AI 多智能体时代,软件工程师的新命题

模型越来越强，但多智能体系统要真正解决世界级难题，缺的不是“更聪明的模型”，而是一整套让系统可运行、可授权、可隔离、可止损的软件工程能力。

最近不少软件工程师都有一种“身份危机”：工作内容变了，AI 写代码越来越强，自己的经验还有价值吗？

一个更准确的判断是：AI 越强，越需要工程师解决系统级问题。 模型提供能力，工程师决定这些能力能否被信任、被规模化、被安全地使用。

一、Agent 不是传统微服务

多智能体系统正在从“人类在环的聊天”走向云端长时运行、多 Agent 协作，甚至成千上万个 Agent 持续解决科研、发现、硬件设计等难题。

但 Agent 和传统无状态服务很不一样：

• 它是有状态的；
• 往往是单实例工作负载；
• 会长时间空闲，等待工具、模型、其他 Agent 或人类输入；
• 不同任务对启动速度、算力成本、规模的要求差异很大。

这意味着，过去为无状态应用设计的 Kubernetes 抽象，并不天然适合 Agent。Agent 原生运行时、调度、文件系统和沙箱，都是待解问题。

二、四个关键工程问题

1. 基础设施要适配“间歇性、有状态”的负载

Agent 会反复进入等待和恢复状态，不能简单按传统请求吞吐来优化。需要新的运行时能力，兼顾持久状态、快速启动、成本效率和极端规模。

2. 身份与授权远不止“登录”

Agent 行动要回答四个问题：

• 它是谁？
• 它代表谁？
• 人类是否真正同意它的行为边界？
• 一个 Agent 凭什么信任另一个 Agent？

认证可以借用微服务的工作负载身份、短期证书等经验；但授权、长期同意、Agent 间信任还很不成熟。尤其当 Agent 代表人类运行数周时，一次性弹窗式同意远远不够。

3. 安全与隔离必须默认“不可信”

数千个持久 Agent 会写不可信代码、读不可信内容。一旦某个 Agent 被攻陷，注入指令可能传给其他 Agent，甚至进入记忆，被未来 Agent 误信。

所以关键不只是修补漏洞，而是回答：第一个 Agent 被攻陷后，爆炸半径有多大？

强隔离沙箱、内核/浏览器/运行时硬化、限制横向传播，会成为多智能体系统的基础能力。

4. 监控要升级为“可审计 + 可终止”

我们需要跨 Agent 的端到端追踪，并保证 Agent 不能篡改自己或他人的 trace。监控还应能触发全局 kill switch，真正停止系统并切断凭证。

更难的是：如何判断系统走错了方向？ 善意的反复尝试，可能看起来和恶意行为很像。这需要新的行为判断和风控机制。

三、工程师的机会在哪里

多智能体系统的瓶颈，正在从“模型能不能做”转向“系统能不能被信任地做”。

这背后是一组不可省略的条件：

可调度、可归因、可授权、可隔离、可观测、可终止。

这些都不是模型自己会解决的，而是软件工程师的主场。

值得深入的方向包括：

• Agent 原生运行时与沙箱；
• 短期身份、代表人类行事的授权与同意机制；
• Agent 间信任；
• 不可篡改追踪与全局止损；
• 异常行为与恶意行为的区分。

结语

AI 不会让软件工程师变得不重要，而是把问题从“写功能”推向“设计可信系统”。

模型提供能力，工程师提供边界。多智能体系统能否解决真正重要的问题，很大程度上取决于工程师能否把这些系统做成可信任的基础设施。