软件开发 Agent,不该从写代码开始,那该怎么做?

最近开始系统学习 LLM / Agent Engineering。

我并没有急着写 LangGraph，也没有马上做一个 Coding Agent，而是先做了一件看起来有点“笨”的事情：

重新理解 Software Development 本身。

我把公司的 SDLC(软件开发生命周期） 做了一次梳理，又看了 Anthropic 的 Building Effective Agents、AI-Native SDLC 相关内容，以及 Claude Code 的一些实际工作流。

结果最大的收获，不是学会了某个新框架，而是重新思考了一个问题：

Software Development Agent 到底应该怎么设计？

01 Agent 不等于“AI 写代码”

一开始，我对 Coding Agent 的理解很简单：需求进去，LLM 吐代码，事情结束。

但真正的软件开发远不止 Coding。

代码生成只是其中的一环。

所以，如果真的要做 Software Development Agent，第一步可能不是研究“怎么让 AI 写代码”，而是：

先把 Software Development Workflow 搞清楚。

02 Workflow 和 Agent，其实不是一回事

Anthropic 在 Building Effective Agents 中区分了 Workflow 和 Agent。

简单来说，Workflow 流程基本是预先定义好的：Step A，然后 Step B，然后 Step C。

而 Agent 更强调：LLM 根据当前情况，动态决定下一步做什么、调用什么 Tool。

例如查一个需求：先搜代码，发现 Module A；再读文件，发现依赖 Module B；于是继续搜索。

这里真正体现 Agent 价值的，不是“会调用 Tool”，而是：

下一步行动取决于前一步发现了什么。

这也让我重新理解了企业里的 Skill。

03 Tool、Skill、Agent，开始变得清晰

我现在比较倾向于这样理解：

Tool：一个具体动作，比如读文件、搜代码、跑测试、看 diff。

Skill：一套可复用的方法，例如 Requirement Analysis、Code Understanding、Implementation Planning、Code Review。一个 Skill 可能会调用多个 Tool。

Agent：负责动态决定现在应该做什么。

所以可以粗略理解成：

这也是为什么我现在不太想一上来就做“万能 Agent”。

04 Agent 最有价值的地方，可能恰恰是不确定

如果任务是：

• • Run Unit Test
• • Run Build
• • Check DoD（Definition of Done）

这些事情其实没必要交给 Agent。

直接使用确定性的 Tool / Workflow 就可以。

但如果问题变成：

“这个 Bug 到底在哪里？”

情况就完全不同了。

Agent 可能需要：

下一步并不是提前写死的。

所以我现在的一个初步理解是：

Agent 的价值不一定是“自动化一切”，而是在不确定性比较高的任务中进行动态探索和决策。

05 Software Development 天然适合 Agent

还有一个让我印象比较深的地方。

软件开发本身就存在一个天然的反馈循环：

这其实非常接近 Evaluator-Optimizer。

AI 写完代码并不是结束。

真正有价值的是：

写代码 → 验证 → 发现问题 → 修复 → 再验证。

因为 Software Development 有一个很大的优势：

结果相对容易验证。

代码可以 Build，测试可以 Run，Diff 可以 Review，静态分析可以检查。

这也使 Software Development 成为一个非常适合研究 Agent Engineering 的场景。

06 所以，我现在对 Software Development Agent 的想法变了

以前可能会想做：

一个什么都能做的 Coding Agent。

现在我更希望从一个小闭环开始：

这里面已经包含了：

Workflow、Skill、Tool、Agent、Human-in-the-loop、Evaluation。

然后再通过真实的 Feature、Bug、Refactor、Test 任务去验证：

Agent 到底应该有多大的自主性？

最后

这两天最大的变化，可以用一句话总结：

以前我在学习“怎么做 Agent”，现在开始思考“什么时候应该做 Agent”。

我越来越觉得，Agent Engineering 的核心可能不是：

“把所有事情都交给 AI。”

而是：

确定性的事情确定性地做，不确定的事情让 Agent 探索，需要人做决策的地方保留 Human-in-the-loop。

这也是我接下来研究 Software Development Agent 的起点。

少一点“AI 能做什么”的想象，多一点“AI 在真实工程流程中到底应该怎么做”的实验。