一句话看懂：Thoughtworks 全球 AI 软件交付负责人 Birgitta Böckeler 在 QCon 纽约站演讲指出，过去一年 Coding Agent 领域已从“自动补全”进化到“Agent 自主开发”，核心不再只是 Prompt 调优，而是通过 Context Engineering 和 Subagents 构建可工程化的上下文管理系统，并通过统一的 Harness 来约束模型的不确定性。这标志着企业级 AI 开发正从实验性“Vibe Coding”向结构化工程交付转型。
事件核心：发生了什么
在 QCon 纽约站演讲中，Böckeler 系统梳理了 Coding Agent 领域过去一年发生的三项结构性变化：
第一，Context Engineering 的正式确立。这个概念自 2024 年 6 月才开始流传，核心是让 Agent 只看到经过筛选的上下文信息，而非一次性塞满整个 context window。Anthropic 推出了 Skills，将规则拆分成模块化文件夹（如 React 组件写法、AWS 日志拉取），并按需由 LLM 即时加载，而非每次启动会话时全量发送。现在 Claude Code 和 GitHub Copilot 都已提供 context monitoring 功能，显示实际占用空间——例如一个新 session 刚启动时，系统 prompt 和 skills 可能已消耗 15% 的上下文预算。
第二，Subagents 的普及。主 Agent 可派生子 Agent 完成独立任务，典型场景是“探索代码库结构”或“代码审查”。子 Agent 使用独立 context window，只将结论汇报回主 session，避免中间噪音污染主上下文。部分实践已支持子 Agent 使用不同模型。
第三，从监督式到无监督式开发的迁移。OpenAI Codex 2024 年中发布的 cloud agents 模式（任务发到云端自运行 20 分钟后返回结果）已成为主流。Cursor CLI、Copilot CLI、Claude Code 的命令行版本均支持 headless 运行，可直接接入 GitHub Actions 等 CI/CD 流水线，实现低监督甚至无监督的自主开发。
为什么重要
这组变化改变了 AI 辅助编程的工程基础。过去一年的教训是：单纯靠“Vibe Coding”和 Prompt 调优无法支撑企业级软件开发，尤其非确定性模型会带来风险和成本失控。Context Engineering 从“锦上添花的提示词”变成了项目级别的“放大器杠杆”——它会放大好的工程实践，但同样会放大坏的代码结构。
Böckeler 特别指出，未来团队可能不再以“React 还是 Vue”作为技术栈决策核心，而是会问“有没有现成的 Harness 模版可以用”。这种 Harness 本质上是为人类设计的工程约束系统（如测试、代码审查、架构决策记录）的 AI 可学习、可反馈、可优化版本。一旦 Harness 成熟，它将成为新的“脚手架”，承载自动化迁移、威胁建模、质量门禁等全生命周期任务。
在商业化层面，Claude Code 团队目前仍是行业领跑者，其他产品多在其后跟进。Skills 的版本管理和分发、插件的效果评估（evals）仍处于早期阶段，Tessl 和 Anthropic 刚推出相关工具，但尚未规模化。
对用户/开发者/创作者的影响
对于开发者，最直接的变化是工作角色正在从“编写代码”转向“管理上下文”。你需要关注：上下文预算（一个 session 里 skills 和 tools 实际占用了多少 token）；技能模块的粒度（一个 skill 应该专精于 React 或日志排查，而非大而全）；以及子 Agent 的应用场景（如让独立 context 的 Code Review Agent 使用不同模型进行事后审查）。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于企业团队，若计划使用无监督模式（cloud agents 或 headless CLI），必须建立三方面的风险评估——出错的概率、出错的后果、以及能否检测出错。Böckeler 引用经典风险分析框架，强调目前许多团队在“检测性”上最薄弱，而 Harness 的设计目标就是弥补这一点。
对于技术负责人，现在应开始考虑：你希望 AI 放大哪些工程实践？架构决策记录、威胁建模、测试策略等原本依赖人工纪律的工作，现在可通过 Skills 标准化和自动化。但同时要警惕，如果当前代码库结构混乱、文档缺失，Agent 会更快将其放大为更难维护的系统。
值得关注的后续
第一，Skills 的版本管理与分发生态是否成型。Anthropic 的插件市场和 Tessl 的平台目前都不成熟，第三方能否形成类似 npm 的“Skill 包管理”将成为助推行业从“单人实验”到“团队工程化”的关键节点。第二，Harness 的抽象与跨平台能力。Böckeler 设想的“Harness 模版”能否真正让团队无视 React 或 Vue 的选择，拥有统一的开发安全网，需观察各主流 IDE 和云端 Agent 平台是否提供标准化 Harness 接口。第三，无监督开发在真实企业场景中的事故率。目前 cloud agents 在演示中表现惊艳，但一旦接入敏感生产环境，模型的失误如何被自动检测并回滚，尚无公开的成熟案例。如果未来半年内出现不可逆的生产故障，可能让行业回归对人工监督的重视。
来源：InfoQ CN
