1. 企业不是要更会写代码的程序员你简历上写的「前端开发」可能是企业最先砍掉的那行。我不是在吓你。Cisco 已经让 agentic AI 独立处理了 14.5 万个支持工单零人工介入据 cxtoday 报道联想乐享把客服重复问题的准确率做到 95% 以上据光明网等报道。当「写页面」「改接口」「答重复问题」这些活被 agent 一件件接住简历上那行「我会写某类代码」值多少钱正在被重新标价。先抛我的总论点企业 AI Native 化走到今天真正青睐的不是更会写代码的程序员是能造 agent 的人。核心从「写代码」迁移到「把业务设计成 agent 处理」——人退到定目标、审结果机器去执行。这篇我给你一张可执行的能力地图五层链路业务拆解 → 产品设计 → agent 架构设计 → agent 落地 → 运维迭代。每一层我讲三件事它解决什么问题、为什么现在必须会、真实证据在哪。中间会反复引用我自己写过的旧文——012 的架构八要素、014 到 018 的手写 harness 系列、008 的 Agent、009 的团队组织。我亲手造过一个 agent harness讲架构设计我有底气。定位清楚了逐个拆。2. 先看企业要什么agent 在干什么活判断先放2026 年企业已经把「能让 agent 干完的事」设计成 agent 处理。你不用猜企业要什么看它把活交给谁就知道了。内部提效这一头Cisco 是最典型的样本。据 cxtoday 报道Cisco 在 2026 财年用 agentic AI 处理了 14.5 万条支持工单全程零人工——AI 助手自己查知识库、定位问题、给方案处理不了的才转人。CEO 的表述是「大幅加快报价周转和工单解决时间」。客户链路这一头国内跑得更快。据光明网等报道联想乐享 4.0 月活突破 700 万、日均交互超百万次、累计拉动销售额超 50 亿客服团队以前 60% 的时间在回答重复问题现在乐享答重复问题的准确率能到 95% 以上。阿里云瓴羊的 AgentOne 在雅迪落地据 donews 报道热线机器人解决率从 20% 提到 42%、在线机器人解决率 78%、平均通话时长从 6 分钟压到 4 分钟。业务流程自动化这头百融的案例把「agent 干粗活」讲得更细。据 it168 报道百融的「硅基客服专员」落到某头部家电集团的售后体系——报修意图识别、工单自动分拨、备件提前预测售后工单处理效率提升 4-6 倍二次上门率下降约 30%。Mobileye 用 agent 处理自动驾驶数据管线的支持工单据 AWS 案例响应时间降了 90%66% 的工单被自动处理。海外通信厂商 Wildix 的数据最接近「前台」。据 commsbusiness 报道Wilma AI 上线头两个月处理了 1273 次支持交互46% 当场解决、根本不产生工单40% 带着完整上下文转给人工省掉人工建单和三方沟通。这些数字拼起来企业要的东西很清楚不是找一个更会写代码的人是找一个能把「写代码」这件事设计成 agent 干的人。国外岗位已经把这个答案写进了 JD。3. 岗位为什么变了从「写代码的人」到「指挥代码的人」先说结论岗位消失的底层逻辑不是 AI 取代人是分工上移——后面揭晓。2026 年初OpenAI 一篇《Harness engineering: leveraging Codex》把这场分工变化讲到了极致。据 OpenAI 官方博客一支最初 3 人的小团队后来扩到 7 人5 个月从空仓库写出约 100 万行代码、合了约 1500 个 PR人类一行没手写耗时大约只有人工的十分之一。他们的口号八个字「Humans steer. Agents execute.」——人掌舵agent 执行。现在兑现那个结论。分工上移的意思是AI 接住了实现层——写代码这一层人的价值被顶到上面定目标、拆业务、审结果。前端/后端的分工瓦解本质就是这个当「把按钮渲染出来」「把接口调通」这类实现层动作被 agent 接住靠「我会写 Vue」「我会写 Java」吃饭的人地基塌了。Karpathy 把这种新姿势叫 agentic engineering——人不是不写代码了是 99% 的时间在编排 agent、当那个「会叫停的人」。他还钉了一句你不能因为 vibe coding 就引入安全漏洞你对自己软件的责任和以前一样。Simon Willison 说得更直白——agentic engineering 是专业软件工程师用 coding agent 开发软件工程师是那个 loop 的 orchestrator不是直接代码作者。但分工上移不等于「写代码能力没用」。Simon 那篇《Agentic Engineering Patterns》里有一句我特别认同写代码的成本归零了但「把代码写好」的成本还在——不崩溃、有证据、解决对问题、能维护一条没省。上移的是分工不是标准。你能指挥 agent 写出好代码的前提是你自己知道好代码长什么样。所以岗位变在哪我压成一句话代码能力从「核心技能」降成「工具」架构、业务、设计能力上位。后面四节就是这三样能力拆开讲。4. 核心能力一业务拆解——把业务翻译成 agent 能执行的链路我先立一个判断它可能有人不同意业务拆解比写代码值钱十倍但它不是天赋是方法论。为什么是最被低估的能力因为绝大多数 agent 项目死得不是技术问题是「agent 浮光行为」——它只执行你给的表层指令不达业务的全局目标。你让它「处理售后工单」它就把工单状态查一遍、回一句「正在处理中」但企业要的是「判断故障 → 拆子任务 → 调备件 → 异常转人工」一整条链路。agent 浮在表面是因为你只给了它表面。破这个局的办法是「逻辑蒸馏」——把模糊的业务需求蒸馏成一条模型能执行、每一步可验证的任务链。这个词我在 agent 工程的实践文章里见过本质是把业务规则翻译成模型的推理链路。拿家电售后举例用户说「冰箱不制冷了」——先识别这是报修诉求不是咨询拆子任务判断故障类型、查型号历史维修记录、生成工单调接口匹配工程师、调度上门异常转人工用户情绪激烈、涉及赔付agent 让位百融那个案例就是把这条链路蒸馏进了 agent报修意图识别、故障判断、备件预测一步步都是可验证的任务节点。雅迪的双轨机器人同理——先把「热线 在线」两条场景拆清楚再让 agent 各干一段。怎么练这门能力我的建议找一条你熟悉的业务试着把它画成「如果 agent 来干它每一步做什么、每步怎么验证、哪一步它做不了要转人」。画得出来你就有了第一个 agent 的图纸画不出来给你再强的模型也白搭。5. 核心能力二产品设计——agent 不是工具是产品判断agent 不是工具是产品。工具是「你操作它」产品是「它替你干一整段事」。一整段事就有开始、有中间、有结束就有边界、有兜底、有异常。这一块解决的是「agent 上线后没人用/用不好」。我见过太多 agent 项目死在最后一百米模型调通了Demo 惊艳上线后没人用——因为没人说清楚「什么该你干、什么别碰、干砸了怎么办」。产品设计要回答三个问题缺一个都是坑。第一交互边界什么交给 agent什么必须人干。联想乐享的分工是现成教材——「硅基员工」干重复性、标准化的活24 小时处理海量数据「碳基员工」干复杂性决策、战略设计和人文关怀。边界划清楚agent 才敢放手人才敢用。第二兜底路径agent 搞不定时怎么优雅退给人。Wildix 的 Wilma 做得很规矩——46% 当场解决剩下 40% 带着完整上下文转给人工人工不用从零建单。好的兜底不是「对不起转人工」是把 agent 已经查到的上下文一并交给下一棒。第三异常处理agent 说错话、做错事怎么收场。这和我 008 里讲的设计重心转向「意图设计」是同一件事——对话管意图界面管操作用户随时能知道 agent 在干什么、为什么这么干、能不能叫停。不可逆的动作付款、发消息必须留确认。把这三个问题在图纸阶段想清楚agent 才从「demo」变成「产品」。6. 核心能力三agent 架构设计——决定 agent 能不能长大这一节是全文重点。企业 Agent Engineer 岗位要的绝大多数是这一块——Accenture 的 Agentic Engineer 岗位要求实打实上线过生产级多智能体系统、拥有过 eval harness胜过单纯年限据 Accenture 招聘页。为什么「造过」这么值钱因为 agent 架构设计决定的是这个 agent 是玩具还是能长大的系统。之前文章我拆了 Claude Code、Codex、DeepSeek Harness 三家抽出一张八项公共要素清单。现在兑现那个关子——你以为是选框架其实企业真正问的是这八项你认不认得、会不会配。每一项解决一个具体问题agent 架构设计不是选框架是配八要素① Agent Loop解决agent 凭什么自动往下跑② 上下文管理解决记不记得 · 会不会跑偏③ 工具流水线解决agent 的手干不干净④ 安全边界解决agent 乱来怎么办⑤ 会话可观测解决跑错了能不能查⑥ 多 Agent解决单 agent 干不动怎么办⑦ 可扩展性解决agent 能不能长大⑧ 模型适配解决换模型不换业务① Agent Loop模型不主动循环是唯一驱动。没有 loopagent 只会答一句话不会自己干完一单活。② 上下文管理注入什么、压缩什么、丢弃什么决定 agent 记不记得、会不会跑偏。上下文一爆agent 就「失忆」。③ 工具流水线模型只输出「想调工具」真正干活的是工具。没有流水线每次调用都是裸奔。④ 安全边界agent 乱来怎么办。审批挡「该不该做」沙箱挡「能不能做到」。⑤ 会话可观测agent 跑错了能不能查。做到「模型每次请求都能从历史重建」debug 才有起点。⑥ 多 Agent单 agent 上下文会污染、能力会饱和。要不要拆怎么拆拆了谁管谁。⑦ 可扩展性新业务进来agent 能不能长出新能力。没有扩展点agent 就是死壳。⑧ 模型适配模型是这行贬值最快的东西。适配层越薄越稳别把模型名写死在业务逻辑里。后续会聊如何构建企业的Agent解决实际问题本文不做展开论述。7. 企业业务梳理与重构agent 模式判断先放agent 不是加一个功能是重构一条链路。之前聊过产品从「界面 逻辑 数据」重组为「Agent 能力 知识 协作」。到了企业业务侧同一条规律变成别在旧流程上加个 AI 按钮要把整条业务链路改造成 agent 处理的链路。怎么改造我压成四步诊断 → 拆解 → 试点 → 固化。诊断先搞清楚这条业务里哪些环节是「重复、有规则、可验证」——这些是 agent 的活哪些是「判断、权责、人情」——这些留人。雅迪那条路值得抄据 donews 报道瓴羊团队用 24 天做了 78 场跨部门调研把「热线 在线」两条场景拆干净才动手建双轨机器人。诊断没做透就上 agent是九成项目翻车的原因。拆解把能 agent 干的环节拆成可执行的任务链——这一步就是第 4 节的逻辑蒸馏。每个环节要有明确的输入、输出和验收标准agent 才知道干到哪算干完。试点挑一条最疼、最窄的链路先跑别一上来全量。Mobileye 的做法是典型的试点先行先做个 PoC定「95% 准确率、2 分钟响应」两个目标跑通了再上生产。目标定死试点才有验收。固化把跑通的链路固化成 agent 的常态能力再把数据反馈接回来。联想的「总控 Agent 调度 专业 Agent 接力」就是固化的形态——总控拆任务、分派专业 agent 各干一段跑完整条业务闭环。四步走完你手里的就不是「一个加了 AI 的功能」是「一条被 agent 重构过的链路」。8. agent 上线只是开始持续运维与迭代先立个判断agent 上线只是开始行业 90% 的人在教造没人教养。你去翻各类教程讲「怎么把 agent 造出来」的一大堆讲「上线后怎么养」的少得可怜。但企业真正长期要的恰恰是后者——agent 是会退化的业务变了、数据变了、模型换了昨天的准今天就不准。能养 agent 的人比能造 agent 的人更稀缺。养靠三样东西。评估体系eval没有评估你连 agent 变没变差都不知道。Accenture 的 Agentic Engineer 岗位把 eval harness 列为硬要求——设计评估集、跑回归、盯指标。Mobileye 上线前先定「95% 准确率」的验收线就是最朴素的 eval。我的建议agent 上线前先想清楚「它做对了长什么样、做错了长什么样」把这两头做成测试集。监控agent 在后台 7×24 跑出错不会像人一样举手报告。要盯的不只是「挂了没」还有「这个 agent 是不是在偷偷用旁门左道完成任务」——这又回到第 6 节的会话可观测日志是唯一真相没有日志你连复盘都做不了。迭代闭环把生产里的失败样本回流成新测试、新规则。百融的案例里有个细节很值钱自动回访、自动评价、结构化分析反馈直接回流到管理后台——数据闭环成了agent 才越养越准而不是越养越废。这节的落点我接上 009 的旧观点。009 讲的是组织怎么变团队收敛成 Builder定义意图和 Reviewer验证结果两个角色人退到两个签字点上。这一篇是同一件事的个人版你自己一个人也要同时会 Builder 的拆业务和 Reviewer 的验结果——因为企业要的超级个体就是一个人把这两头都扛住。9. 结论一张「超级个体能力地图」五层拆完拼起来看。业务拆解把模糊业务蒸馏成 agent 任务链解决浮光行为产品设计边界 · 兜底 · 异常解决上线没人用agent 架构设计012 八要素决定能不能长大agent 落地诊断→拆解→试点→固化重构一条链路运维迭代eval · 监控 · 闭环决定能跑多久这张图就是「超级个体」的能力地图。五层缺一层你都能造 agent但长不成能扛业务的人——光会拆业务你画得出图纸但落不了地光会写架构你造得出系统但接不住业务。五层串起来才是企业要的那种人能把业务链路设计成 agent 处理人退到定目标、审结果。行动起点我建议从第 4 节的业务拆解开始练。理由很实在它门槛最低——不需要你会写 harness找一条熟悉的业务画任务链就行它最值钱——直接对接企业最痛的点它还是另外四层的地基图纸画不干净架构、落地、运维全是空中楼阁。等画顺了再去啃第 6 节的八要素——那张清单我写过一整篇 012也亲手实现过一遍值得你单独花时间。写在最后。我写这篇不是因为「AI 会取代你」这种恐吓而是因为分工已经上移了而地图是现成的。前端/后端那行字早晚会被企业重新标价——但标价权不在企业手里在你自己手里你往五层地图上挪一格你就贵一格。你所在团队已经把什么业务交给 agent 了评论区说说我很好奇真实战场上 agent 都接了哪些活。下一篇我想聊「企业怎么真正变成 AI Native」——组织、流程、人才三条线怎么动。
