 2 层效率的工具的团队，或许能看到局部的生产力提升，但会错过关于组织重构的更大问题。

该论文与 Robert Feldt 在里约热内卢举行的“Agentic Engineering 2026”研讨会上的主题演讲相辅相成，并部分借鉴了与沃尔沃合作伙伴在汽车行业的工业成果。