2026年AI工程五大趋势：从智能体转向系统工程

5 Trends That Defined AI Engineering at World’s Fair 2026在今年的AIE世界博览会上，AI工程进入了一个新阶段：围绕智能体构建系统，而不仅仅是使用智能体进行构建。

swyx注：感谢Richard在我忙于会议本身时报道AIE！请确保您已订阅AINews源以获取我们的工作日更新。AIE将于10月12日至14日重返纽约，今年将重点关注金融领域的AI。AI工程在三年内取得了长足进步。

当swyx在2023年6月提出“AI工程师”这一术语时，他是在为从大语言模型大爆炸中涌现的新型开发者命名。如今这听起来像远古历史，但还记得我们将AI与软件开发的交集称为“提示工程”吗？那仅发生在swyx重新定义之前的几个月。

最新的AI工程师世界博览会展示了该领域的成熟程度。“AI工程师”是否已成为正式的职位头衔已无关紧要。过去三年围绕AI发展起来的工程实践——构建编码智能体、设计控制框架、管理上下文、评估模型输出以及编排日益自主的系统——正成为主流软件开发的一部分。

本文将不聚焦于AIEWF的个别公告，而是挑选五个更大的趋势，展示AI工程在2026年的地位。

1: 焦点从智能体转向其周围系统观察AI工程如何演变的最清晰方式之一是比较前OpenAI研究员、现Thinking Machines Lab联合创始人Lilian Weng的两篇文章。

她2023年颇具影响力的文章《LLM Powered Autonomous Agents》从规划、记忆和工具使用方面描述了LLM智能体的结构。AutoGPT、BabyAGI和GPT-Engineer是她的例子——这些概念验证系统表明自主智能体可能很快变得实用。

她2026年的新文章《Harness Engineering for Self-Improvement》则采取了截然不同的视角。Weng认为，围绕模型的系统已变得同样重要：管理工作流、上下文、权限、评估、持久状态和持续改进的控制框架。

换句话说，AI工程已超越提示模型，转向围绕模型构建可靠系统。这一转变在AIEWF上备受关注。我认为AutoGPT——2023年人人谈论的热门自主智能体项目——今年甚至未被提及。

相反，讨论围绕Claude Code、Codex、Gemini CLI、Cursor、Warp以及使编码智能体在生产中可靠所需的所有基础设施展开。我记得在2023年活动中被AutoGPT的热潮所排斥，主要是因为所有讨论似乎都集中在将人类排除在外。

但在过去几年中，我们了解到完全的智能体自主不仅不可靠，甚至不可取——尤其是在大规模场景下。因此，令人欣慰的是，在AIEWF上，智能体主要被定位为增强AI工程师，而非取代他们。在AIEWF第二天的OpenAI主题演讲中，Romain Huet强调了这一点。

他认为，使用OpenAI的Codex等工具，工程师可以更轻松地与智能体协作。正如他所说：“软件吞噬了世界，然后AI吞噬了软件，但现在我们要说的是，AI工程师正在吞噬世界。

”尽管AI工程师的力量日益增强，但人们也感觉到，即使是前沿公司也不完全理解其模型如何演变——那么工程师究竟能对它们拥有多少控制权？

在另一场主题演讲中，Anthropic的Thariq Shihipar谈到他们的最新模型Claude Fable如何像一个有机系统——“模型是生长出来的，而非设计出来的。”他说存在一种“能力开销”，即“Claude以尖刺的方式变得更聪明。

”这更有理由构建用于智能体开发的系统，以便我们能够评估和监控输出。

2: 循环工程是新的控制层到AIEWF主题演讲第一个上午结束时，很明显“循环”是本次活动当天的流行词。撇开过度使用不谈，它确实凸显了AI工程的一个关键张力点：智能体应拥有多少控制权，人类应留在循环中的何处？

许多领先工程师现在采取的一种方法是将自己置于“外循环”——监督内循环中智能体完成的大部分自主工作。Roland Gavrilescu是Introspection的联合创始人兼CEO，这家新公司正在构建用于部署自我改进系统的基础设施。

在接受Latent Space采访时，他解释了“自动研究”概念如何为智能体循环提供必要的反馈结构：“你可以将系统视为具有内循环和外循环。内循环是与用户交互并执行工作的主要系统。自动研究更关注外循环：另一个研究和维护主要系统的系统。

”外循环可以包括反馈信号、评估和人类输入。因此，它可能仍然在很大程度上是自主的，但关键在于它是主要智能体循环的一种监督方法。前Google工程负责人Addy Osmani对此有精辟的表述：“智能体可以运行更多的内部执行循环，但外循环仍然是工程。

”“循环工程”一词在AIEWF期间多次出现，表明人类AI工程师有责任构建这些循环系统。就连OpenClaw的创始人“ClawFather”Peter Steinberger也特意将自己置于外循环中。

在OpenAI主题演讲中，他解释说：“智能体运行内部执行循环；我设定方向并在外循环中做出决策。”最后一天，一场舞台辩论探讨了完全自主的智能体是否能在现实中管理循环。HumanLayer的Dex Horthy声称“炒作超越了纪律。

”他并不反对循环本身，指出Kubernetes建立在控制循环之上——“但它们是确定性循环。”Ralph Loop的创造者Geoffrey Huntley承认循环是“前沿思维”，但他为观众提供了一个精彩的类比：“[我们]现在有点像火车工程师。

我们的工作就是让火车保持在轨道上。”3: AI工程进入企业这种使用AI工具的方式正开始进入企业，通常通过一个名为“前向部署工程师”（FDE）的新角色——工程师直接与组织合作实施AI能力。

Sierra的FDE负责人Natalie Meurer告诉Latent Space，将AI引入组织通常需要大量编排。“与我们合作的每个企业都想知道如何维护其智能体生态系统所能做的一切，”她说。

“它需要管理所有集成和所有为智能体做出贡献的团队。”

在AIEWF的会议上，Cursor的Pauline Brunet谈到了他们的FDE在每次合作中希望实现的目标：“当[我们]在合作结束时离开——就我们而言，我们已经部署了云智能体、长期运行的智能体、自动化，

[并且]我们在Cursor SDK之上构建了应用程序——当我们离开时，这对他们来说是一个严格的投资回报率。这意味着当我们离开时他们不会关闭系统。”会议上经常使用的另一个术语是“软件工厂”。

Brunet说：“在Cursor，‘软件工厂’意味着长期运行的智能体在整个过程中帮助人们。”这基本上是她的FDE团队负责实施的内容，他们与客户的工程师并肩工作。人类工程师如何融入软件工厂是企业的一个关键问题。

Warp CEO Zach Lloyd解释说，组织需要选择