作者：Tim O’Reilly
译者：Carl Cui
这篇文章源自 O’Reilly 的 Tim O’Reilly 与 Google AI 专家 Addy Osmani 在 2026 年 2 月的一场深度访谈。Addy Osmani 在谷歌领导 Chrome 浏览器的开发者体验团队长达 14 年之久，最近转到谷歌云人工智能公司，专注于 Gemini 和 agent 开发。作者 Tim O’Reilly 的这篇概括性文章可以帮助 AI 时代的开发者更好地区分现实和噪音。
1. 难点在于 agent 协调，而非内容生成
Addy 指出，目前人们使用 AI agent 的方式多种多样。一边是单人公司运行着成百上千个 agents，有时连代码都不会审查。另一边则是对质量门槛和可靠性有要求，需要考虑长期维护的企业。
Addy 的看法是，对于大多数企业来说，“真正的边界不一定是为了某个任务而拥有成百上千个 agents。关键在于协调一定数量的 agents，解决实际问题，同时保持控制和可追溯性”。他指出，像 Google Agent Development Kit 这样的框架现在可以在单个系统中同时支持 deterministic workflow agents 以及 dynamic LLM agents，这样你可以灵活地选择什么时候需要可预测性，什么时候需要便利性。
Agent 生态系统正在快速发展。A2A（由 Google 贡献给 Linux 基金会的 agent-to-agent 协议）处理 agent 之间的通信，而 MCP 处理 agent 对工具的调用。组合在一起，它们就像是 AI agent 时代的 TCP/IP。不过 Addy 认为：“几乎没有人想出如何让所有东西尽可能顺畅地协同工作。我们正尽可能地接近那个目标。而这才是这里的实际难题。不是生成，而是协调。”
2. 关于“要出大事了”的争论
针对观众的一个问题，我们花了一些时间讨论了 Matt Shumer’s viral essay 这篇病毒式传播的文章，文章中 Matt Shumer 认为当前的人工智能时刻就像新冠疫情爆发前一样：知道内情的人在拉响警报，但大多数人没有注意到。
2026 年 2 月 5 日，OpenAI 和 Anthropic 在同一天发布了新模型。然后在 2 月 9 日，
Matt Shumer发表了一篇名为Something Big Is Happening的文章，他对大模型的能力跃迁感到震惊，认为其影响注定迅捷、深远，但是大多数人仍然毫无感觉。
Addy 的看法是，“这感觉有点像某个人一直没跟上趟，现在终于开始尝试最新的模型和工具，然后突然有了一个顿悟”。他认为这篇文章缺乏数据支撑，也没能很好地区分 AI 在原型设计和实际生产中能做什么。Addy 说：“是的，模型在变好，工具在变好，一切都变了。我现在用 AI 能做的事，比一年前多多了。这些话都是真的。但是要说现在所有技术工作都能做到近乎完美，我个人是不这么认为的。”
我同意 Addy 的看法，但也知道那种感觉：当你看到未来正猛烈来袭，而周围却无人在意。在 O’Reilly 公司，我们接触互联网的时候，网上只有 200 个网站。1993 年，我们创建了 GNN，这是第一个网络门户网站，也是互联网上的第一次广告。1994 年，我们进行了首次大规模的市场调研，探讨广告作为互联网未来商业模式的可能性。我们四处游说电话公司采用互联网，并在几年后（当时）劝说实体书店关注亚马逊的崛起，但没人听。我非常相信“某些事情正在发生”的时刻。但我也很清楚，实际所需的时间总是比看起来要长得多。
这两件事都可能是真的。这种转变的方向和幅度都是真实的，模型不断改进，工具也在不断改进。但我们仍需探索新型业务和新型工作流程。人工智能不会像海啸一样在一夜之间席卷一切。
3. 感觉有生产力 vs. 实际有生产力
威尔.马尼蒂斯（Will Manidis）在一篇名为 Tool Shaped Objects 的文章中有一句话说得很好，我在与 Addy 的对话中分享了这句话：“那些感觉有生产力的市场比真正有生产力的市场大好几个数量级”。Tool Shaped Objects 讲的是那些感觉搭建和使用起来很酷的东西，却不一定能胜任真正的工作。
Addy 立刻就抓住了这个点：“感觉忙碌和富有成效是有区别的”，他说：“你可以让 100 个 agents 在后台工作，并觉得自己很有成效。然后就会有人问，你做出了什么？它给你赚了多少钱？”。
这并不是要否定那些在运营大量 agents 时真正富有成效的人，确实有人吃到了 AI 时代的红利。但是，对自己的产出效率保持健康的怀疑态度是值得的，尤其当这些工具让你很容易产生“行动迅速”的错觉时。
4. 未来的开发更多会是基于规划
Addy 谈到他在任务的时间分配上发生了显著变化：“我可能会花任务总时间的 30% 到 40% 来实际写出我到底想要什么”。例如，有什么限制条件？成功的标准是什么？架构是什么？应该使用哪些库和UI组件？
在开始生成代码之前，所有这些工作都要做到清晰明了，这样 AI 才能给出更高质量的结果。正如 Addy 所说：“大型语言模型很擅长把事情归到最低的共同标准上。如果训练数据里有流行的模式，它们就会使用这些模式，除非你告诉它们不要这么做”。如果您的团队已经建立了最佳实践，请将它们编入 Markdown 文件或 MCP 工具，这样 agent 可以使用它们。
我把规划阶段与更大的品味联系起来。想想史蒂夫.乔布斯，他不是一个程序员，他是一位了解“好”是什么样子，并推动与他一起工作的人实现“好”的大师。在这个新世界，这项技能非常重要。你要像乔布斯一样告诉他的工程师“不，不，不要那样”，并给他们一个美好而强大的愿景。只不过，现在这些工程师中有些是 agents。因此，管理技能、沟通技能和品位正在成为核心技术能力。
5. 代码审查正变得越来越困难
Addy 提出的一个未被足够重视的问题是：“团队越来越觉得他们被大量 AI 生成的 PR 淹没。人们不一定需要理解其中所有内容，但是必须平衡速度与质量，因为总有人需要维护这些。”
了解你的质量标准很重要。在哪些情况下你愿意合并 AI 生成的代码？也许它很小且模块化良好，并有充分的测试覆盖。而在哪些情况下你必须进行深入的人工审查？明确这个标准是团队现在能做的最实际的事情之一。
6. 年轻人是否有必要进军软件领域
我们收到了一个关于学生是否应该继续追求软件工程的问题。Addy 的回答非常坚定：“如果你对学习感到舒适，那么现在进入软件工程领域从来没有比现在更好的时机了。你不一定要背负几十年来对历史上如何构建事物了如指掌的负担。你可以用全新的眼光来看待这个问题。新加入者可以先做 agent。他们可以深入研究模型编排和模型权衡，而无需重新学习旧的范式。
更重要的是，在新技术刚起步的时候，人们基本上是想着把旧东西重新做一遍。真正的大机会，是当我们搞清楚以前不可能的事情，现在居然能做的时候。如果人工智能真的像看起来那么厉害，机会不是让公司在以前的同样工作上变得更高效，而是去解决全新的问题并创造全新的产品类型。
我 71 岁了，在这个行业里已经 45 年了，这是我从未有过的兴奋。比早期的互联网更兴奋，比开源更兴奋。未来正在被重新创造，现在开始使用这些工具的人有机会成为创造者的一部分。
7. 服务付费问题
Addy 有一个有趣而诚实的坦白：“有段时间，我看着自己使用 AI 服务的费用账单，会吓一跳。我不知道这些钱花的值不值。”
他的建议是：尝试。通过多个 agents 了解你典型任务的成本，进行推算，问问自己：在那个价格下，你是否仍然觉得它值得。有些人每月在 AI 服务上花费数百甚至数千美元，觉得这是值得的，因为替代方案是雇佣员工或者找承包商。其他人花费同样多的钱，却大多只是感觉忙碌。如 Addy 所说：“别觉得非得花一大笔钱才能不错过提高生产力的机会。”
我还要补充一点，我们现在正处在一个 AI 成本被大量补贴的时期。那些大模型公司正在承担 AI 服务成本，目的是让你用上 AI，并且停不下来。趁着这个机会，好好利用一下大模型。但同时也要认识到，还有很多效率方面的工作有待完成，就像 JavaScript 框架取代了所有人手写 UI 的情况一样，我们也会得到那些能让 agent 工作流程比现在更节省 token 的框架和工具。
8. 对 2028 年的预测已经实现了
Addy 说起最让他印象深刻的一件事是，他所在的 AI 编程社区里有一个小组，曾一起预测过到 2028 年软件工程会是什么样子。“我们最近又重新看了一下那个清单，发现清单上说的几乎每件事现在都已经能实现了，这让我有点震惊。” 他说，“但整个生态系统采纳这些技术的速度，比技术本身的实现速度要慢得多。”
能力和采用之间的差距是未来几年最有意思的工作所在。技术正在领先于我们吸收它的能力。找出如何在你的团队、你的公司和你的实践中缩小这个差距，才是现在真正的任务。
9. Agent 自己给自己写代码
在快结束时，我们回答了另一个很棒的观众问题：agent 最终会生成为其他 agents 阅读而不是人类优化的源代码吗？Addy 说会的。已经有平台团队在讨论是否要为一个以 agent 为优先的世界构建代码，其中人类可读性成为次要考虑因素。
我对此有一个历史类比。我写过 Mac 上第一个 C 编译器的手册，当时我和那个负责在机器码层面手动优化编译器输出的开发者关系很密切。那大约是三十年前的事了，后来我们就不这么做了。我很有把握地说，在 AI 生成代码方面，也会有一个类似的时刻，到时候人类基本上就是放手不管，信任它的输出结果。当然，也会有些特殊情况，人们会为了追求极致的性能或正确性而深入介入。但这种情况会很少见。
这种转变不会一夜之间发生，但方向似乎很明确。你现在可以参与创造未来，或者花时间在之后努力追赶那些已经做到的人。