Agent应用开发只是阶段性产物吗？

感觉它就像是曾经“小灵通”一样的过渡产物，毕竟整个行业的发展节奏实在是太快了。

相比之下，算法岗位的生命周期会不会更长一些呢？毕竟 AI 目前应该还很难做到自主修改和迭代底层的算法逻辑吧。

Agent 的底层逻辑终究还是 Prompt 工程，无非是为大模型配备了各类工具和技能。即便未来技术形态发生改变，其核心本质可能依然如此。

出现这种趋势的根本原因在于，传统的 Web 前端开发需求正在不断萎缩，而 Agent 开发领域却正处于红利期，不仅岗位需求增加，薪资水平也十分可观，同时还能让人赶上 AI 时代的风口。

过去还需要人工来设计工作流，如今早就已经是 Agent 自己生成并执行工作流的时代了，人类往往只需要在关键节点进行确认或让流程继续即可。

开发 Agent 的过程，其实也是在提升我们自身设计 harness 的能力。这项能力至关重要，因为一个完善的 harness 能够协助 AI 将原本繁琐复杂的任务批量且高质量地完成，这对于企业实现降本增效有着极大的意义。

本来心里还有点犹豫，看到大佬这么分析，我就放心地去学习相关技术了。

我的看法是这样，agent其实只是AGI的路线节点之一。
从大的方面来看，只要AGI无法实现，或者说ASI无法实现，那么人造智能就有需求，所以包括智能在内，都还是需要人类参与。
从具体的方面来看，agent背后关键是harness，比如skill，mcp等和具体场景高度绑定，有的高度垂直，llm品味无法达到；有的需要具体反馈，llm机理无法完成等。但是agent内容一定会慢慢变薄，最后和普通软件业务同质化。
但无论是prompt工程师，还是rag工程师，还是agent工程师，或者后面微调工程师，甚至RL工程师，都是AI engineering强相关的内容，都还是AI产业。十年前的深度学习内容，现在也依然没有淘汰，很多智能场景还是非常依赖，但这些不都能被当前的agent全部囊括作为mcp tool吗？直至十年二十年后AI完全超越人类，这期间出现的概念，都还是需要人类参与的。

确实如此，Agent 归根结底也是通过编写代码来实现的。未来很可能只需要一句指令，就能直接生成我们所需要的 Agent。

其实所谓的 Agent 工程师，本质上也可以看作是 Prompt 工程师的一种演变形式。