认知重建之后，步入 Agentic Engineering 的工程革命

📌 一句话摘要

本文深度复盘了腾讯工程师从 Vibe Coding 转向 Agentic Engineering 的实践历程，提出了一套以上下文管理为核心、基于工具化设计的 AI 辅助工程体系。

📝 详细摘要

文章详尽记录了作者在两个月内将一个简单的 AGENTS.md 文件演进为包含 22 个 Agent、27 个 Skill 和 28 个命令的工程体系的过程。核心观点认为，Agentic Engineering 是从「代码编写」到「Agent 协调」的范式转移。作者通过实战推翻了传统的 DDD 架构和复杂的动态场景路由，转向了以「渐进式披露」为原则的工具设计（Command、Skill、Subagent 三级体系）。文章强调了上下文空间作为稀缺资源的底层约束，并提出了「复利工程」理念，即通过结构化文档将项目知识沉淀为 AI 的长期记忆，从而实现研发效率的持续增长。这不仅是一份技术指南，更是对 AI 时代软件工程方法论的深度重构。

💡 主要观点

- 从 Vibe Coding 向 Agentic Engineering 的范式演进。 编程模式正从「全部接受」的氛围编程转向严谨的智能体工程，开发者角色从代码编写者转变为 Agent 协调者与监督者。

上下文空间是 Agent 协作的底层物理约束。 Agent 的能力上限取决于上下文的信噪比。应采用渐进式披露架构，通过轻量级索引和按需检索（Agentic Search）来对抗上下文腐烂。

推翻动态场景路由，转向结构化的工具设计体系。 放弃复杂的运行时场景识别，改用 Command（快捷入口）、Skill（知识封装）、Subagent（上下文隔离）三级能力体系，降低 Agent 的认知负担。

建立「文档即记忆」的知识复利机制。 将研发过程中的知识沉淀为结构化 Markdown 文档，使 AI 能够基于项目历史资产持续进化，实现跨需求的效率复利。

工具应封装知识而非流程，给予 Agent 必要的自由度。 不要用脚本式的 SOP 限制 Agent，而应提供领域知识和质量约束，让 Agent 在明确的边界内自主决策。

💬 文章金句

- Agentic Engineering 是一种工程范式：人从「代码编写者」转变为「Agent 协调者」，通过系统化的上下文管理、知识沉淀和流程设计，让 AI Agent 具备自主性、记忆力和成长性。

• 上下文空间是稀缺资源，渐进式披露是应对它的最优解，机械化强制执行是让方案长期可持续的必要条件。
• 好的工程体系不是设计出来的，是「长」出来的。每一个 Agent、每一个 Skill 都是在解决业务问题的过程中被逼出来的。
• 工具应该封装知识而非流程，给 Agent 自由度而非脚本。告诉它「做什么」和「注意什么」，而不是「第一步做什么、第二步做什么」。
• 今天投入的每一个 Skill、每一条规则、每一份经验文档，都在为明天的效率买单。

📊 文章信息

AI 评分：94

来源：腾讯技术工程

作者：腾讯技术工程

分类：人工智能

语言：中文

阅读时间：186 分钟

字数：46280

标签： Agentic Engineering, Vibe Coding, 上下文工程, AI 编程, 软件工程方法论

阅读完整文章