从提示词到智能体：AI 开发者需要掌握的 Agent 工程化思维

本文结合近期在华为云 AI 开发者空间与 AI 办公实践中心开源项目（AI面试天团）的实践经验，聊聊 AI 开发者从调模型走向做智能体的工程化思维。

一、智能体不是更大的提示词

很多开发者第一次接触 Agent 时，会把它理解为一个很长的 System Prompt。但真正跑起来的智能体，核心是三个工程问题：角色如何拆分、流程如何流转、信号如何传递。以多智能体面试系统为例：破冰、技术面试、HR 面试、评估报告生成，分别由不同专业 Agent 负责，通过状态机协调——这不是提示词技巧，而是软件工程。

二、三步法：拆角色、定流程、配信号

1. 拆角色：按职责边界拆分 Agent，每个 Agent 只做一件事。面试调度总控只负责流程调度，技术面试官只负责出题与评分。

2. 定流程：用显式的状态机描述流转，而不是让模型自由发挥。状态机让异常可追踪、可恢复。

3. 配信号：Agent 之间用结构化信号通信（如评分 JSON），而不是自然语言喊话。结构化输出是可靠性的基石。

三、可观测性是生产化的前提

智能体上线前，先回答三个问题：每一步决策能否回放？失败时能否定位到具体 Agent？评估结果能否追溯到原始问答？建议从第一天就记录完整的执行轨迹（trajectory），这比调参更重要。

四、从 Demo 到工具：部署与文档

一个 clone 下来就能跑的项目，胜过十页 PPT。把一键部署真正做扎实：每一步有预期输出、失败有排查指引、配置有自检清单。文档即产品的一部分。

结语：AI 开发者的竞争力，正在从会用模型转向会做系统。把 Agent 当作软件工程来做，智能体才能从 demo 走进办公桌。