Thoughtworks《技术雷达》第35期： 超越前沿大模型迷思， 让更多智能体投入生产
思特沃克洞见 · 软件开发
Thoughtworks 2026-11-05 12:00 北京 本期《技术雷达》聚焦生成式 AI 和智能体引发的深层工程化变革，总结出四大核心趋势主题。 核心导读 软件工程领域正经历着由人工智能驱动的深刻变革。从单一的 “AI 编程助手” 演进到 “智能体规模化并行运作” ，技术底座的迭代速度令人瞩目。本期雷达聚焦生成式 AI 和智能体引发的深层工程化变革，总结出 四大核心趋势主题 。 企业该如何在这场浪潮中拨开迷雾，做出明智的技术选择与投资？ 今日，Thoughtworks 正式发布 《技术雷达》第 35 期 ！ 作为每年发布两次的全球技术趋势快照，我们汇总了 Thoughtworks 全球一线技术团队的实战经验，对当下极具潜力的技术、工具、平台、语言和框架进行系统化评估。本期雷达中，我们将目光聚焦于由 生成式 AI 和智能体 引发的深层工程化变革，总结出以下 四大核心趋势主题 ： 主题一：规模化智能体驾驭工程 Harness Engineering at Scale 尽管 “驾驭（Harness）” 一词并不新鲜，但在本期雷达中，我们看到围绕 AI 智能体构建环境的生态系统正日益成熟。从 上下文记忆、反馈循环到安全护栏（Guardrails） ，这一切正在演变为一门高度内聚的系统工程学科。 行业内正在形成一个新兴的 插件生态系统 （例如 Agent Plugins 和智能体包管理器 ） 。同时，我们意识到 驾驭机制是一种“活”的资产 ，需要持续的维护与质量评估。在未来几个月，满足企业级需求的 “企业智能体驾驭体系” 极有可能会像几年前的平台工程一样，作为一种独立的产品形态在企业中崛起。 主题二：超越前沿模型 Beyond Frontier Models 我们正在进入 AI 模型应用的新阶段 —— 盲目且下意识地选择闭源的“前沿大模型（Frontier Models）”已不再是唯一的答案 。 开源权重模型（Open-weight models） 在成本和能力上取得了显著突破（如 GLM 家族在编码任务上的表现）。除了成本优势，将开源模型灵活部署在公有云、本地硬件或混合云中，能更好地满足企业严格的数据隐私要求，并降低对单一供应商的依赖。本地编码模型、面向结构化数据的基础模型以及 Jev 等决策模型的涌现，正促使工程团队必须将 模型路由（Model routing） 作为架构设计的核心考量，保持模型选择的多样性与开放性。 主题三：让更多智能体投入工作 Putting More Agents to Work 如果说上一期雷达的焦点是“编码智能体的兴起”，那么本期的重点则转向了 规模化并行会话 ——开发者开始同时运行、引导多个智能体协同工作（例如开展无人值守的夜间智能体构建）。 相比于复杂的“多智能体集群自治协作”，这种由人类开发者直接统筹多个并发会话的模式 更加轻量且切合当前实际 （如借助 Herdr、Omnigent、Paseo 等注意力收件箱工具进行管理）。但这也带来了新的隐患：当开发者并发运行的智能体越来越多， 人类的“代码审核带宽”将成为最严峻的瓶颈 。 如果不加以控制，很容易演变成敷衍的 “人工审核剧场（human-in-the-loop theater）” 。因此，在引入更多并发智能体前，团队必须重新审视自身的代码审查与持续交付流水线的承载能力。 主题四：构筑 AI 工厂 Constructing the AI Factory 随着企业对生成式 AI 和智能体的使用日益密集，一个真相浮出水面： Token 的经济学本质，最终是基础设施的经济学 。要让 AI 在企业中具备经济可持续性，创新必须深入到技术栈的更底层。 我们观察到一个围绕 Kubernetes 的活跃 AI 基础设施生态正在成型，共同构筑起能够大规模运行 AI 负载的 “AI 工厂” 。无论是支持模型服务与硬件感知的 KServe 和 KAITO ，提供模型路由的 LiteLLM ，还是满足高吞吐量存储的 VAST DataStore 及提供软件定义网络自动化的 Netris ，其核心理念都在于： 模型、GPU、推理引擎、存储和网络，正逐渐被整合为通过通用平台层进行统一协调的“可编程资源”。 如何获取完整版洞见？ 想要探索以上四大主题背后的全部 技术脉冲（Blips） ？想知道本期又有哪些技术被建议 “采用（Adopt）” 、哪些需要 “暂缓（Caution）” ？ 📖 点击【阅读原文】即刻访问 Thoughtworks 官方网站 您可以： 探索交互式《技术雷达》，按照四大象限进行深度检索 下载完整版《技术雷达》第 35 期 PDF 报告 订阅《技术雷达》邮件，持续获取前沿技术洞察 阅读原文 跳转微信打开