从前 · programmer
我把需求翻译成代码。
- 主要杠杆Module、Interface、测试、部署脚本。
- 工作对象确定的问题、明确的边界、可重复的构建。
- 成功标准代码可读、行为可测、上线稳定。
现在 · AI Agent Engineer
我把目标编排成 agent loop。
- 主要杠杆MCP、tools、context、eval、automation。
- 工作对象模糊目标、多工具协作、可观察反馈回路。
- 成功标准agent 能做事，结果可验证，失败可定位。
relationship
不是告别，是一次能力迁移。
程序员能力仍是底座。AI 时代只是把“写函数”的边界推大：现在我要设计任务、上下文、工具权限、评估标准，以及失败时能被人接管的路径。
代码能力是地基
没有工程判断，agent 只会更快地制造混乱。抽象、架构、测试仍然是硬通货。
Agent 是放大器
它把工具、文档、浏览器、部署平台接成回路，让一个人像一支小队。
责任仍在人
我定义边界、验收证据、回滚路径。AI 负责加速，人负责判断。
now system
现在，我关心 agent 能不能闭环。
一个真正能工作的 AI Agent 工程流，不只是 prompt。它要连接外部系统，带着上下文行动，并用证据证明完成。
Goal明确目标
Context读项目/设计/状态
MCP Tools浏览器、Open Design、Cloudflare
Eval测试、截图、线上验证
DeployCloudflare Pages
contact
如果你也在从“写代码”走向“设计会做事的系统”。
我们可以从一个 agent loop、一段工具链、一页 demo，或一个尚未成形的工作流开始。