随着人工智能技术的飞速发展，大模型正在成为推动软件行业进步的重要力量。

大模型驱动的软件工程将经历三个阶段的发展：

第一阶段，大模型作为助手辅助人完成任务；

第二阶段，将某些任务拆分出来由大模型独立完成，大模型以单Agent的方式与人配合；

第三阶段，大模型以Multi-Agents的方式进行协同，与人协同共生，人的作用更多是提出需求、验证结果，大量的开发、验证、测试、与业务系统的交流等工作由Agent深度参与。

当前，大模型驱动的软件工程正处于第一阶段（即Copilot阶段），开发人员正在使用编码助手、测试助手等工具作为Copilot辅助执行开发测试任务。

市场上已经出现了一些AI Agent产品，国外包括Cognition Labs的Devin、普林斯顿NLP实验室推出的开源SWE-Agent等，国内阿里巴巴通义灵码也正在打造单库问答 Agent（基于单库RAG技术，以及固定步骤实现对单库范围内的简单编码任务）。但这些AI Agent产品仍存在技术上的局限性，且尚未在应用中得到验证。

随着AI Agent能力的不断提高，预计在不久之后，开发人员将能够把更多简单重复的任务交由AI Agent自主完成。

01

AI Agent可以增强开发人员的体验

02

AI Agent可提升业务价值

AI Agent的影响将超越开发人员，使企业能够以同样的人力和资源提供更多的业务价值。将AI Agent集成到软件工程工作流可以产生的业务价值包括：

· 提高效率。随着开发人员将繁琐的任务交由AI Agent独立完成，人类员工可以更快地交付创新的软件产品，缩短产品上市时间可为企业带来竞争优势；

· 提高质量。随着AI Agent自主优化代码、检测错误和自动测试，开发人员可以交付更可靠、更安全的软件，这种可靠性对于保持客户信任和满意度至关重要；

· 为数据驱动型决策提供信息。AI Agent可以提供有助于优化资源分配的预测分析和洞察力，使企业更加灵活，进一步增强竞争力。

以上这些价值都可以直接转化为企业的成本节约或更高的盈利能力。

当在工作流中使用multi-agent时，业务价值将进一步提升。在multi-agent工作流中，每个AI Agent都参与特定的任务，如系统设计、代码开发、代码审查、代码验证或测试工程。以自动化生成代码的理想multi-agent工作流为例：

Agent 1由大模型驱动，主要负责代码生成和代码优化两种任务：

· 在代码生成阶段，人类开发人员会要求Agent 1生成代码片段，完成特定任务；

· Agent 1采用思维链方式模拟典型的编码过程，将任务分解为更小、更易于管理的步骤。思维链过程包含四个步骤，第一，问题理解和澄清；第二，算法和方法选择；第三，创建伪代码；第四，代码生成；

· Agent 1生成的代码片段可能不正确，包含各种类型的错误（如语法和运行错误），导致负责测试设计的Agent提供的测试用例失败。在这种情况下，Agent 1会根据其他Agent的反馈意见，优化代码片段；

· 优化过程会持续进行，Agent 1会根据其他Agent的反馈不断优化代码，直到代码成功通过所有测试用例。

Agent 2也由大模型驱动，目标是测试代码，并向Agent 1提供可靠的反馈，以支持优化代码。Agent 2主要的任务包括生成基本测试用例、覆盖边缘测试用例、覆盖大规模输入。

Agent3 通过代码脚本与本地环境和其他两个Agent交互实现。Agent 3在代码生成过程的最后阶段发挥着关键作用：

· 在收到Agent 1生成的代码片段和Agent 2生成的测试用例后，Agent 3在本地环境中验证这些代码片段和测试用例；

· Agent 3密切监控来自执行环境（即终端）的返回信息，包括分析输出并确定代码片段是否成功通过所有测试用例。如果所有测试用例都通过了，Agent 3就会将代码返回给人类开发人员。

虽然AI Agent可以提高软件交付和开发质量，但这些Agent通常只能执行简单的逻辑，它们提供的信息可能并不详细或全面。如果没有明确、详细的要求，Agent很难自主设计任务的执行思路。目前，AI Agent更适合原型系统，而非复杂的现实世界应用。

03

AI Agent将带来新的挑战和风险

随着越来越多的企业采用AI Agent，将面临两大挑战：

· 开发新的技能：培养开发人员的AI原生思维，包括使用AI工具和技术来提高生产率、自动化日常任务，以及专注于战略性、高层次问题的解决和创新；

· 降低安全风险：采取行动以应对AI Agent带来的安全威胁。

（1）开发人员需要学习新的技能

随着AI技术的发展，AI Agent将能够自动执行越来越多的常规软件工程任务，比如编码、测试等。如果开发人员继续依赖手动编码和传统的测试方法，他们可能会发现自己的专业技能变得不再适用，因为这些工作可以被AI Agent更高效地完成。

AI Agent不会取代人类开发人员，但学会如何与AI Agent协作的开发人员将取代不会协作的开发人员。为了避免因为技术进步而失去工作并保持在就业市场的竞争力，开发人员必须通过学习新技能和适应新技术来更新自己的技能集。

（2）开发人员需要缓解新的安全威胁

AI Agent发起和参与的所有事件和交互构成了一个威胁面，这个威胁面可能对人类或系统操作者来说是不可见的。威胁面的扩大使得监控和保护AI Agent变得更加困难，增加了意外漏洞和安全漏洞的潜在风险。开发人员需要缓解AI Agent带来的新的安全威胁，包括：

· 数据泄露：AI Agent参与的所有环节都可能暴露或泄露数据；

· 系统资源过度消耗：Agent执行和交互可能导致系统资源的过度消耗，从而引发服务拒绝或经济损失；

· 未经授权或恶意的活动：由故意或错误引导的AI Agent执行的未经授权或恶意的活动；

· 安全漏洞：AI Agent未经授权、无意或恶意的编码逻辑错误导致的安全漏洞；

· 供应链风险：使用从第三方网站下载的库或代码用于Agent的供应链风险。