乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > AI 时代下后端系统的发展趋势

AI 时代下后端系统的发展趋势

当前时间： 2026-05-05 08:09:59 更新时间： 2026-05-05 分类：软件教程 评论(0)

AI 时代下后端系统的发展趋势

原文链接

https://www.heavybit.com/library/article/back-end-engineering-in-the-age-of-ai

尽管已有大量文章探讨人工智能如何通过生成数千行代码大幅提升开发者效率，但关于 AI 对后端工程产生的影响，相关讨论却少之又少。然而，服务器端、数据库与应用程序接口（API）的管理实践同样在不断演进，这一变革并非仅由代码生成驱动。
高德纳咨询公司（Gartner）预测，未来几年内，80% 的 API 调用将不再来自人类，而是由各类 AI 智能体自主发起，它们会持续不断地向接口发送海量数据请求。因此，后端系统不仅需要大幅提升稳定性，还需具备更强的灵活性，以适配不同类型 AI 智能体与工具带来的多样化交互需求。
迈克・皮科洛是 iii（原名为 Motia）的创始人，该项目是一款开源、跨编程语言的编排引擎，由其团队研发，旨在帮助后端系统与开发团队适应这个全新的时代。下文将分享他对于后端架构需要如何演进、团队应如何布局未来的观点。
正如当初需要 MVC 架构统一服务器端数据管理、需要 React 框架规范前端开发一样，后端系统或许也需要一套全新的核心基础单元。

01

历史重演：前端复杂度向后端转移
皮科洛表示，其研发的项目呼应了数字化转型时期的技术演进历程。彼时，以往用杂乱无章的 PHP 代码搭建与维护的服务器端应用，开始向模型 – 视图 – 控制器（MVC）架构转型。这位创始人指出：“每家企业在数字化转型过程中都采用了定制化方案”，最终导致系统复杂度达到难以维系的程度。
“这正是 MVC 架构诞生的原因，它作为一种抽象规范，明确了服务器的合理搭建方式。几乎所有开发者都迅速转向使用这一架构，先是 Rails，接着是 Django、Laravel、.Net MVC，再到 Spring，几乎所有编程语言都实现了这套架构。”
MVC 作为通用框架，一度解决了企业重复造轮子的问题，直到开发团队开始将业务逻辑迁移至前端，打造更复杂的交互体验，进而引发了前端框架之争。“Angular、Ember、React、Vue 等框架层出不穷，这是新一轮范式变革，而 React 给出了最优解。”
皮科洛将 React 的成功与 MVC 相提并论 —— 二者如今都已成为行业通用框架。“React 把基于文档对象模型（DOM）开发的所有复杂逻辑，包括事件监听器、事件循环等内容，全部整合为一个核心基础单元：组件。这让开发两端的人员都十分满意。”
React 组件为实现工程师提供了构建任意复杂度前端的思维模型，同时也惠及库维护者、框架开发者、技术负责人与架构师，因为 “他们可以借助 React 提供的底层基础单元搭建生态体系，比如 Next.JS、Redux 和 TanStack”。
皮科洛认为，后端开发正迎来类似的范式变革，系统复杂度正从前端转移至后端。“海量的复杂度涌入原本并非为此设计的系统，直至复杂度突破临界值。”
这位创始人的目标与 MVC 架构、React 组件的初衷一脉相承。“我们正在打造一套全新的核心基础单元，用以承载所有复杂度，构建具备通用智能的后端系统。” 他坦言，这项工作的难度远超预期，需要整合 Python Flask、Express.JS、Next.JS 等多种 API 框架，还可能搭配 Java 服务器使用。
“API 层面的问题看似解决了，但后续会愈发复杂，还需要引入后台任务与消息队列。” 在接入亚马逊简单队列服务（SQS）、BullMQ 或 RabbitMQ 等服务后，开发团队通常还会借助 Temporal、Apache Airflow 等工作流引擎或持久执行框架，实现任务的持久化执行。
“之后还需要加入智能体框架，比如用 Redis 实现共享状态并发，通过 Pusher 这类服务实现数据流式传输。” 皮科洛表示，各类独立系统需要开发者逐一串联，同时还要搭建可观测性模块，最终形成架构极其复杂、暴露面极广的基础设施。
“每类组件都有专属领域、软件开发工具包（SDK）与接口，它们唯一的共性是都包含可组合的函数、工作节点与触发器。” 皮科洛解释道，正是基于对这些共性的深入研究，其团队打造出了 iii 项目的核心基础单元。
“传入事件后，会触发队列中的特定函数；工作流工程师的操作逻辑类似，只是遵循有序流程；AI 智能体则存在递归循环逻辑，本质上也是触发下一次智能体调用的指令。这就是我们研发工作的核心 —— 通过这套基础单元，为整个技术栈提供统一的可观测性、共享资源与服务支持。”

02

代码瞬间海量生成的时代
皮科洛表示，近几个月 AI 工具发展迅猛，甚至开始超越顶尖程序员。“我的团队中有多位资深或首席架构师，他们编码速度极快，屏幕切换快到让人看不清操作。以往，他们手动编码的效率更高。”
“但近几个月使用 Claude Code、Cursor 等工具后，就连团队成员也开始接纳并认可其价值。” 他指出，企业面临的一大新挑战是 AI 生成的拉取请求（PR）海量涌现，代码审核工作难以跟进。开发团队面对堆积如山的 AI 生成代码，往往会陷入冲击 —— 短短几天内，终端就会积累相当于过去一年工作量的代码。
皮科洛认为这一难题终将被解决，或许是通过智能体生成更优质的代码，或是智能体自身具备更出色的审核能力。“解决方案之一，是缩小这些工具的开发覆盖范围。如果让智能体开发网页应用，它默认会选用 React，因为这是合理的抽象方案。”
“智能体完全可以手动编写所有事件监听器与 DOM 操作代码，但它不会这么做，而是选择覆盖范围更小、抽象合理的方式。因此，若我们成功构建出这类抽象层面的核心基础单元，就能降低整体认知负担，减少令牌消耗，也让智能体无需耗费过多精力思考。”

03

智能体大规模普及近在眼前？
谈及 AI 智能体的大规模落地应用场景与时间，皮科洛有着自己的思考。软件行业是否会很快被数百万个自主智能体占据，它们不间断地调用 API？“看待这个问题有不同角度，技术或许已趋近成熟，但企业级应用却是另一回事。”
他认为，未来一年内，企业不太可能放任 Clawdbot 这类智能体无限制运行。“我也可能判断失误！行业发展速度确实惊人。但仅从安全、合规与法律层面来看，智能体在企业端大规模普及依旧不切实际。我本身技术功底深厚，即便如此，在未充分考量后果前，我也不敢随意运行 Clawdbot，更不会把信用卡信息交给它。”
皮科洛承认，推特等社交平台上的用户在智能体系统落地方面取得了显著进展，但他认为目前尚未出现成熟的长期解决方案。“问题在于，我们需要额外的底层支撑才能让系统稳定运行。如果后台运行着持久执行任务与消息队列，再叠加智能体功能，系统复杂度会大幅提升，其管理、观测与可靠性保障都变得极为困难。”
“在智能体工作流、持久执行工作流等所有应用之上，我们需要一套底层核心基础单元，提供可视化、可解释性与稳定性支撑。在我看来，所有技术应用都必须建立在这个全新的基石之上。”

04

智能体时代对后端团队的意义
人工智能领域长期存在一种论调：AI 终将减少对人类工程师的需求，甚至缩减开发团队规模，后端团队也不例外。但皮科洛对此持怀疑态度，至少大型企业短期内不会出现这种大幅变革。“对企业而言，仍需要一支规模可观的团队，负责管控开发流程，确保系统搭建规范。”
“我认为行业重心会转向上下文工程领域，这将成为系统管理的关键环节，这一趋势已然显现。” 他还表示，许多企业尚未意识到系统完整性（以往等同于代码质量）的即时重要性。
皮科洛解释道，系统完整性与代码质量本质上是 AI 智能体学习的代码范式，这对企业有着深远影响。“企业需要严谨界定：这并非合理范式，我们推崇另一套范式，并希望在代码库中保持统一。这种严谨性同样适用于上下文工程领域，不仅关乎技术研发，更关联业务层面 —— 企业的业务领域、核心业务是什么？技术部门定义代码质量与范式，业务部门则将其转化为商业价值。”

05

扩展阅读

关注我持续分享优质AI内容

专注AI分享，深耕AI领域
让更多的人，学习少走弯路
让更多的人，因 AI 而强大