CATEGORY · 分类
文章指出AI Agent产品看似雷同，实为对话入口、工作Agent、编码Agent与Harness四类；功能趋同源于底层执行循环一致，但工作对象和风险不同。真正痛点是“失忆”被简化——用户丢失的是项目规则、技能流程、事实记忆、连接权限、任务证据五类资产。MCP、A2A、AGENTS.md、Skills、OpenTelemetry已覆盖工具、协作、规则、技能与观测，缺口在用户/企业可控的上下文与授权迁移。作者建议“Agent连续性包”：内容带来源、作用域、有效期和敏感级别，导入逐项确认，密钥不随迁移。个人应版本化稳定资产，企业建立可审计记录，厂商提供按项目导出接口。最终换Agent应像换编辑器，工作方法、成果与风险判断能随人走。
2024年，AI编程工具从代码补全插件演进至以Cursor为代表的AI原生IDE，上下文工程取代提示词工程；2025年，Claude Code等CLI工具让AI可长期运行复杂任务，开发者转向顶层设计；2025年底OpenClaw爆火，Agent具备行动能力，驾驭工程回归视野。2026年，AI助理产品与Agent适配大模型涌现，IDE转向智能体模式，开发者身份由Coder/Programmer变为Designer/Checker。纵观发展，Prompt、Context、Harness工程均为代理化工程的不同阶段，RAG、MCP、Skill、Workflow等工具旨在充分释放LLM潜力，也引发开发者如何顺应AI工程重心转移的思考。
本文规定AI Agent必须严格遵循TDD的Red-Green-Refactor三阶段循环开发，并在每个阶段开始前向开发者明确声明。环境配置上，所有mvn和python命令必须通过--settings参数指定自定义settings.xml，以确保访问内部Maven仓库和项目代码文件。RED阶段要求在src/test/下编写必然失败的测试，一次只测一个功能点，禁止修改src/main/代码；GREEN阶段要求用最简单实现让测试通过，禁止修改测试与过度设计；REFACTOR阶段要求在保持测试通过的前提下改进代码质量。实践上强调小步快走、频繁验证，测试需快速、独立、可重复，并通过持续重构消除重复、提升可维护性，从而确保TDD流程被严格执行。