当软件制品消失时：AI Agent 如何烧毁半个世纪的工程债务

2026 年 6 月，两篇几乎同时发表的论文从不同角度刺穿了同一个脓疮：

  • arXiv:2606.05608 — Zhenfeng Cao《The End of Software Engineering: How AI Agents Are Fundamentally Restructuring the Software Paradigm》
  • 《应用有限、制品爆炸与端到端优化》 — 电子信息产业软件工程架构的研究性分析

一篇预言了软件工程的终结，另一篇诊断了制品爆炸的泥潭。两篇论文互为因果，共同指向一场正在发生的产业级范式重构。

一、两篇论文，一个病灶

1.1 《软件工程的终结》：代码即工具，用完即弃

Zhenfeng Cao 的论文提出了一个极简但极具穿透力的论点：软件工程建立在"静态代码是决策逻辑的载体"这一前提上，而 AI Agent 正在瓦解这个前提。

传统模式：人类分解问题 → 编码为静态代码 → 长期维护 → 需求变化 → 继续维护。

Agent 模式：人类表达意图 → LLM 推理 → 动态生成代码 → 执行 → 交付结果 → 丢弃代码。

代码不再是"系统本身"，而变成了推理循环中一种短暂的、工具化的资源——论文称之为"瞬态工具（Ephemeral Tooling）"。软件作为中间介质被消融了。

论文进一步引入了"智能体工程（Agentic Engineering）“这一概念，将其与软件工程做了精确对比：

维度软件工程智能体工程
研究对象静态代码制品、系统架构、依赖关系瞬态工具流、推理链、全局记忆管理
控制模型确定性编译器、严密运行时动态运行时生成、概率性决策推理
人类角色代码生产者、架构师意图工程师、核心审计员

1.2 《制品爆炸》：应用有限，复杂度无限

另一篇论文从产业实证角度揭示了当代软件工程的结构性悖论：业务应用门类是有限的（可穷举的），但软件制品库和产业链复杂度却在指数级膨胀。

关键数据：

  • PyPI 项目数：815,257
  • PyPI 发布版本数：8,749,511
  • PyPI 文件数：19,048,958
  • 四大生态年下载量：9.8 万亿次
  • Software Heritage 唯一源码文件：50 亿+

制品库管理系统（Nexus、Artifactory、Harbor 等）已经从一个被动的存储层升级为主动的治理层。每一次安全扫描、签名验证、版本晋升、CVE 匹配，都在增加一个新的复杂度维度。

论文提出了 BEO（Bounded End-to-End Optimization，分域闭环端到端优化） 框架，核心结论是：全局最优不可达，端到端优化的正确对象是"围绕关键价值流的跨层闭环最优 + 标准化接口上的生态协同最优”。

1.3 两篇论文的交叉点

把两篇论文放在一起读，逻辑链条非常清晰：

制品爆炸（论文二）是病因 → AI Agent（论文一是解药。

人类已经无法靠肉身精力维护如此庞大且不断分叉的静态代码库了。传统 AI 辅助（Copilot 类工具）在帮你写更多代码，实际上是在往制品库里疯狂注水，加剧了灾难。而 AI Agent 的"瞬态工具"范式是釜底抽薪——既然代码管理这么痛苦，为什么不让代码即生即灭？

二、制品爆炸的根源：不是技术问题，是制度问题

2.1 模块化带来的组合爆炸

当每一层都可替换（编译器、运行时、中间件、依赖包、驱动、硬件后端），系统配置空间近似呈乘法扩张。这不是某个工程师的失误，而是模块化设计固有的数学性质。

2.2 康威定律的镜像偏差

1968 年，Melvin Conway 提出：系统设计会复制组织沟通结构。 后续实证研究证实，组织耦合形态与产品模块耦合显著相关。

制品增长不仅来自技术分层，也来自组织分层。当组织边界与技术边界严重错位（“镜像偏差”），端到端优化的协调成本将吞噬技术收益。

2.3 合规制度的复杂度放大效应

2026 年，全球合规要求达到了前所未有的严苛程度：

法规地区核心要求
EO 14028 + NIST SSDF美国SBOM、制品签名、供应链完整性
NIS2 + CRA欧盟网络韧性、漏洞披露、制品可追溯
关键信息基础设施保护条例中国安全审计、供应链安全、信创合规

每一次合规升级，制品库就从"存储仓库"向"治理节点"更进一步。合规成本把工程要求从"可运行"升级到了"可证明"。

关键洞察：制品爆炸的本质不是技术债务，而是制度债务。 半个世纪以来积累的模块化分工、组织边界、合规要求，共同编织了一张越来越密的网。

三、AI Agent 作为"复杂度清洁工"

3.1 消解制品库

当 AI Agent 按需生成代码、执行后丢弃时，以下制品将从生态中消失：

  • 中间件层：大量业务逻辑包装层、适配层、胶水代码
  • 版本分叉：为不同环境、不同客户维护的分支版本
  • 传递性依赖：为解决"依赖的依赖"而引入的大量间接包
  • 兼容性垫片：为适配不同硬件、不同操作系统编写的兼容层

保留的将是不可变层：芯片 IP、底层 OS 内核、核心密码学库、高度标准化的基础底座。这些仍然需要严格的静态合规和 SBOM 审计。

3.2 消解康威定律

论文二指出，跨组织交易成本是阻碍端到端优化的核心壁垒。而 AI Agent 具备极强的非线性复杂度消化能力：

  • 跨组织的 API 和数据格式对接不再需要漫长的合同谈判与人工接口开发
  • 多智能体协同系统可以充当"动态翻译官"和协议撮合者
  • Agent 可以直接理解异构系统的语义，无需人工编写适配层

康威定律的约束力在 Agent 时代将大幅减弱。 组织边界不再等于技术边界——Agent 可以在不同组织的系统之间自由穿梭，只要语义层可理解。

3.3 消解硬软协同的编译碎片化

论文二提到，为了在异构硬件（TPU/GPU）上榨取 15-30 倍的性能收益，需要借助 TVM、MLIR 等极其复杂的跨层编译基础设施。

在 Agent 时代，硬软协同优化不再需要人类编写通用编译器。Agent 可以直接感知底层硬件拓扑与实时遥测数据，针对特定的高价值业务请求路径，即时动态编译生成最优机器码。编译不再是一个离线的静态过程，而是 Agent 推理循环中的一个动态环节。

四、系统性冲突：瞬态代码 vs 全球合规

两篇论文结合后，暴露出的最大系统性冲突是：

Agent 的理想： 代码用完即弃，不留痕迹，系统只剩下"意图 → 推理 → 结果"。

合规的现实： 监管机构要求 SBOM、制品签名、CVE 深度扫描、可追溯性。

如果一个 AI Agent 在内存中动态生成了一段代码，执行完后直接丢弃，当监管机构要求审计"这段代码是否存在供应链漏洞"时，企业将无法给出静态的 SBOM 和代码签名。

这不是一个技术问题，而是一个制度创新问题。

4.1 解法：可审计的智能体工程（Auditable Agentic Engineering）

未来的演进方向必然是两者的折衷。Agent 在使用瞬态代码时，必须原生、自动化地输出：

  1. 推理链追踪日志（Reasoning Chain Tracing）：Agent 为什么生成这段代码？基于什么输入和推理路径？
  2. 瞬态 SBOM 证据：这段代码依赖了哪些库？来自哪个版本？经过什么安全校验？
  3. 执行环境快照（Sandbox Snapshot）：代码在什么环境中执行？环境的安全状态如何？
  4. 决策边界审计：Agent 在哪些节点做了自主判断？哪些节点触发了人类审批？

核心转变：从对静态代码制品的审计，转化为对 Agent 决策边界、提示词红线（Guardrails）和执行环境的动态合规审计。

这需要全新的监管框架。现有的 SBOM 标准（SPDX、CycloneDX）是为静态制品设计的，无法描述"一段在内存中生成、执行后丢弃的代码"。2026 年下半年到 2027 年，我们预计会看到针对 AI Agent 系统的审计标准提案。

五、产业格局推演：哑铃型结构

综合两篇论文，可以推演未来 3-5 年电子信息产业的格局演变：

        ┌──────────────────────────────────────────┐
        │          重型基础设施端（不可变层）          │
        │                                          │
        │  芯片 IP · OS 内核 · 密码学库 · 基础底座    │
        │                                          │
        │  特征：严格模块化、SIL/SBOM 审计、高确定性   │
        │  复杂度：线性增长，可管理                    │
        └──────────────┬───────────────────────────┘
                       │ 标准化接口
        ┌──────────────┴───────────────────────────┐
        │          动态意图驱动端（瞬态层）            │
        │                                          │
        │  业务应用 · 场景消费 · 工作流编排            │
        │                                          │
        │  特征：Agent 动态生成、用完即弃、意图驱动     │
        │  复杂度：被 LLM 的 Scaling Law 吸收         │
        └──────────────────────────────────────────┘

中间件层、中间业务代码、大量兼容性垫片将被 Agent 彻底消融。 软件生态向两端集中：

  • 左端（重型基础设施）：依然遵从论文二的严格模块化与极端严苛的合规审计，是不可变的、高确定性的坚固基石。
  • 右端（动态意图驱动）：遵从论文一的规律，由人类输入高清晰度意图，Agent 动态生成瞬态工具流来直接交付结果。

六、对技术从业者的影响

6.1 消亡的岗位

  • 代码工人：重复性编码、适配层编写、兼容性垫片开发
  • 中级架构师：专注于模块划分、接口设计、依赖管理（这些工作 Agent 可以自主完成）
  • 制品库管理员：当制品数量大幅减少，这个角色自然萎缩

6.2 新兴的能力

论文一明确提出了四个转型方向：

  1. 意图工程（Intent Engineering）：将复杂业务任务、边界约束和上下文，高清晰度、无歧义地解构并表达给 Agent。这是未来最核心的技能。

  2. 智能体编排（Agent Orchestration）：在分布式环境中解构大型复杂工作流、管理多 Agent 协同、设计共享记忆、制定评估红线。

  3. 可观测性基础设施：传统 APM、日志和链路追踪不够了。Agent 系统需要追踪推理链、幻觉检测、输出质量量化评估。

  4. 人机协同姿态：Agent 坐在驾驶位负责执行层，人类退居幕后专注于全局意图设定、关键判例裁决、安全合规与伦理审计。

6.3 新的护城河

同时具备以下两项能力的人将不可替代：

  • 意图工程 + Agent 可观测性架构设计（论文一的能力）
  • BEO 决策能力——能清晰界定哪里用 Agent 的概率性动态生成，哪里必须固化为确定性标准（论文二的能力）

七、对重工业 AI 的启示

回到我们正在做的事情——重工业全域智能决策接管。两篇论文的交叉分析给出了三个关键启示：

7.1 工业 AI 是"制品爆炸"的重灾区

重工业控制系统的软件复杂度已经触顶。一个钢铁厂的 DCS/PLC 系统可能跨越 30 年，包含 5 种不同年代的协议、3 家不同厂商的 PLC、无数为兼容性而写的中间层代码。

这正是 AI Agent 的用武之地。 不是在这些老旧系统上继续堆代码，而是用 Agent 作为"智能胶层"，直接理解底层系统的语义，按需生成控制逻辑，执行后丢弃。

7.2 工业场景的合规要求更严苛

如果说 IT 行业的 SBOM 审计还在探索阶段，重工业的合规要求早已是硬性规定——IEC 61511（SIL）、ISO 26262（ASIL）、核安全法规。

这意味着"可审计的智能体工程"在工业场景不是可选项，而是准入门槛。 Typed Action IR + Verifier 链的设计，本质上就是在回答"Agent 的每一次决策如何被审计"这个问题。

7.3 BEO 框架直接适用于工业场景

重工业天然就是"分域闭环"的——高炉是一个域、转炉是一个域、连铸是一个域。每个域内部可以做端到端优化（Agent 自主决策），域之间通过标准化接口（OPC UA、MQTT）协同。

BEO 框架的四个判据可以直接用于工业 AI 的部署决策：

判据工业场景映射
路径集中度前 20% 控制回路承载的产能占比
镜像偏差度生产部门与自动化部门的组织边界错位程度
证据完备度传感器覆盖率 + 数据质量评分
制品库成熟度DCS/PLC 程序版本管理 + 变更追溯能力

八、结论

回到两篇论文的共同洞察：

软件工程没有真正死掉。 它只是通过 AI Agent 这一强大的"复杂度清洁工"，把过去半个世纪以来人类因为模块化分工、多组织协作、合规累积而痛苦的"中间制品爆炸"彻底烧毁，让软件回归其本质——高效率交付人类意图的纯粹工具。

但这不是一夜之间发生的。在过渡期（2026-2030），我们将同时面对：

  • 旧世界的惯性：数十亿行存量代码、数十年积累的合规框架、数百万从业者的技能转型
  • 新世界的冲击：Agent 的幻觉问题、推理链的可审计性、概率性决策与确定性安全的冲突

最终赢家不是"纯 Agent 派"也不是"纯确定性派"，而是那些能精确划定边界的人——知道哪里该让 Agent 烧毁制品、哪里必须坚守静态合规。

这，就是智能体工程师的核心能力。