2024年的上半年，这时已经有了很多代码补全插件，能够减轻一部分代码工作量，但此时大部分软件开发工作还需要占用很多人力，包括架构设计、业务逻辑编排、代码编写等。

到了2024年下半年，Cursor的出世推动了AI原生IDE的发展，一时之间各大厂商的AI IDE竞相推出，比如字节的Trae，阿里的Qoder，腾讯的CodeBuddy，老牌IDE例如VS Code、IDEA也纷纷开启 AI IDE的征程，在这个阶段，项目的上下文可以让AI拿到，开发者可以将项目代码文件作为AI的上下文，大大提高了AI理解项目、解决bug的能力，也让开发者的关注焦点从提示词工程（Prompt Engineering）转到了上下文工程（Context Engineering）上来。

到了2025年，Claude Code CLI/ Codex CLI的正式推出，将AI在CLI中的惊人工程化能力展示出来——AI有了记忆（md文件），原生CLI提高了大模型的响应速度，也方便了大模型查找/修改文件，大大提高了开发效率，AI开始能够长时间运行复杂任务了，开发者得以进一步的将代码编写工作“外包”给AI，自己则能更加关注顶层设计工作。

到了2025年11月，OpenClaw正式推出，其在2026年1月的Github爆火现象将Agent具象化，大模型开始有了手脚，也开启了Agentic元年，驾驭工程（Harness Engineering）概念以一种新的姿态重新回归开发者视野，开发者开始探索如何让Agent的输出更可控，其他领域从业者第一次发现 AI 不再是只能存在于对话框中的隐形工具了，而是能够真正的帮自己处理日常工作，有着真实行动能力的工作/生活助理。

进入2026年2月份，Agent 的发展速度超乎想象，可以说是日新月异，一夜之间所有厂商都开始在 Agent 研究上倾斜资源，围绕 Agent 概念的产品、优化后的大模型如雨后春笋般纷纷冒了出来，CoWork、QClaw、WorkBuddy、悟空等产品押注个人/企业AI助理，GPT5.4/5.5、Claude 4.6/4.7、Qwen 3.6/3.7、GLM 5.1、Kimi 2.6等大模型都专门为Agent做了深度适配，显著提高了 LLM的Agent 开发协作能力，有趣的是 AI IDE 也迎来了另一种姿态，开发者习以为常的代码编辑器页面变为了对话框形式，Codex 、Trae、VS Code 纷纷做出了转变，开始拥抱智能体模式，而这恰恰也预示着开发者身份的一种转变，从Coder/Programmer —> Designer/Checker，开发者不用再时刻关注代码实现的具体细节，开始做更多的设计和审核工作，开发效率进一步提高。

纵观AI应用领域这几年的发展，从Prompt Engineering到Context Engineering，再到 Harness Engineering，都可以看作是 代理化工程（Agentic Engineering）不同阶段的形态，随之衍生出的一系列工具，如RAG、MCP、Skill、Workflow，都是为了能够让LLM发挥出真正的能力，通俗来说就是致力于榨干LLM的潜力。AI发展如此之快，我们又应该如何顺应时代潮流？我通过拆解AI工程重心的两次转移，试图从中找到一些解答。