开源安全公司 Chainguard 近日发布报告，指出 AI 正在加速消除传统意义上的「软件工程中产」——那些负责数据准备、代码集成、测试编写的中间层工程师，正面临被 AI Agent 大规模替代的风险。

从「全栈工程师」到「Agent 管理者」

报告描绘了一幅与以往完全不同的工程师工作图景：AI Agent 承担了原本需要团队协作完成的数据清洗、API 对接、测试用例编写等重复性工作，而工程师的角色则转变为协调与审查 AI Agent 输出的「Agent 管理者」。

这一变化并非预言，而是正在发生的现实。报告中引用了多个实际案例，其中最引人注目的是：一家企业的单个工程师借助 Agent 工具，完成了原本需要一个完整专家团队才能完成的基础设施搭建工作。

为什么中间层最先受冲击

传统软件工程中，大量时间消耗在「连接」工作上：将 AI 模型接入业务流程、将数据管道接入分析系统、将测试框架接入 CI/CD 流程。这些「粘合剂」性质的工作，正是当前 AI Agent 最擅长自动化的领域。

对比来看，AI Agent 在以下任务上表现突出：

  • 数据清洗与格式转换
  • API 集成与错误处理
  • 测试用例自动生成
  • CI/CD 流程配置

这些任务此前需要中高级工程师花费数周完成，现在 AI Agent 可以在数小时内处理。

对工程师的启示

报告的核心结论并非「工程师将被淘汰」，而是工程师的技能重心正在转移。Chainguard 指出，能够在与 AI Agent 协作中保持竞争力的工程师，需要具备：

  1. 系统架构能力：设计 Agent 之间的协作模式与通信协议
  2. 质量把关能力：评估 Agent 输出的可靠性与安全性
  3. 业务理解能力：将 AI 能力与业务目标对齐
  4. 异常处理能力：当 Agent 遇到边界情况时进行人工干预

对于 AI Agent 开发者而言，这一趋势意味着：构建能够与人类工程师高效协作的 Agent，比构建完全自主的 Agent 更有近期价值。Human-in-the-loop 设计、清晰的输出可解释性、完善的回退机制，将成为下一代 Agent 架构的核心要素。

开源安全的新挑战

Chainguard 同时指出，AI Agent 对开源包的频繁调用，正在给企业安全带来新的攻击面。Agent 往往倾向于使用最新版本的包，而这个过程缺乏人工审核，可能导致依赖供应链风险。Chainguard 为此提供了自动化方案，帮助企业扫描 AI Agent 依赖的包中的已知漏洞。

这一痛点实际上也反映了 Agent 开发者需要关注的方向：安全和可靠性是 AI Agent 在企业落地的必备条件，而非事后补救。