> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# 悄然重写 AI 工程的 7 大转变
- URL: https://www.hubwiz.com/blog/7-shifts-that-quietly-rewrote-ai-engineering/
- Published: 2026-06-16T03:53:33.000Z
- Updated: 2026-06-16T03:53:33.000Z
- Description: 每隔几周就有新的旗舰模型发布，18 个月前还不存在的工具连接标准，以及一场没人预料到的可靠性危机。这是路线图。
- Author: admin
- Tags: AI, #Import 2026-10-14 14:41

此时此刻，某个地方正在发布一个新的 AI 模型。

不是这周。不是今天。就是现在，当你读到这句话的时候。

一个追踪每次重大模型发布的公开计数器刚刚超过 120 条，新的大约每两天就会落地。

如果你上一次认真审视"AI 格局"是在一月份，那你正在建立在几周前就已悄然失效的假设之上。不是因为你没注意。

**因为地面移动得太快了。**

在那个窗口期，有七件事发生了变化。每一件都悄然重绘了生产级 AI 的构建方式。我会逐一说明发生了什么、为什么发生，以及如果你现在正在用这些东西构建任何东西，这意味什么。

让我们来理解永远改变 AI 工程的 7 大转变。

## 1、模型竞赛压缩到了照片冲线级别

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-ZTwWurQaZmnafozSpWM_VQ-1.png)

在 2024 年和 2025 年的大部分时间里，选择模型意味着选择明确的赢家。GPT-4 领先，然后 Claude 领先，然后 Gemini 拥有最大的上下文窗口。

那个差距已经消失了。

到 2026 年中期，顶级模型在大多数基准测试中只相差几个点。在 Artificial Analysis Intelligence Index 上：

- Claude Opus 4.8 以 61.4 领先
- GPT-5.5 以 60.2 紧随其后
- Gemini 3.1 Pro 为 57
- Grok 4.3 为 53

编码基准测试也讲述了同样的故事。Grok 4、GPT-5.4 和 Claude Opus 4.6 在 SWE-bench Verified 上的差距都在一个百分点以内。这一个百分点的差距在网上引发的争论比 GPT-4 发布以来的任何基准测试结果都多。

大多数升级公告都忽略了一个陷阱。**推理模型幻觉更多，而不是更少。** 2026 年 5 月测试的每个推理模型在 Vectara 的基准测试中幻觉率都超过 10%，而 Gemini Flash Lite 等更简单的非推理模型保持在 4% 以下。

这个权衡是真实存在的，而且大多数团队在升级到"更智能的模型"时并没有为此做好预算。

实际要点是：停止选择一个模型并坚持使用它。模型无关的架构——你可以不重写应用程序就切换供应商——已经从锦上添花变成了基本要求。

资金已经在向这个方向转移。Anthropic 现在占据约 40% 的企业 LLM API 支出。OpenAI 的份额下降到约 27%，低于 2023 年约一半的市场份额。押注单一供应商的团队正是每次排行榜变动时手忙脚乱的那些。

## 2、"聊天机器人"不再是默认框架

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-VTo_OOuJWlweemqJYfqi7Q-1.png)

多年来，使用 AI 意味着一简单的循环：你发送一条消息，模型回复，你阅读回复。

大多数生产级 AI 不再是这样工作的。

转变是从"响应的系统"到"行动的系统"。

**给一个代理一个目标，它会规划步骤、调用所需的工具、检查自己的结果，并继续执行直到目标完成或遇到障碍。**

市场反映了这一点。AI 代理市场从 2024 年的 54 亿美元增长到 2025 年的 76 亿美元，预计到 2030 年将达到近 500 亿美元。Gartner 预计到 2029 年，80% 的客户支持交互将由代理处理。

如果你仍在围绕"用户发送提示，模型发送答案"来设计你的应用，你是在为 2023 年做设计。2026 年有趣的工程问题发生在提示和答案之间：调用哪些工具、按什么顺序、在什么防护措施下。

## 3、MCP 解决了大多数人不知道他们有的问题

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-dk_ugZvePglesVEGAdaFwA-1.png)

假设你要将一个 AI 连接到五个不同的工具：一个数据库、Slack、电子邮件、CRM、文件系统。每一个都需要自己的自定义集成。现在为你采用的每个新 AI 模型再重复一次。

这就是 **N 乘 M 问题。** N 个工具，M 个模型，你需要维护 N 乘以 M 个自定义连接器。

\*\*Anthropic 在 2024 年 11 月发布了模型上下文协议（MCP）作为开放标准来修复这个问题。\*\*为每个工具构建一个 MCP 服务器，任何兼容 MCP 的 AI 模型都可以使用它。

不再需要为每个新模型重写连接器。

到 2026 年，MCP 已成为行业分析所称的整个代理生态系统的"结缔组织"。它不是拼图的唯一一块，但它是使工具访问首次跨模型可移植的那一块。

不过，标准化工具的连接方式并不会标准化这些连接的安全性。这个差距在转变 6 中再次出现。

## 4、"提示工程"悄然变成了"上下文工程"

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-9Bfpc_Wox_Csh58l_uj1HQ-1.png)

**上下文窗口变得巨大。**

Gemini 3.1 Pro 现在处理超过 100 万个 token，约 75 万词。Claude 的上下文根据版本不同约为 20 万到 25.6 万 token。

你可能会认为更大的窗口意味着你可以把所有东西都塞进去，让模型自己整理。

这恰恰相反。更大的窗口并没有消除选择性需求。它们把问题从"什么能装下？"变成了"我现在应该把什么真正放在模型面前？"

这是从提示工程（编写巧妙的指令）到上下文工程（设计模型推理所依赖的整个信息环境：指令、检索到的文档、工具输出、对话历史以及模型自己的工作笔记）的转变。

> ***上下文工程是决定模型看到什么的学科。搞错了这一点，更智能的模型只会更快地做出错误决策。***

如果你的代理输出质量不一致，修复方法很少是"换个更好的模型"。几乎总是"看看你实际上在喂给它什么"。

## 5、记忆不再是事后才考虑的事

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-97d-8YUU-hU50QL7Cl3_jw-1.png)

2024 年，AI 应用的"记忆"通常意味着一件事：把你的文档扔进向量数据库，称之为 RAG。

**到 2026 年，记忆分成了三个不同的层次：**

- **上下文状态**：模型在当前对话中可以看到的内容，无需检索
- **向量搜索**：按需拉取相关文档（这就是 RAG 最初的含义）
- **持久记忆**：系统在完全独立的会话之间记住的事实和偏好

一篇 2025 年的研究论文（Mem0，发表于 ECAI 2025）首次对十种不同的记忆方法进行了广泛的头对头比较。2026 年的一项后续研究将每次检索所需的 token 大约减少到以前的四分之一，最大的收益来自于需要跨时间或跨多个来源连接信息的问题。

如果你的代理忘记了用户三条消息前或上周告诉它的事，那不再是模型的限制。而是你还没有做出的记忆架构决策。

## 6、可靠性差距成为行业最大的未解决问题

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-4JHLOXzPy-pDqu2prOqDCQ-1.png)

这是没人放在幻灯片上的部分。

DEV Community 的一项分析发现，截至 2026 年 2 月，约 40% 的 AI 项目正在失败。问题不在模型。团队把 AI 当作魔法而不是软件来对待，而魔法在与生产环境的接触中无法存活。

成功的项目有一个共同点：它们以与其他任何系统相同的纪律来对待 AI。单元测试。状态机。数据审计。

**Datadog 2026 年对生产 LLM 追踪的研究发现了一些具体问题。观察真实 LLM 调用追踪的错误率：**

- 2026 年 2 月，5% 的调用返回错误，其中大多数（60%）只是速率限制错误
- 到 3 月，总体错误率下降到 2%，但速率限制仍占近三分之一
- 这一小部分在他们的客户群中仍累计到单月近 840 万次速率限制错误

\*\*简单来说：\*\*生产中相当一部分"AI 失败"不是模型搞错了。而是模型提供商的服务器在说"现在不行"。

还有一种更安静的失败模式，可以说更糟糕。一个代理调用一个工具。工具返回了意想不到的结果：更改的模式、部分响应、超时导致的空负载。模型不会崩溃。它只是继续运行，围绕损坏的数据即兴发挥，而故障一直保持不可见，直到用户投诉。

2026 年国际 AI 安全报告由 100 多位专家撰写，将这种可靠性失败列为专门适用于 AI 代理和多代理系统的类别，这是在影响所有 AI 系统的幻觉和推理问题之上的额外问题。

报告中提到的真实案例：一家航空公司的聊天机器人引用了一项不存在的丧亲票价政策。一个仲裁庭裁定航空公司承担责任。此后在整个行业传播的教训是："AI 说的"不是法律辩护，高风险系统现在需要基于实际源文档，而不仅仅是听起来合理的文档。

## 7、开源代理走红，安全以艰难的方式追上

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-R7MJMIt3KAP3DolAFyAinw.png)

2025 年 11 月，一位名叫 Peter Steinberger 的奥地利开发者发布了一个名为 **OpenClaw** 的个人 AI 代理。

在 60 天内，它成为 GitHub 历史上增长最快的开源项目之一。他于 2026 年 2 月加入 OpenAI，致力于下一代个人代理的开发。

然后 Cisco 的 AI 安全团队查看了人们为其构建的社区共享"技能包"。他们发现有些技能包在用户不知情的情况下执行数据外泄和 prompt 注入。技能仓库没有真正的审查流程。

这种模式在整个行业不断重复：当工具生态系统的增长速度超过其治理时，安全问题不会在演示中出现。它们会在成千上万的人已经安装之后才出现。

## 8、这一切的走向

把七个转变放在一起，一个模式就出现了。

瓶颈已经转移了。

**过去是：** *模型够智能吗？*

**现在变成：** *模型周围的系统值得信任吗？*

模型的原始能力正在趋同，代理现在是默认架构，而不是聊天机器人。MCP 标准化了工具访问，但没有标准化工具安全。上下文工程比提示措辞更重要，记忆现在是一个具有真实权衡的架构决策。

最清晰的信号是：可靠性，而非智能，才是生产中实际出问题的东西。而快速发展的开放生态系统一再证明，治理总是跟随在炒作之后，而不是之前。

下一波浪潮不会是"模型又变聪明了"。而是那些不起眼的基础设施层在追赶上来。可观测性、评估、权限系统、审计跟踪，以及 2026 年成功的 60% 项目已经采用的工程纪律。

## 9、接下来应该关注什么

![AI generated image](https://www.hubwiz.com/blog/content/images/2026/06/1-OlxDcgrwEdJgRViaDuXL8w.png)

---

原文链接: [7 Shifts That Quietly Rewrote AI Engineering (Most Developers Are Still Catching Up)](https://freedium-mirror.cfd/https://pub.towardsai.net/7-shifts-that-quietly-rewrote-ai-engineering-most-developers-are-still-catching-up-91e7f9b75d51?ref=hubwiz.com)

汇智网翻译整理，转载请标明出处