AI 已经从软件工程中拿走了「打字」，剩下的核心是「系统设计」。37signals CTO David Heinemeier Hansson（DHH）在 Rails World 上公开表示：对绝大多数公司、绝大多数程序员而言，手工写代码在当下已经不再是经济上划算的生产方式。到了今年年底，这个判断将覆盖几乎所有领域。

这并非危言耸听。理论风投的投资组合公司 Artemis 的数据提供了佐证：今年 1 月工程师每天合并 2 个 pull request，5 月涨到 6 个，8 月达到 16 个，八个月累计 30,000 个 PR。Artemis CTO Dan Shiebler 明确描述了现在的分工：平台每一行代码都由 agent 编写，工程师的工作是设计系统、设定约束、审查输出。SpaceXAI 旗下 Grok 团队的工程师 Lauren Tan 每月向生产环境合入 2,000 个 pull request，平均每个工作日接近一百个。问及什么支撑了这样的效率时，她给出的答案不是某个具体模型，而是验证——让 AI 能够校验自己工作的循环机制。

达特茅斯教授 Donella Meadows 曾指出，系统中杠杆作用最大的干预点往往是最不直观的，而人们总能找到它们，然后恰恰把它们拧向错误的方向。这个判断放在当下同样适用：与其纠结于某个模型的能力上限，不如把精力放在设计让 AI 输出持续正确的系统循环上。

伟大的系统设计有三个特性：韧性、自组织和层级。韧性指的是 AI 通过测试、审查 agent、生产可观测性等多道关卡稳健地校验自己的工作，而非依赖单点门禁；自组织意味着循环本身会学习，一类失败会被转化为 agent 下次自动应用的新技能；层级则是把技能、工具和沙箱分层沉淀为可组合的组件，一旦验证可用就被反复复用。

这项工作并不轻松，系统架构从来都不轻松。2005 年我作为 Java 软件工程师时的目标是这样，今天构建 agentic 系统时依然如此。一个新的职业诞生了：成为事物的专业制造者。你不再亲手雕琢代码，但你仍在创造令人惊叹的东西——你在驾驭智能。