AI时代开发者需适应多代理环境，重视技术深度、商业头脑和系统思维。角色将从编写代码转向构建代理系统、协调工作流程及编写指令。需具备流程知识，熟悉业务，并关注AI系统的可解释性、数据安全及伦理问题。
译自：How (Human) Developers Should Upskill in the AI Era
作者：Agam Shah
AI 代码助手正被视为数字化实习生，AI 员工变得越来越普遍，并且 CEO 逼真的头像开始在财报电话会议上涌现。在一个日益以 AI 为中心的工作环境中，这会让作为人类的开发者何去何从？
NVIDIA CEO 黄仁勋已经放弃了他早先关于 AI 将取代程序员的言论。AI 正在让每个人都成为程序员，人们不需要懂 C 或 C++，他上个月在一次会议上表示。
“毫无疑问：你不会因为 AI 而失去工作，但你将会因为使用 AI 的人而失去工作，” 黄仁勋说。
程序员需要适应——并且要快速适应——在多代理世界中新兴的职位定义，这将重视技术深度、商业头脑和系统思维。
“对于开发者来说，理解正在做出的决策以及可能发生的可变性变得非常重要。” – Craig LeClair, Forrester Research
开发者将减少花在键盘上编写原始确定性代码的时间，而将更多的时间用于构建代理系统、协调工作流程以及为 AI 模型编写有效的指令。
Salesforce AI 的执行副总裁 Jayesh Govindarajan 说：“我不认为那些让你成为一名优秀的 Java 程序员或 C++ 程序员的技能，会是那些让你成为一名优秀的代理构建者的技能。”
开发者将花费更多的时间将 AI 代理插入到可以自主做出决策的运营中。开发者需要放眼全局，了解业务及其流程和职能。
Forrester Research 的副总裁兼首席分析师 Craig LeClair 说：“当 AI 做出决策时，你无法总是预测结果。对于开发者来说，理解正在做出的决策以及可能发生的可变性变得非常重要。”
AI 的新堆栈
在 AI 代理开发模型中，全栈的概念正在被重新定义；它基于解决业务问题。
LeClair 说，流程知识在开发堆栈中起着重要的作用，并且程序员可以通过为决策做出贡献来构建价值。
AI 帮助后端开发者向上移动到业务逻辑、编排和前端设计。例如，ChatGPT 作为一个 Figma 工具，具有生成式组件，允许程序员摆弄界面，Salesforce 的 Govindarajan 说。
同样地，前端开发者和设计师可以使用 AI 通过基本后端集成、使用 API 和数据连接来进一步向下移动堆栈。模型上下文协议 (MCP)和 Agent2Agent (A2A) 等协议在多代理系统中变得必不可少，IDC 企业应用程序研究高级副总裁 Bob Parker 说。
“这有点像他们需要彼此才能使代理协同工作，” Parker 说。
闪电般快速的迭代
Forrester 的 LeClair 说，代理正在破坏传统的软件交付生命周期。
“技术正在迅速超越我们在如何设计这些流程上所需要的规范，” LeClair 说。
开发者可以使用 AI 工具更快地进行开发，Salesforce 的开发者可以生成连接前端和后端的有效原型。
Govindarajan 说：“迭代循环非常快，因为我们可以在 15 分钟内给你一些东西。过去是一个工程师会展示的一些简陋的命令行演示——我喜欢那些——但现在它更加完整了。”
“你从你最擅长的核心开始，然后使用 ChatGPT、Claude 等等……” – Jayesh Govindarajan, Salesforce AI
全栈编程始于强大的技术基础，这可能在后端、前端或数据科学方面。AI 工具可以帮助填补堆栈上下两端的技术空白。
Govindarajan 说：“你从你最擅长的核心开始，然后使用 ChatGPT、Claude 等等——你使用一整套工具来变得更加端到端，从而能够构建包含所有这些的系统。”
第三支柱
Salesforce 的 Govindarajan 在 AI 开发堆栈中添加了第三支柱：数据科学。
“我们构建了很多模型，我们清理了很多数据，我们调整它们，我们引入优化。这里面也存在一个科学的方面，它自动化程度较低，但仍然能够将所有这三件事结合在一起，我认为这就是全栈的重新定义，” Govindarajan 说。
学习足够的科学知识对于评估非确定性 AI 系统大有帮助，这些系统很容易偏离轨道。这些系统不提供传统系统的可预测性。
Govindarajan 说：“你不能只是说‘嘿，你给了我错误的答案。’你需要能够检测到这一点。这就是评估的用武之地。”
系统方法
Cohere 工程副总裁 Autumn Moulder 说，强大的软件工程基础仍然是构建高效 AI 系统的基石。
该公司最近推出了一种可以自托管的大型语言模型版本。某些技能有助于为内部服务器提供的受限计算构建高效的 AI 系统。
“你必须要有工程师：从你如何预训练和后训练模型，到你如何构建 API……” – Autumn Moulder, Cohere
“你必须要有工程师：从你如何预训练和后训练模型，到你如何构建 API，以及调用它的服务框架。然后是应用程序本身——它如何利用模型？” Moulder 说。
所有这些都必须紧密集成到一个可以在私有环境中运行的高效单元中。
Moulder 说：“这些都只是非常重要的软件工程技能。”
Google 为 Gemini AI 提供了一个 API 堆栈，用于托管服务，因此用户不必担心底层堆栈。
业务流程和领域专业知识
Moulder 说，特定领域的领域知识将帮助开发者脱颖而出。
Moulder 说：“你必须了解业务垂直领域以及代理如何融入到工作中。你需要了解业务流程并能够说出模型能够做到什么的人。”
Forrester 的 LeClair 说，大约有 200 家初创公司正在开发低代码工具，供开发者快速创建自主 AI 代理。
LeClair 补充说，未来几年将出现的“执行”代理将自动化一些决策。
随着这些复杂的代理发挥作用，开发者将开始将代理任务串联成工作流程，然后变成流程。
“一种系统思维的心态对于理解流程以及它如何融入到大局中至关重要。” – Stephanie Waller, Hyperframe Research
AI 会产生幻觉，开发者必须知道何时让人们参与进来。
开发者还将修复组织在 AI 代理实施中面临的技术障碍——例如可解释性、数据安全、防护栏、监控、道德和偏见。
LeClair 说：“你将拥有一系列模型……你将围绕所有这些信任因素进行控制和治理。”
Hyperframe Research 的 AI 技术堆栈常驻分析师 Stephanie Waller 说，开发者负责创建用于销售或人力资源等职能的 AI 角色的流程将会受到高度重视。
Waller 说：“一种系统思维的心态对于理解流程以及它如何融入到大局中至关重要至关重要。这不一定是一个 AI 问题——AI 放大了它。”
