Simon Willison 最近提出了一个概念：Agentic Engineering——使用 Coding Agents 开发软件的实践。
这个词看起来又是一个 AI 热词，但它实际上精准地描述了我们正在进入的新阶段。
什么是 Coding Agent？
首先搞清楚定义。Coding Agent 是能写代码 + 执行代码的 Agent。
典型代表：Claude Code、OpenAI Codex、Gemini CLI。
注意：代码执行能力是区分普通 LLM 和 Coding Agent 的关键。
ChatGPT 也能写代码，但它只能输出代码片段。真正的 Coding Agent 能在循环中运行工具、执行代码、读取结果、再迭代。这个闭环让它能够"边写边跑"，朝着目标不断逼近。
Agent 的本质定义
AI 研究界对"什么是 Agent"争论了几十年。Simon Willison 给出了一个务实的定义：
Agents run tools in a loop to achieve a goal.
Agent 是在循环中调用工具来实现目标的软件。
具体来说：你给 Agent 一个目标，它调用 LLM 生成代码，执行代码，把结果喂回 LLM，再决定下一步——直到目标达成。
这个定义简单但精确。它划清了"聊天机器人"和"Agent"的界限：前者是单向输出，后者是闭环迭代。
Agentic Engineering：代码能跑了，人类干嘛？
当软件能写出可运行的代码，开发者还剩什么？
答案是：几乎所有事情。
写代码从来不是软件工程师的唯一工作。真正的挑战一直在于：弄清楚该写什么代码。
任何软件问题都有几十种潜在解决方案，每种都有取舍。我们的工作是导航这些选项，找到最适合当前场景的那一个。
Agentic Engineering 时代，人类的核心任务变成了：
- 定义问题——把模糊需求转化为精确目标
- 配置工具——给 Agent 提供它需要的上下文和能力
- 验证迭代——审查输出，修正方向，确保稳健
LLM 不会从过去的错误中学习，但 Coding Agent 可以——前提是我们把学到的教训写进指令和工具配置里。
Agentic Engineering vs Vibe Coding
2025年2月，Andrej Karpathy 创造了"Vibe Coding"这个词：让 LLM 写代码，同时"忘记代码的存在"。
很多人把 Vibe Coding 扩展为"任何用 LLM 生成代码的行为"。这不对。
Vibe Coding 的本质是：不审查的原型代码。
它有用，但只适用于快速验证想法。而 Agentic Engineering 是：把代码带到生产级标准。
区分这两个概念很重要。我们需要一个词来描述"未经审查的 LLM 生成代码"，也需要一个词来描述"经过验证、可投入生产的 Agent 协作代码"。
Vibe Coding 是草稿，Agentic Engineering 是交付。
为什么这个概念重要？
因为它把"用 AI 写代码"从模糊的实践变成了可讨论的方法论。
我们不再只是"试试看 AI 能不能帮我写"。我们开始思考：
- 怎么定义问题才能让 Agent 理解？
- 怎么设计工具链才能让 Agent 高效？
- 怎么验证输出才能确保质量？
- 怎么迭代指令才能让 Agent 越来越聪明？
这些问题构成了 Agentic Engineering 的核心。
它不是一个热词，而是一个新工种的萌芽。
