Simon Willison 正在连载的教智能体工程的新书 Guides: Agentic Engineering Patterns又增加内容了，现在已经有12章。很有意思的

彩香

Simon Willison 正在连载的教智能体工程的新书 Guides: Agentic Engineering Patterns又增加内容了，现在已经有12章。很有意思的是刚新增的内容其实是第一章。介绍什么是agentic engineering。

地址：   simonwillison.net/guides/agentic-engineering-patterns/
这一章不长，这里翻译下：
---------------------
什么是 Agentic Engineering？

我使用 Agentic Engineering 一词来描述在 Coding Agents（代码智能体）的协助下开发软件的实践。

什么是 Coding Agents？它们是可以同时编写和执行代码的 Agents。常见的例子包括 Claude Code、OpenAI Codex 和 Gemini CLI。

那什么是 Agent？准确定义这个术语是一个自 20 世纪 90 年代以来就让 AI 研究人员感到困扰的挑战。但在 Large Language Models (LLMs)（如 GPT-5、Gemini 和 Claude）领域，我所接受的定义是：

----Agents 通过循环运行 Tools（工具）来达成目标。

你通过 Prompt（提示词）为 Coding Agent 设定一个目标。随后，该 Agent 会在一个循环中不断生成并执行代码，直到目标达成为止。

Code execution（代码执行）是使 Agentic Engineering 成为可能的关键能力。如果没有直接运行代码的能力，LLM 输出的任何内容其价值都是有限的。有了代码执行能力，这些 Agents 就可以开始朝着“可证明运行”的软件进行迭代。
Agentic Engineering

既然我们已经拥有了能编写可用代码的软件，那么人类还剩下什么可做的呢？
答案是：太多了。

编写代码从来都不是软件工程师的唯一活动。这项手艺的核心一直是“弄清楚该写什么代码”。任何给定的软件问题都有数十种潜在的解决方案，每种方案都有其权衡（Tradeoffs）。我们的工作是导航这些选项，并找到最适合我们特定环境和需求的方案。

从 Coding Agents 中获得出色结果本身就是一个深奥的课题，尤其是现在该领域正以惊人的速度演进。

我们需要为 Coding Agents 提供解决问题所需的 Tools，以恰当的细节水平描述这些问题，并对结果进行验证和迭代，直到我们确信它们以一种健壮且可靠的方式解决了问题。

LLMs 不会从过去的错误中学习，但 Coding Agents 可以——前提是我们有意识地更新指令（Instructions）和工具框架（Tool harnesses），以吸收我们在过程中学到的经验。

如果使用得当，Coding Agents 可以帮助我们在承担项目时更有野心。Agentic Engineering 应该帮助我们产出更多、质量更高、且能解决更具影响力问题的代码。
关于本指南

就像它试图涵盖的领域一样，《Agentic Engineering Patterns》（智能体工程模式）本身也是一项正在进行中的工作。我的目标是识别并描述那些经证明有效、且不太可能随着工具进步而过时的协作模式。

随着新技术的出现，我会继续增加章节。没有任何章节是“最终完成版”。随着我们对这些模式理解的演进，我会不断更新现有的章节。
#How I AI#