我们构建软件的方式正在经历根本转变。几十年来，我们将应用程序视为屏幕和用户界面的集合，用户为了实现目标而导航的一系列视觉状态。但随着AI能力的扩展和自动化变得更加复杂，我们正在转向一个新的范式：智能体思维。这种转变是AI如何革命化软件开发经济的更广泛转型的一部分。
从屏幕到工作流的转变
传统软件设计从线框图和用户界面开始。我们规划屏幕、设计用户流、思考用户如何从一个状态导航到另一个状态。虽然这种方法为我们服务良好，但它对于现代软件系统的复杂性正变得越来越不足。
考虑一个简单的任务，如安排会议。在传统范式中，我们可能设计：
- 一个日历界面
- 一个表单输入会议详情
- 一个邀请屏幕添加参与者
- 一个确认页面
但这种以界面为先的思维 misses the essence of what’s actually happening：多个具有各种约束和偏好的方之间的协调任务。
进入以智能体为中心的设计
在智能体范式中，我们将同样的问题视为合作的智能体集合：
- 一个理解日历可用性的调度智能体
- 一个管理参与者之间通信的协调智能体
- 一个学习和应用个人调度偏好的偏好智能体
- 处理会议室预订和视频会议链接的资源智能体
这种方法符合关于自主与受控智能体的现代思维，每个都有特定职责和能力。
这些智能体不仅仅代表不同的界面——它们是具有特定职责、能力和上下文的自主实体。它们相互通信、做出决策并合作实现期望的结果。
以智能体为中心系统的核心组件
在设计以智能体为中心的系统时，我们需要考虑四个关键元素：
1. 智能体及其角色
每个智能体应该有清晰定义的职责和范围。就像我们在传统软件开发中实践关注点分离一样，我们需要 thoughtful地划分智能体之间的职责。这些角色应该是内聚的和松散耦合的，允许智能体独立演进。
2. 任务和能力
智能体需要明确定义的任务他们可以执行和清晰的 success criteria。这些任务应该足够原子化以可管理但又足够 substantial 以有意义。每个智能体还应该有一组特定的能力——他们可以用来完成任务的工具和操作。
3. 工具和资源
智能体需要访问适当的工具和资源以执行其任务。这些可能包括：
- 他们可以调用的API和服务
- 他们可以访问的数据存储
- 他们可以执行的算法
- 他们可以合作的其他智能体
4. 上下文和知识
也许最重要的是，智能体需要丰富的上下文以做出智能决策。这包括：
- 理解用户偏好和历史
- 意识系统约束和限制
- 业务规则和政策的知识
- 访问相关历史数据
对软件开发的影响
这种向智能体思维的转变对我们如何开发软件有深远影响：
产品定义
不再通过用户界面和功能定义产品，我们将越来越多地通过智能体之间的能力和交互来定义它们。焦点从”我们需要什么屏幕？“转向”我们需要什么智能体，它们应该如何合作？“
架构设计
系统架构更多关于定义智能体之间的通信协议和交互模式。我们将需要强大的系统用于智能体发现、通信和协调。
开发过程
开发工作流程将需要适应处理智能体交互的复杂性。我们将需要新工具用于：
- 测试智能体行为和交互
- 监控智能体性能和决策
- 调试多智能体系统
- 管理智能体知识和上下文
开始智能体思维
要开始思考智能体，从以下开始：
- 识别系统中可能由自主智能体处理的核心任务
- 绘制每个智能体需要的知识和上下文
- 定义智能体之间清晰的接口和通信模式
- 构建小的、专注的智能体，职责明确
- 通过添加新智能体和能力逐步扩展系统
前方道路
向以智能体为中心系统的转变不会一夜发生。许多现有应用程序将继续使用传统的界面驱动设计。然而，随着AI能力的持续进步和用户期望的演变，智能体思维将变得越来越重要。
未来最成功的软件系统很可能是那些有效结合人机界面与幕后工作的智能智能体的系统。这包括 embracing voice agents as a natural evolution of human-AI interaction。关键是现在就开始以智能体、任务和工作流的角度思考你的系统，以便你准备好利用这些能力，因为它们成熟时。
记住：目标不是 completely eliminate 用户界面，而是用能够自主处理复杂任务的智能智能体增强它们。我们甚至可能看到类似AlphaGo令人惊讶的第37手的突破，其中AI智能体发现解决人类可能从未考虑过的问题的新方法。软件的未来是一个人类和智能体无缝协作实现其目标的环境。