在AI时代重新认识编程与未来

2026/06/05

最后编辑：2026/06/11

20206 字·约 51 分钟

技术 · AI · 指南

在AI时代重新认识编程与未来 - Lumirant

这是一篇主要写给刚入学的大一新生的文章。

当你翻开这份指南时，或许，你只是一个刚刚走入大学的大一新生，初次点开这篇文章，对于AI时代的到来还有些迟钝和茫然，你也许会想：什么是AI？为什么要学AI？遇到问题用豆包不就好了？

又或许，你此刻正站在人生的十字路口，第无数次的翻看这个文章，平时看着周围同学对AI的惊叹与担忧，你也许又在想：AI这么强，我为什么还要学编程？计算机科学专业还值得投入吗？

如果你有类似的想法，那么这份文档就是为你而写的，这篇文章不会给你灌鸡汤，也不会制造焦虑，而是和你一起，用事实厘清迷雾，将AI时代的概念介绍给你，帮助你更好地找到属于你自己的方向。

如果你只是一个AI时代下的计算机从业者，也欢迎你随时阅读这篇文章，让我们一起在AI时代重新认识编程与未来。

我们为什么要学AI

一句话，因为我们正处在一个深刻的技术变革时代。

传统的计算机行业，核心是“人机交互”（Human-Computer Interaction, HCI）。开发者使用各种编程语言和生态工具，构建出一个又一个令人惊叹的数字世界，将无数产品推到用户面前。

然而，2022年底，ChatGPT-3.5 的发布引爆全球AI热潮，大语言模型（LLM）强大的信息生成和逻辑推理能力，将AI相关的产品推上了时代的焦点。截至2026年，伴随着LLM和生成式AI的飞速发展，开发范式正在从传统的“人机交互”向“人机协同”（Human-machine collaboration, HMC）演进。在这个新范式中，AI不再仅仅是一个外部工具，更不是一个观测者，而是深度嵌入到了开发流程的每一个环节中，扮演着代码生成器、设计助理、逻辑分析师、乃至应用核心引擎等多重角色。

因此，对于各位即将入门计算机学习的同学来说，仅仅学习如何“写代码”已不足以应对未来的挑战，我们必须学会如何与AI“对话”、如何驱动AI完成任务、如何将AI的能力封装成可靠的产品特性等能力，这便是本篇文章主要探讨的核心议题。

接下来，我们将从最基本的定义入手，一步步带你构建和联结起整个 AI 与 Agent 生态，让你能真正弄懂“AI 到底在发展什么”、“AI 为什么能颠覆世界”，以及最重要的“我们为什么要学 AI”。

需要说明的是，即使文章已经尽力弱化了部分专业性较强的内容，但对于初学者来说，可能仍存在一些短时间内难以完全理解的内容，因此，如果在阅读过程中，你觉得某些概念有点晦涩难懂、过于抽象，当然也可以选择暂时跳过，先阅读后面的内容，这并不会影响你对全文的理解。

基础认知

你有没有想过：什么是“AI”？

大家现在经常提在嘴边的AI，狭义上来说，并不是指传统意义中的“人工智能”（Artificial Intelligence）这一整个领域，而是指由Transformer框架驱动的生成式大语言模型，例如Chat GPT，它的全称其实就叫Chat Generative Pre-Trained Transformer，即“基于Transformer架构的生成式预训练语言对话模型”。

听起来似乎有点拗口，不知所云，对吧？没关系，跟着这篇指南一步步看完，相信就能解开你心中的疑惑和焦虑。

LLM：大型语言模型

LLM（Large Language Model，大型语言模型）‍ 是近年来人工智能领域最引人注目的突破之一。简单来说，LLM是一种能够理解人类语言并生成人类语言的超级程序。

它的工作原理可以用一个简单公式概括：

提示词（Prompt）→ Transformer LLM → 生成的文本

当你向LLM提问或下达指令时，这些文字作为"提示词"输入，模型内部会理解这些内容的意思，然后根据它们，输出一段符合逻辑和语境的回答。

这实际上是一个概率计算的过程，LLM会根据输入的信息进行推理，不断计算出下一个最可能出现的词汇，循环往复多次，就连成了一句完整的话。

所以说，它其实有点像我们高中英语经常写的“作文续写”，LLM实际上就是在做一个续写的行为，只不过它续写的不是一个完整的故事，而是一个Q&A（Question and Answer）对话，你给出提示词作为问题，它根据语境和语义，经过多次计算，续写出一个最合乎其意的回答。

LLM之所以能够"理解"语言，能明白你在说什么，核心在于Transformer架构。这是LLM的底层技术骨架，由谷歌在2017年于一篇名为《Attention is all you need》的论文中提出，这篇论文打破了传统的RNN（循环神经网络）、CNN（卷积神经网络）等架构在NLP（Natural Language Processing，即自然语言处理）领域的缺点：训练速度慢、成本高、长上下文注意力丢失等，创新性的提出了一种名为自注意力的技术，创造出了一种能够高效利用GPU并行计算优势的模型。

当然，论文原文过于专业，并且是英文的，理解起来有一定的门槛，所以本文在此就不做详细展开。

如果各位同学有兴趣的话，推荐直接去阅读原文：《Attention is all you need》。相信大家读完就会发现，其实它涉及到的数学原理并不算难，大多数甚至只需要高中数学的水平就能够看懂，但是真正让这个架构具备划时代意义的从来都不是它提出了什么新潮的数学理论，而是用现有的数学理论构建出了这个神经网络架构，这也是后文将要提到的重要观点之一：技术本身并不重要，重要的是解决问题的思维和能力。

回到主题，Transformer发布后，LLM借助架构的创新优势和GPU的并行计算能力，显著提升了训练速度和模型质量。所以大家多多少少应该都能够感受到，最近几年，全世界对于AI的发展都陷入了一种近乎疯狂的地步，几乎每隔半年，整个世界都要被AI彻底颠覆一次，从一开始的GPT，到后来的豆包、DeepSeek，再到最近的龙虾（OpenClaw）、Claude Code等等，如果你简单回顾一下就能发现，它们几乎是以一年一代的速度在井喷式爆发，这个速度的背后，很大程度上就得益于Transformer架构的支持。

而根据内部机制的不同，Transformer模型主要分为以下几个家族：

家族	代表模型	特点
Decoder-Only	GPT、Claude、DeepSeek、豆包等	生成能力强，适合对话、创作、代码
Encoder-Only	BERT	理解能力强，适合分类、提取任务
Encoder-Decoder	T5等	擅长文本到文本的转换任务

其中，Encoder（编码器）和Decoder（解码器）分别是Transformer的两大部分，两者各擅长不同的任务，组合在一起才是完整的Transformer。但由于不同模型面向的场景不一样，因此，出于成本考虑，并不是所有的LLM都具有Encoder-Decoder的完整架构。

比如GPT就只有Decoder部分，因为它的主要功能是生成文本，而非分类、提取等更侧重语义上的理解，因此它不需要再单独内置一个Encoder。

需要说明的是，GPT系列的发展轨迹显示：GPT1初期并不受重视，但GPT3.5的出现震惊了业界，甚至是全世界，这告诉我们——技术的进步往往不是线性的，而是呈指数级爆发。

LLM的核心能力包括：

自然语言理解与生成
翻译与摘要
文本分类
代码生成与解释
逻辑推理（有限）

但LLM也有明显的局限性，这直接引出了我们的下一个话题——为什么要发展Agent：因为我们需要的不仅仅是"聊天机器人"，而是能够真正做事的智能系统，换句话来说，就是要给AI装上手和脚。

AI Agent：智能体

AI Agent（智能体）是一种能够理解复杂自然语言指令、根据环境变化做出自主决策、并能代表用户执行任务的智能系统。

理解Agent的关键在于把握它与传统AI工具的本质区别：

对比维度	传统LLM（聊天机器人）	AI Agent（智能代理）
响应方式	被动响应	主动决策
任务执行	仅输出文本/对话	可以调用工具完成任务
记忆能力	仅限当前对话上下文	可以管理长期记忆
工具使用	需要人工引导	自动调用工具
工作模式	单轮对话	多轮规划与执行
适用场景	问答、创作	复杂任务、自动化流程

一句话概括：LLM是"大脑"，Agent是让这个大脑长出手脚、能够真正行动的"神经系统"，它让AI从一个缸中之脑，变成了完整的“人”。

而一个完整的AI Agent系统，通常由以下核心要素构成：

（1）思考（Planning）

Agent需要能够自主规划下一步该做什么，这就涉及到了它的工作范式，我们主要讲最常用的几种：

ReAct范式（Reasoning + Acting）：结合推理和行动，让Agent在思考中采取行动，在行动中思考，往复循环，直到完成任务。这是Agent最基本、最常见的运作模式。
Plan and Execute范式：先制定完整计划，再逐步执行，在执行过程中可以动态调整计划。
Multi-Agent系统：多个Agent协作完成复杂任务，每个Agent扮演不同角色，组成一个小团队，互相协作，并最终共同完成任务。

（2）工具（Tools & Function Call）

工具是Agent实现"行动"的关键。工具包括但不限于：

搜索引擎
计算器
代码解释器
API调用
数据库查询
文件系统操作

Function Call 是工具调用的具体实现方式，它让LLM能够根据上下文判断何时需要调用外部工具，以及如何构造正确的调用参数。

具体的来说，它就像是一个大工厂的遥控器，每个按钮都对应一个机器，上面也写清楚了这是哪个机器的控制按钮、有什么用、该如何用（例如是长按还是短按，要按几下等等）之类的信息，AI在拿到这个遥控器的时候，只需要看一下每个按钮的描述，就知道它们分别都是干什么的了，之后就可以根据需要，用正确的方法按下合适的按钮，控制对应的机器进行不同的工作，最后把工作的结果给回AI，让它能够更好的进行下一步的操作。

（3）记忆（Memory）

就是传统意义上的记忆，它让AI能够记住东西，主要分为短期记忆和长期记忆：

短期记忆：即当前对话的上下文窗口，你刚刚跟它聊过什么、上传过什么文件或者图片等等。
长期记忆：AI在每次跟你对话完成后，对这次会话提取出来的信息，能够实现跨会话级别的长时间记忆力，不至于让你感觉：“我只是新开了个对话窗口，它怎么就不认识我了”的感觉。

记忆能力让Agent能够记住用户的行为模式，提供个性化建议，提高使用体验。

（4）提示词工程（Prompt Engineering）

这是如何写好"提示词"的技术。同样的任务，不同的提示词可能得到完全不同的结果。Prompt Engineering的本质是学会如何与AI进行高效沟通。

广义上的提示词主要分为以下两种：

用户提示词：简单来说，就是你聊天框里打的字、跟AI说的话，比如你问AI：今天星期几？这个问题就属于用户提示词，能够引导AI往用户预期的方向回答。
系统提示词：这是用户接触不到的一部分，是AI平台预定义的提示词，它能够在一定程度上限定AI的身份认知、回答风格等特征，优先级比用户提示词更高。

系统提示词能通过API调用的形式自定义，但是大多数情况下，如果你使用的是已经设计好的在线平台，例如豆包等等，它们可能只提供了一个简单的输入框给你，因为系统提示词已经被平台内置好了，不允许用户随意修改。

同时，提示词的设计也具有潜在风险，设想一下，如果用户通过一些“花言巧语”式的提示词，绕过了系统提示词的限制，让AI输出了一些约束之外的内容，甚至是套出了敏感信息，带来的后果很可能是无法想象的，这就属于提示词注入攻击。

所以在实际的实践中，我们一般会通过各种手段防止提示词攻击的发生。

由于内容过多，我们就不在此赘述了，感兴趣的同学可以阅读：AI 大模型提示词注入攻击详解：原理、案例与防护实战 - FreeBuf网络安全行业门户。

（5）RAG（检索增强生成）‍

RAG是Retrieval-Augmented Generation的缩写，即"检索增强生成"。

想象一下，如果你是一家公司的老板，你的公司每年都要有一大堆新人入职，而每个公司都有自己内部的规定、员工手册、业务文档等等。

在以前，你只是将这些文档一股脑地丢给新员工自行学习，这就导致员工的学习效率非常低，而且适应期特别长，要学习很久才能正式上手工作。

在接触到AI后，你决定让AI来对这个过程进行提效，但与之而来的一个问题就是——AI并没有读过你们公司的文档，根本不知道怎么回答新员工的问题。

如果让LLM把你公司的文档全都读完，那就不可避免的会导致一个严重的问题——LLM的注意力是有限的，而公司的文档太长了，如此一来，如果员工问了一个特别细节的问题，那LLM的回答很可能就会受到其它无关信息的干扰，最终输出一些毫无关联的信息，这就是AI幻觉。

这个时候，RAG就派上用场了，它的核心思想是：当LLM需要回答一个问题时，先去指定的知识库中检索相关信息，然后将这些信息作为上下文，再生成精准的回答，防止让LLM自己乱想、跑偏。

同时，选择使用RAG还有另一个原因——那就是便宜实惠。

要知道，LLM通常是按照token计费的，所谓的token，简单来说就是LLM单次输入和输出的信息量，也就是你给LLM输入了多少东西，以及LLM给你输出了多少东西。

而类似GPT这类基于Transformer的LLM模型有一个经典的特点：每次回答都需要输入完整的上下文进行推理。也就是说，你看似只是给模型发了一小段话，但模型实际上接收到的却是完整的历史会话记录、长期记忆、提示词、知识库等非常庞大的信息。

所以，如果你一次性把所有信息都丢给LLM处理，一旦会话长度变长，可想而知，token开销将会疯狂上升，这带来的后果是非常恐怖的。~~也许某个新员工只是多问了几个问题，公司就凭空消失了几百万的预算。~~

另一方面，想要让LLM专精于某一领域的方法其实也不仅仅有RAG这一种，还可以对模型进行微调，也叫后训练（Post-Training），指的是模型在学习完大量的信息、理解了自然语言的规律、具备语义理解和逻辑推理能力之后，再通过专门学习一小部分专业知识，来达到对某一领域专精的效果。

这种方法最大的特点就是效果好，而且比RAG更好，因为微调训练出来的效果相当于一种肌肉记忆，它带来的效果当然要比RAG这种临时查出来的信息要更吸引LLM的注意。

但是，微调并不万能，因为它太贵了——微调就相当于再对模型进行一次训练，这需要激活它的全部参数或部分参数。市面上大部分的商业级模型，它的参数量通常以万亿为单位，如果要对这些参数重新进行训练的话，所需要的算力成本和电力成本远远大于RAG，对于大多数公司来说，它们既没有能力，也没有这个必要去做微调。

因此，在绝大多数场景中，RAG所带来的效果就已经足够了，这也是它被应用的如此广泛的原因之一。

RAG主要分成以下四个过程：

向量化（Embedding）：由于LLM底层是通过向量的形式来理解语义的。因此，如果想要让LLM在一大堆知识库中搜寻到相关的信息，就需要先将这些信息进行向量化处理，也就是将我们人类能理解的的信息形式转换成AI能理解的信息形式，最后存在向量数据库中供RAG查找。
检索（Retrieval）：当模型判断当前会话需要查询相关信息来进行辅助分析时，就会通过RAG去向量数据库中进行相关性匹配，筛选出最相关的几段信息，把它们从数据库中查出来。
增强（Augment）：检索到相关信息后，RAG会把它们嵌入到模型的提示词中，作为上下文的一部分输入给模型进行处理。
生成（Generation）：模型接收到RAG查询出的信息后，根据这些相关信息进一步的增强生成结果的准确性，给出更可信的回答。

通俗的来说，RAG就像是给LLM一个"开卷考试"的机会。没有RAG，LLM只能凭记忆回答（闭卷），容易出错；有了RAG，LLM可以先"翻书"（检索知识库），再根据书上的内容来回答，准确性和时效性都大大提高。

RAG技术能够提高模型回复的精确度，显著降低幻觉率，因此被广泛应用于各种需要知识库或搜索相关信息的场景中。

当然，这个技术也有一定的弱势，所以目前仍在持续进化。

RAG对于AI应用方向的实践特别重要，如果同学们以后有想往Agent应用相关的领域发展，那么RAG绝对是非常重要的一环，深入理解它的概念是刚需。

（6）MCP（模型上下文协议）

MCP（Model Context Protocol）是标准化的工具调用协议，能让不同的工具可以被统一调度；

在 MCP 出现之前，LLM的工具调用是 “各自为战” 的：OpenAI 的 GPT 有自己的 Function Call 规范，Anthropic 的 Claude 有另一套，国内的模型各自又有不同的实现。这就导致开发者如果想让自己的工具同时被多个LLM使用，就需要为每个模型单独写一套适配代码，维护成本极高；反过来，LLM想要接入新工具，也需要单独对接，效率非常低。

后来，由Anthropic牵头，各AI厂商逐渐达成了一套统一的协议，也就是MCP协议，它能够让所有LLM通过同一个协议接入所有MCP工具，不用处理任何兼容性问题，这就大幅提高了LLM在调用工具时的效率和安全性，降低了开发成本和实现复杂度。

简单来说，它有点像是一种特殊的Function Call形式，主要分成以下两个部分：

MCP Client：通常就是LLM本身，它是工具调用的发起方。Client 负责理解用户的需求，判断什么时候需要调用工具、调用哪个工具，以及如何解析工具返回的结果。
MCP Server：是所有工具和能力的 “统一管理平台”。所有想要被大模型调用的工具，都需要先注册到 MCP Server 上，Server 会统一处理来自 Client 的调用请求，转发给对应的工具，并把工具的执行结果返回给 Client。

两者结合，就能让LLM无缝的接入任何工具，获取到它想要的信息了。

（7） Skill（技能）

如果说 MCP 是 “大模型调用工具的通用语言”，那么Skill 就是一种专注于任务能力的、可复用的、专注于完成特定任务的 “能力模块”，它同样是由Anthropic提出的一个概念。

我们可以用一个非常形象的类比来理解：

LLM是公司的CEO，负责理解目标、制定计划、做出决策，但它不需要自己会做所有具体的事。
MCP 是公司的行政办公系统，负责 CEO 和各个部门之间的沟通协调，确保指令能准确传达，结果能及时反馈。
Skill 是公司里各个专业部门的员工：程序员负责写代码，会计负责做账，HR 负责招人，设计师负责画图…… 每个员工（Skill）只专注于做好自己擅长的一件事。

一个标准的 Skill 通常包含以下 4 个部分，缺一不可：

技能元数据（Metadata）：包括技能的名称、描述、使用场景等，相当于员工的 “简历”。大模型通过阅读元数据，就能知道这个技能是做什么的，什么时候应该调用它。
输入参数定义：明确告诉大模型，调用这个技能需要提供哪些必要的信息，以及这些信息的格式要求。比如 “天气查询 Skill” 需要输入 “城市” 和 “日期” 两个参数。
执行逻辑：技能的核心部分，也就是具体完成任务的代码或流程。它可以是调用一个外部 API（如调用高德地图 API 查天气）、执行一段本地代码（如计算 Excel 表格数据），甚至是调用另一个大模型（如用专门的翻译模型做专业翻译）。
输出格式定义：规定技能返回结果的统一格式，确保大模型能准确理解和使用返回的信息。

Skill的好处有什么呢？当你读到这的时候，你也许会有这个问题。

MCP统一了工具和上下文的协议形式，让它们彼此之间能够“无缝衔接”，但Skill好像就只是对提示词进行了一点加工，为什么能变成一个新的概念呢？

其实很简单，因为很多人“懒得”做这件事——如果你要让LLM处理一件事，可能需要在提示词中写一大堆字，告诉它什么能做、什么不能做，以及要怎么做、规范和标准是什么、要从哪个角度切入思考、要用什么方法等等，它们通常是一系列非常复杂的信息，如果我们每次都要手写一大堆这些概念的话，会非常麻烦，效率也特别低。

尤其是对于Agent来说更是如此，因为Agent运行时，不是每一步都能完全被用户掌控的，它可能会在处理一件事时临时发现它需要用某些工具来完成其中的一个步骤——比如要用Excel去处理数据，如果只靠MCP提供的接口和描述，它可能无法完全学会它所需要的必要功能。

而这个时候，Skill就派上了用场，它能将所有知识封装成一个“技能包”，就像一个卡牌插件一样，给LLM插进去，它就能迅速的学会某项技能，然后像一个熟手一样去处理各种操作。

它就像一个预制菜，把LLM要用的原材料、加工方式、工具和最终的成品样例都准备好了，它要用的时候直接照着这上面的内容做就可以了。

所以，如果把MCP比作一个工具接口的话，那Skill就是一本针对各种技能编写的说明书。

同时，Skill也具有一些普通提示词所不具备的特点，比如渐进式披露：如果只是把所有东西一股脑地丢给LLM，那势必又会出现上文RAG的那种情况，也就是注意力丢失导致的AI幻觉问题。而Skill不一样，模型不需要一次性查阅所有信息，它可以先查看一个总体的介绍和目录，它会告诉LLM这是一个什么技能，里面有哪些具体的功能，让模型自己判断需要看哪些东西，以保证它查到的都是对它有用的信息，而不是一口气全部读完。

总而言之，Skill就是一个技能压缩包，它封装了关于某个领域的所有信息，可以根据需要，让LLM快速的学会并上手某项技能，更高效、更低成本的完成各种工作。

（8）Harness Engineering（驾驭工程）‍

最近一段时间，只要是聊起 Agent，就总是绕不开 Harness Engineering 这个话题，它是近期AI圈讨论度最高的话题之一，由OpenAI提出。

如果说 RAG 给了大模型 “记忆”、MCP 给了大模型 “手脚”、Skill 给了大模型 “专业能力”，那么 Harness Engineering 就是教你如何把这些零散的零件，组装成一个能在生产环境稳定、可靠、高效运行的Agent的系统工程。

不过因为这个概念才刚刚被提出没多久，总体上来说都还处于一个比较早期的探索阶段，只有一个比较核心的定义，但外延边界非常模糊，所以我们这里只说一下它是什么。

简单来说，Harness Engineering 就是在构建一个稳定、安全、可靠的Agent工程化运行时系统，LangChain团队把它简化成了一条十分简明的公式：

Agent = LLM + Harness Engineering

意思就是说，一个Agent系统中，除了LLM本身以外的所有外部约束工程，都属于Harness Engineering。

举个例子，Harness这个词的本意是驾驭、约束，我们就以骑马为例，如果想让一匹马儿跑的稳、跑得快，马儿本身当然也是最大的一个因素，千里马天生就能跑得很好，但毕竟不是所有马都是千里马，大多数的马儿的实力都是差不多的，那这个时候比的就不是马儿本身的硬素质了，人们对马儿的驾驭能力也会影响到最终的效果。

对于LLM来说也是一样的，我们创造Agent的目的是为了让LLM能够面对真实的复杂环境、能够帮我们处理各种任务，而不是止于嘴上空谈，为此我们做了很多工作来帮助LLM能够执行现实任务，同时又给它加上了许多限制，让它能够安全、合理、可靠的执行任务——而这就是Harness Engineering的核心：稳定、安全、可靠的Agent工程化运行时系统，让LLM做的更好、做得更可靠。

Harness Engineering的诞生并不是一蹴而就的，它的演进其实一定程度上体现了人们对于“如何构建一个Agent系统”这个认知的理解逐步加深的一个过程。

最开始，LLM刚兴起的时候，人们并没有一下子就想到如何让AI处理复杂任务，而是在琢磨如何让AI回答的更好、更可信，如何降低LLM的幻觉，让它输出质量更稳定的结果，于是Prompt Engineering（提示词工程）就诞生了。

人们通过各种各样的提示词和外部措施，来约束和限制LLM的思考和输出，比如加上输出格式的限制来让LLM输出特定类型的回复，比如用户能通过更高效的提示词让LLM更快速的理解需求和输出质量更高的回答，又比如在LLM的外部套一层安全校验来避免提示词注入攻击，这些都是Prompt Engineering在研究的事情。

而随着LLM能力的提升，以及人们对于LLM需求的增大，仅仅通过提示词限制来约束模型的输出质量已经不够了，人们更倾向于让LLM介入更复杂、更多样化的场景，比如充当公司的知识库，又比如让LLM能记住用户的兴趣爱好，这些光靠预定的提示词显然已经不够了，这个时候，Context Engineering（上下文工程）就自然而然的出现了，上下文指的是LLM一次性能接收到的所有信息，也就是LLM能看到的所有东西。

我们前面在讲RAG时提到过，模型每次回答都需要依靠前面的所有历史对话记录、背景信息、提示词、记忆信息等内容来进行推理，这堆东西其实就可以被统称为LLM的上下文。

上下文的范围比提示词大得多，同时又包含了提示词，因此，它能研究的东西自然也就更多了，比如我们之前提到过的RAG、MCP、Skill、工具、记忆等等，它们都属于上下文的一部分，人们通过这些手段对LLM的上下文内容进行不断地优化来提升LLM在各方面的表现水平。

比如早期很多AI聊着聊着就会提示你：“上下文过长，请重新开始一次新对话”，或者聊着聊着突然就把以前的事情忘了。但现在基本不会出现这种情况了。原因有两个，第一是随着技术的进步，LLM的上下文在不断变长，DeepSeek v4 pro的上下文长度已经达到了1M，也就是一百万的上下文长度，比《三体》三部曲的篇幅还大，所以很多日常聊天不太可能达到上下文限制。另一个原因则是因为很多工具对模型的上下文加入了自动压缩的机制，也就是在上下文长度即将到达上限时，强行将上下文进行提炼和压缩，仅提炼出与当前对话最相关的部分，其他部分直接简化，通过不断地动态调整，来使LLM的上下文长度始终保持在一个稳定的范围内——这就是Context Engineering的一个实际应用。

但后来，随着Agent的兴起，Context Engineering这种只在LLM本身的输出内容上下文章的手段也逐渐暴露出了它的一些弊端——那就是Agent所面临的环境，远比LLM要复杂和危险的多。

举个例子，当Agent要操作某个文件时，Context Engineering只能通过上下文来引导LLM的操作，但真正的决定权其实始终都还在LLM自己，如果它修改了某个非常重要的文件，或者执行了某些很危险的命令——比如你让它清理C盘空间，它却直接把你的系统资源给删了——这往往会导致十分严重的后果，因为Agent是真的能影响到真实世界的，它不像LLM一样只是嘴上功夫，如果Agent做出了一些危险的行为，造成的代价可能会无法挽回。

那么为了规避这种情况，很多Agent工具都设计了沙箱机制，也就是隔离Agent的运行环境，让Agent的所有行为都不会影响到真实的环境，同时，对于一些必要的操作，Agent可能会强制要求在用户确认后才能执行，或者让另一个Agent来审查这个Agent的行为，总之就是用各种权限限制和安全措施来让Agent始终能运行在一个稳定、可靠、安全的环境中，这就是Harness Engineering的核心，它包含了前面的Prompt Engineering和Context Engineering，但同时又在Agent领域提出了更多规范，让人们对于Agent的理解和掌握逐步加深，同时提升Agent工作的细粒度与安全性。

当然，Harness Engineering远不止上文提到的这些内容，它是一个十分庞大且仍在不断完善的概念，如果想进一步了解，推荐阅读：Learn Harness Engineering

由于它属于是一个非常新兴的领域，每个人对它的理解可能都是带有一定的片面性的，而且它的边界十分模糊，所以在此就不做过多的阐述。

为什么我们需要Agent？

没有"行动力"：LLM只能生成文本，无法真正执行任务。Agent通过工具调用，可以完成搜索、查询、计算、操作文件等实际工作。
有"幻觉"：LLM会一本正经地胡说八道，这是它的本质缺陷。通过RAG和工具调用的约束，Agent可以减少幻觉的影响。
无法处理复杂任务：简单的问答可能LLM就够了，但复杂的任务（如"帮我整理一周的会议纪要并生成报告"）需要Agent进行多步规划和执行。
无法持久化记忆：Agent可以管理长期记忆，而LLM的上下文是有限的。
无法适应动态环境：Agent可以根据环境变化做出自主决策，而LLM只能基于静态的提示词生成回答。

由于以上种种原因，Agent由此诞生，并且截至各位读到这里为止，这个领域仍然在快速发展，如果你有兴趣的话，欢迎进一步学习：

Vibe Coding

Vibe Coding（氛围编程）是2025年兴起的一个新术语，由前特斯拉 AI 总监、OpenAI 联合创始人 Andrej Karpathy 在 2025 年 2 月首次提出，指的是一种由AI驱动的、以"对话"为核心的软件开发范式。

Karpathy本人在社交媒体上这样描述：（Vibe Coding是）一种全新的编码方式，你完全沉浸在氛围中，拥抱指数级的效率提升，甚至忘记代码本身的存在。

在Vibe Coding模式下，开发者不再逐行编写精确的代码，而是通过与AI进行高层次的自然语言对话来驱动开发进程。开发者的角色从"代码工人"转变为"AI指挥家"，核心工作是清晰地描述需求、评估和修正AI生成的方案、并最终将各个部分集成为一个完整的应用。

说白了，就是用AI替代了人类编写代码的这一过程，你用人话告诉 AI 你想要什么功能，AI 帮你把代码写出来。

Vibe Coding主要具有以下几个核心特征：

对话式开发：通过自然语言与AI协作。
自主Agent：AI不仅是助手，更是自主的编程伙伴。
多模态交互：支持文本、语音、甚至图像输入。
快速迭代：从想法到代码原型的时间大幅缩短。

你可能想问，Agent和Vibe Coding有什么区别呢？

具体的来说，Vibe Coding和Agent其实是同一件事的两个侧面：

Agent是从"系统能力"角度说的：它描述的是一个智能体的功能（可以思考、可以行动、可以规划）。
Vibe Coding是从"人机交互方式"角度说的：它描述的是开发者如何使用这些能力。

简单来说：Agent是底层能力，Vibe Coding是开发范式。Agent是Vibe Coding的一种应用方向，有了Agent的能力支撑，Vibe Coding才能真正落地。

就像一个全能机器人，它本身具有的特点就是能干活，而人们可能把它应用在家务方面，让它能干大部分家务，不用人类亲自动手，这就是Agent与Vibe Coding的核心区别。

Vibe Coding 工具

2026年，AI编程工具已经从简单的"代码补全"进化到"自主Agent"。以下是主流工具的对比介绍：

（1）Trae‍

Trae是一款由字节跳动（抖音母公司）发布的Vibe Coding工具，主要特点是免费且易用。

核心优势：

中文语义理解好：由于是国内团队研发的，因此对中文提示词的理解和生成更准确。
内置SOLO模式与全链路开发能力：从项目创建、方案规划、代码生成到调试部署，可全程AI辅助。
多模态能力：模型能看图，可以将设计稿、草图直接转换为代码。
免费：对学生和初创团队友好。
功能完善：一个工具就内置了代码补全、AI聊天、Vibe Coding、SOLO模式，以及众多插件，UI界面也非常易上手，非常适合初学者入门。

适用场景：

中小型项目快速构建
编程入门学习者

Trae是国产工具中的佼佼者，凭借中文语义理解、免费策略和多模态能力，特别适合初创团队和前端开发者，是2025-2026年中国开发者的首选。

推荐大家在初期上手Vibe Coding时选择Trae，它能让你迅速了解这一领域。

（2）GitHub Copilot‍

Github Copilot是一款由微软Github平台推出的Vibe Coding工具，主要特点是易上手且订阅价格偏低（基础订阅价格为$10/月，换算人民币约70元）。

核心优势：

无缝集成于VS Code等主流编辑器（它本身就是VS Code内置的插件之一）。
学习成本极低，开箱即用。
对上下文理解能力强。
生态成熟，文档丰富。

适用场景：

日常编码效率提升
样板代码生成
编辑器内置快速补全函数

Copilot也是学生编程的首选之一，因为Github非常慷慨的推出了一系列学生优惠活动，只需要认证学生身份，就能免费获得4年的学生福利，这其中就包括了原本定价为每月10美元的Copilot Pro订阅。

同时，git、VS Code与Github也是计算机学生必须接触的技术和平台，使用同系列生态产品，在一定程度上也能带给大家更好的开发体验。

（3）Cursor‍

Cursor是一款由独立团队基于微软VS Code的开源版本二次修改的Vibe Coding工具。客观来说，在2026年看来，其历史意义大于实用价值（它是全世界首款真正意义上的“AI编程工具”，开创了Vibe Coding In IDE的先河），至今仍是国际上大多数开发者入门Vibe Coding的首选工具之一。

核心优势：

完全沉浸式的AI编程体验。
强大的聊天、代码生成、自动调试功能。
上下文理解能力强。

适用场景：

项目级开发
代码重构
复杂功能快速实现

注意：Cursor费用相对较高，并且存在境外网络服务访问问题。

（4）Claude Code ‍/ Codex

Claude Code和Codex分别是由Anthropic和OpenAI发布的两款Vibe Coding工具，其特点是独立于开发环境之外，因此，它们的扩展性也更高，与其它工具的生态也更好（拥有更多的MCP和Skill适配）。同时，这两款工具在客观上来说，也是目前全世界最主流、最先进的两款Vibe Coding工具，因其优秀的代码生成和复杂任务处理能力，被众多开发者推崇。

另外需要注意的是：这两款工具的订阅费用较高（GPT 订阅从每月140元到每月1400元不等，Claude 订阅从每月120元到每月七百元不等），使用前建议认真考虑。

核心优势：

在代码生成和理解能力上表现极其优异。
逻辑推理能力强。
可扩展性强，后期更像“龙虾”（OpenClaw）而非单纯的Vibe Coding工具。

适用场景：

企业级和大型项目的开发需求
复杂项目长期迭代维护
电脑控制、定时任务等高复杂任务

注意：Claude Code和Codex存在境外网络服务访问问题，有一定的技术门槛。其中Anthropic公司涉及对华政治敏感问题，对境内用户的封号打击力度非常高，加上其订阅价格偏高，并且封号后不支持退款，因此不建议长期付费使用。

如何有效使用Vibe Coding工具？

这是最关键的部分：错误的使用AI工具，可能导致依赖、思考能力退化；正确的使用，则能实现效率倍增。

以下是我们推荐的策略：

（1）学习新知识时尽量不用AI

在初学一门编程语言或技术框架的基础概念时，强烈建议关闭或不使用AI自动补全工具，你可以在在运行出错时询问AI，但不要在编写代码时过度依赖AI。

亲手敲下每一行代码，是形成肌肉记忆和深刻理解的必要过程。

（2）"AI-PDR"学习法

**Prompt（提示）**‍：用自然语言清晰地向AI描述你的目标和思路。
**Do（执行）**‍：在查看AI答案之前，自己先动手尝试实现。
**Review（复盘）**‍：对比自己写的代码和AI生成的代码，分析差异，学习新的API和设计模式。

（3）将AI用于"高重复性"而非"高逻辑性"工作

多用AI来生成技术要求较低、重复性较高的工作，例如HTML结构、CRUD、测试样例等样板代码，将核心的业务逻辑、算法实现等部分留给自己思考和编写。

（4）批判性阅读与验证

永远不要盲目相信AI生成的代码。必须理解每一行代码的含义，并对其进行测试和验证。AI会犯错，也会产生"幻觉"，培养发现和修正AI错误的能力，是新时代开发者的核心素养。

AI时代，我们为什么还要学编程？

看了这么多，我相信你肯定想过一个问题："AI这么强，我为什么还要学编程？"

这个问题问得好。在AI可以自动写代码的今天，我们确实需要重新审视计算机专业的学习意义。

而我个人认为的答案是：我们学的从来不是"编程"，而是"计算机科学"。

很多人认为计算机专业=编程，实际上，这是一个非常典型的误区——写代码只是计算机工作中的一个步骤，而真正的计算机科学真正需要培养的是解决问题的能力：

计算机专业的核心	说明
计算思维	如何将复杂问题分解、抽象、建模
算法与数据结构	如何高效地组织和处理信息
系统设计与架构	如何构建可扩展、可维护的系统
问题求解能力	面对新问题时的思考方法和解决路径
领域建模能力	将现实问题转化为技术问题的能力

编程只是实现这些能力的工具之一，而不是目的本身。

同时，AI也不是万能的。

看起来，它好像能生成代码、提供代码建议和补全、解释代码含义、修复报错、生成测试用例、快速实现项目原型，更进一步的来说，它还能制定实现方案，构建总体架构等，总体来说，就是能够“将你各种天马行空的想法快速落地”。

但同时，AI也有它难以替代的事，比如AI不知道你要解决什么问题，它不能主动的发现问题，而是需要人类的驱动；架构设计也需要考虑业务、成本、性能、安全等多维因素，不能单纯的追求“快速上线”而不计其它影响，这也需要人为考量；另外，合理的开发排期、复杂的目标决策等高级问题也需要人类来处理，以及更实在的，AI很难做出真正意义上的“创新”，比如新的算法、新的范式等等，这些创意、Idea和复杂逻辑能力是AI所不具备的，而是AI时代下的人们所需要具备的特质。

因此，客观的来说，目前的AI，在问题洞察、系统设计、技术创新、复杂决策、伦理责任等方面仍然存在不足，并且从全局视角来看，这些问题也会长期存在，直到AGI（Artificial General Intelligence，即通用人工智能，被认为是AI领域的终极发展目标，旨在让机器拥有与人类相当的、全面的智能水平）的到来，而曾提出Transformer这一划时代的创新性架构的Google，却在2026年详细探讨了一个课题：《抽象谬论：为什么人工智能可以模拟但不能实现意识》（The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness — Google DeepMind）。因此，AGI的到来，也许远没有我们想象中的那么早，在此之前，人类仍然还能在与AI的较量中占据绝对的优势。

曾在曼彻斯特大学获得计算机博士学位，在牛津大学担任计算机科学系博士后研究员，最终回到南京大学成立人工智能学院的赵一铮教授曾说过：

“我记得当时最大的困难是，在对整个人工智能课程体系进行梳理之后，我们把它分为了数理基础课、专业技术课、以及在此基础上的系统级支撑，最后变成交叉应用。在这样一套体系里，最难的课程反而是大一的课程。”赵一铮说，“这其中包含很多数理基础，而现在的人工智能数理基础比我当年学计算机时要难得多。这些十八九岁刚进大学的孩子，还满怀着一种想到大学先玩半学期的期望，以为人工智能的课是上天入地的炫酷技能，结果迎接他们的是大量艰深复杂的数理基础，而且如果有一门课、一节课落下了，后面的课就进行不下去了。”

因此，我个人认为，我们大可不必如此焦虑，不如就从最基础的事情做起：在学好学校基础课程的基础上，主动拥抱AI，主动了解AI，并最终掌握和使用AI，不要把它视为洪水猛兽，而是真正能帮助自己提效的工具，真正与AI共同协作，这样才能在AI时代做出一番事业。

让我们一起，在AI时代，重新定义未来。