本文深入探讨了AI Agent的自主性对软件开发带来的新期待与可能性，提出了从面向step到面向goal的范式转变。AI Agent的自主性体现在模块间编排的planning自主性和模块内的自主性，如动态任务拆分和AI现场编码，这些特性能显著降低软件开发成本，为用户提供定制化软件。文章还分析了如何穿越「中间地带」，并提出了混合面向step和面向goal模式以及human-in-the-loop机制等策略，以应对当前AI Agent发展的实际情况。

本文集中精力展开讨论三件事：

• AI Agent的自主性给传统软件开发带来了哪些新的期待和可能性？
• 范式的转变：从面向step到面向goal。
• 如何穿越「中间地带」？

再谈AI Agent的自主性

现在我们从软件开发的视角（也就是编程的视角）来重新思考一下「自主性」这个问题。

让我们短暂地忘掉LLM和AI Agent，暂时回到传统软件编程的世界。一个软件系统，一般来说底层是由很多模块 (module) 组装而成的。然后程序会把这些模块编排起来 (orchestrate) ，按照某种顺序来执行。也就是说，粗略来看，一个软件系统由两部分元素组成：

• 模块 (Module)。
• 编排 (Orchestration)。

先说一下编排。有开发经验的工程师都会知道，很多业务系统都存在一个「编排层」，这一层负责把众多模块「串」起来。工程师的很大一部分工作量，实际上都是在根据业务需求修改编排层的实现。正是这个编排层确定了程序的执行路径，并为系统引入了某种动态特性。

如果执行路径上的每一步 (step) 都是提前能确定好的，那么就属于静态编排；如果引入了分支逻辑 (if/else/switch) 和循环逻辑 (while或递归调用) ，那么程序就能够根据输入数据在运行时动态地确定执行路径，那么就属于动态编排。

可见，传统的软件编程方式天然就已经可以提供某种动态特性。那么，AI Agent带来了哪些新的能力，是传统的软件编程所不具备的呢？

表面上看，LLM输入一段文本，输出一段文本，封装后似乎跟传统的软件模块没有什么差别。但由于LLM的reasoning能力，它的输出一旦被解释成与执行决策有关的信息，就为AI Agent系统带来了某种「自主性」。这种自主性超越了传统软件编程所能够提供的动态特性，是一种巨大的差异。我们分两个方面细分来讨论：

• 一个是关于模块间编排的自主性。可能称为planning的自主性更形象一些。
• 第二个是关于模块内的自主性。

先说planning的自主性。我们借用博主Dex Horthy的一张图（出自[1]）来说明：

前面说的传统软件开发，不管是静态编排，还是动态编排，都需要工程师在编写代码的那一刻（也就是程序执行前）确定所有可能的执行路径。而这张图表明，在AI Agent时代，我们预期LLM的reasoning能力能够在众多的模块间动态地规划出一条执行路径。我们只需要提供一系列候选的可执行模块，而不再需要人工去编排路径。也就是说，工程师在编码的那一刻不需要考虑清楚可能的执行路径，执行路径可以在程序执行过程中根据执行动态现场确定。这种自主性程度显然超越了我们前面提到的动态编排了。实际上，编排的英文单词是orchestration，而这种高度自主的编排，称为planning可能更合适一些（典型的planning方案包括ReAct[2]、LLMCompiler[3]）。

再审视一下模块内的情况。

如果把LLM调用封装成一个模块，而LLM的输出仅仅是作为一段待处理的数据交给后续模块来处理（比如生成了一段总结，或者一段文学描写），那么这样的模块和传统的软件模块并没有本质区别（区别仅在于准确率方面）。但是，如前所述，LLM的输出一旦被解释成与执行决策有关的信息，情况就不同了。至少有两种典型的编程模式，LLM的输出会影响到后续的执行决策：

• 一种是动态任务拆分。

在传统软件开发中，把一个复杂的任务拆分成多个简单的子任务来完成，也是一种很常见的策略。但是，以前工程师需要在编码时就明确任务如何拆分，比如拆分成几个子任务，每个子任务是什么，然后把每个子任务写代码实现出来。而LLM带来了「动态」的任务拆分，它可以基于输入数据现场拆分任务，并把拆分出来的子任务交给后续的LLM来继续执行。你在编码的那一刻无法预测任务拆分的细节，既不知道拆分后的子任务数量，也不知道每个子任务具体是什么。

在Anthropic的“Building effective agents”这篇blog[4]中提到的「Orchestrator-workers」这种Agent设计模式，就属于动态任务拆分。在各种Deep Research产品中以及类似Cursor、Devin的编程Agent中，就广泛地在使用这种设计模式。

就像我们前面所说的，这时候LLM输出的信息（也就是关于子任务拆分的信息），不仅仅是作为程序加工处理的材料，它还影响了程序的执行决策，对程序后续的执行路径产生了影响。总之，动态任务拆分是一种典型的带来自主性的编程模式。

• 另一种是AI现场编码。

当没有现成的软件模块可供调用的时候，LLM根据程序输入数据，现场编写脚本代码（比如数据分析脚本、自动化测试脚本），并在沙箱中运行。LLM这种解决问题的方式，具备高度的定制化和自主性。

从更细粒度来说，AI编写的代码，内部也包含了对于执行路径的编排或planning。所以说，AI现场编码在planning的自主性和模块内的自主性两个方面，肯定都有一些体现。但是，对于工程师来说，由于AI编码模块更像一个黑盒，内部很难通过用人工编程的手段来控制了，所以我们暂且还是把它当做是模块内的自主性来看待。我们能做的是，小心地定义好它的自主性编程的边界。

讨论完planning的自主性和模块内的自主性之后，你可能会问：LLM带来的自主性给软件开发带来了什么好处呢？这就涉及到软件的开发成本问题。在传统的软件开发模式中，所有预设的逻辑都必须由人类工程师编码完成。大型的软件开发，最后就变成了一个堆人力的事情。在AI Agent时代，新的技术为我们描绘了一个更美好的未来：以前的预设逻辑（需要人力编程的逻辑），都已经内化到了模型中，现在我们只需要把它们诱发出来，去动态执行。具备高度自主性的AI Agent，它们或者基于现有的软件模块，组装出更复杂的软件系统（基于planning的自主性）；或者基于用户需求现场生成高度定制化的代码。

把AI Agent类比成人类行为，把模块看成工具，想象存在这样的一种高度自主性的智能体，它不仅仅懂得利用工具，而且在需要的时候还能自己制造一个新工具出来，然后再解决问题。假设这种愿景成为现实，显然会极大地降低软件开发成本。而且不仅如此，还会为用户带来真正长尾的且低成本的定制化软件。

从面向step到面向goal

程序语言所描述的，本质上是个DAG (Directed Acyclic Graph) 或DG (Directed Graph) 。当有循环逻辑的时候，就是DG；没有循环的时候，就是DAG。

把程序看成一个DAG或DG来进行编排，不管是可视化编排，还是通过代码进行编排，在LLM出现之前其实早就存在了。同时，现在大多数Agent/Workflow框架（比如LangGraph、Dify、LlamaIndex等），也都是在基于DG/DAG解决编排问题。

所有这些方案的底层架构，是基于或至少「类似于」Pregel的 (谷歌总结出来的一种分布式图计算架构[5]) 。如果不考虑分布式计算的部分，Pregel在编排逻辑上跟手写代码的if/else、while本质上是一回事，因为工程师需要手工编码程序执行的每一个step,Pregel通过在每一个superstep末尾发送动态消息，让它具备了动态编排的特性。当然，所有可能的执行逻辑和可能的执行路径，是提前预设好的（在程序执行前确定好的）。

以上所有这些基于DG/DAG的编排方案，可以统称为Graph Orchestration（基于图的编排）。

我们现在的问题是，AI Agent的自主性（包括上一节提及的planning的自主性和模块内的自主性）对于软件开发有什么新的要求呢？或者换句话说，为了把AI Agent的自主性更好地发挥出来，我们是采用传统的Graph Orchestration就够了？还是说需要一个全新的编程范式？

各种不同的Agentic System，它们所呈现出来的不同程度的自主性，本质在于系统编排的执行路径是在何时决策的。总共分成三种编排时机：

• 静态编排：执行路径的每一步都是提前确定好的。
• 程序动态编排：具体执行时的路径只能根据输入数据动态确定，但所有可能的执行路径都是提前确定好的。
• 自主编排（或者叫自主planning）：没法提前设想所有的可能情况，执行路径也需要根据执行动态现场确定。

对比一下就会发现，这里的程序动态编排，就处于等同于Graph Orchestration的动态性水平层次上。而LLM带来的planning的自主性，是AI Agent时代软件开发中「新」的特性。

这种新的特性，呼吁一种编程范式的转变：从面向step到面向goal。这就好比，当你交给某个人一件任务，如果这个人能力比较弱，你就需要把具体每一步怎么干都明确告诉他；但如果这个人精明强干，那么你只需要把任务目标告诉他，具体怎么干你就完全不用管了。我们可以认为LLM具有某种程度的「智能」，所以跟它交流更自然的方式是告诉它目标 (goal) ，然后让它来编排具体的执行路径从而把任务完成。

有人可能会问，一个面向goal来描述的任务，难道不能使用Graph Orchestration实现出来吗？这个问题可能不存在「非黑即白」的答案。从一定程度上看，也许可以，但是你很可能需要在一个节点中塞进更多的逻辑（也就是把更多的动态逻辑代码放到节点内部去实现），也可能需要额外做一些很复杂的转换才行。这样做的结果，还会让工作在Graph Orchestration层面的编程框架真正起到的作用明显变弱。总之，我们在未来可能需要一种面向goal的编程范式，这样才符合第一性的表达。

AI Agent时代的很多任务其实本质上是面向goal来描述的。当我们意识到这一点的时候，也意味着一些编程方面的特殊要求。传统的面向step的任务，只要把每一步执行完，就算目标达成了。但是，面向goal的任务，即使我们能够把任务拆解成多步，这时候把每一步都执行完也仍然不能够说明目标达成了。成功执行完每一步，只能保证会输出某个结果，但并不能保证输出的效果一定是符合目标的。因此，面向goal的编程通常需要我们提供一个评估模块。

同时，面向goal的编程模式也可能带来一些潜在的好处。比如针对同一个目标，系统可能会发现多条执行路径，从而提供更多选择性；或者执行过程中出现错误的时候，系统也许可以动态找到其他执行路径，从而把错误绕过去。

中间地带

我们无疑正处于一个从传统技术向着AGI不断前进的历史进程当中。从确定性到自主性，从面向step到面向goal，这个历史进程可能会经历相当长的历史时期。所以说，我们大概率不是一下子到达高度自主性的AGI时代，而是长期处于一种「中间地带」。

承认我们处于「中间地带」，是一种务实的观点。反之，一味地宣称传统的软件开发模式完全被LLM技术颠覆了，拿极端的情况来概括全部，这种做法可能是吸引眼球的，却容易使人误入歧途。实际上，「中间地带」反而是最难应付的。当前，学术界、大型实验室，抛出的方案几乎都是偏向一个极端的。而留下了最难的部分，反而依靠企业一线交付人员去苦苦探索。这里就需要一些工程师的独特眼光，来帮助我们穿越「广大的」中间地带。

如何把面向step和面向goal的两种模式无缝地mix起来，对外提供出不同程度的自主性，就成为一个非常重要的问题。我们很难在这里给出完美的答案，但有些思路可供参考。我们可以把那些期望使用AI技术解决的问题分成两大类：

• 一类是具备发散性、启发性的任务。比如创作类、信息获取类的场景，包括问答、写作、Deep Research等等。对于这类任务，人们可以降低对于确定性的期望，根据实际需要来控制自主性的「度」。
• 另一类是具有确定性要求的任务。特别是一些需要在企业内部环境运行的to B任务，最终还是要提供确定性的控制。

对于后一类任务，又有两种解决思路（可以相互结合使用）。

第一个思路是限定范围。一个典型的例子是Dex Horthy提到的micro agents的概念[1]。如下图：

上图中有三个自主性的Agent loop，称为micro agents，被嵌入到了一个更大的DAG当中。通过限定micro agents发挥自主性的范围，将它们执行的确定性提升到一个可以接受的水平。

第二个思路则是human-in-the-loop机制。对于一些敏感的操作，Agent可以选择在获取人类的核准后再执行。相当于引入人工确认，来消除自主性带来的不确定性。沿着这个思路，未来的自主Agent可能会演变成一种Outer Loop[6]模式。它的意思是，这些Agent不再需要由人类来启动，它们可能是默默地随时运行在背后。想象一下，某个Agent始终在运行，它随时在监测客户邮件，或者随时监控财务数据。一旦它发现某种特殊事件发生，它就自动通过各种渠道（IM、短信、邮件等）去获取人类管理员的核准确认或者反馈。在这个human-in-the-loop的交互中，人类是被动牵涉其中的，人类被看做是Agent为了完成自主操作的其中一环。这个大的、把人类也牵涉其中的交互loop，就被称为Outer Loop。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

---

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】