别盲目梭哈 Agentic AI！先看清“确定性”的崩塌与“概率性”重建
本文永久链接 – https://tonybai.com/2025/12/04/thoughts-before-all-in-agentic-ai
大家好，我是Tony Bai。
如果你在 IT 行业待得够久，最近可能会有一种强烈的“既视感”。
现在的 AI 热潮，像极了当年的移动互联网元年。VC 们兴奋地喊着“所有行业都值得用 AI 重做一遍”。于是我们看到了 AI 版的 Office、AI 版的客服、AI 版的 IDE。表面上看，这确实是历史周期的又一次轮回：新平台出现，旧应用迁移。
但作为在一线写代码的工程师或架构师，你可能隐约感觉到一种前所未有的“失控感”。
以前我们将业务从 PC 迁移到手机，底层逻辑是没变的：输入 A，经过代码 B，必然得到输出 C。这是一个确定性（Deterministic）的世界，我们是构建规则的“上帝”。
但当我们试图把业务迁移到 LLM（大语言模型）上时，地基塌了。同样的 Prompt，今天的结果可能和明天不一样；模型一换，一切全乱；模型会一本正经地胡说八道；原本严丝合缝的逻辑代码，变成了一场概率的游戏。
别被表象骗了。这不仅仅是技术栈的升级，这是计算机科学底层“物理法则”的改变。
我们正在从牛顿力学的“确定性时代”，跨入量子力学的“概率性时代”。在梭哈 Agentic AI（自主智能体）之前，如果看不清这两者的断裂，你的系统注定会崩塌。
两个世界的对撞：计算器 vs. 实习生
为了讲清楚这个第一性原理的差异，我们不妨打个比方。
经典应用：永远正确的“计算器”
过去几十年我们构建的软件（ERP、SaaS、OS），本质上都是一台极其精密的“超级计算器”。
- 第一性原理： 布尔逻辑（Boolean Logic）。0 就是 0，1 就是 1。
- 交互模式： 结构化指令。你必须准确点击菜单、输入 SQL，稍微错一个字符，系统就报错（Crash）。
- 优势： 精准、可控、100% 可复现。
- 缺陷： 它没有任何“理解力”。它不知道你为什么要算这个数，它只是机械执行。
AI 原生应用：聪明但会撒谎的“实习生”
而以 LLM 为核心的 AI Agent，本质上是一个名校毕业的“聪明实习生”。
- 第一性原理： 概率与高维向量（Probability & Vector Space）。它不是在“检索”答案，而是在“预测”下一个字出现的概率。
- 交互模式： 自然语言意图。你说“帮我搞定那个客户”，它去猜这意味着什么。
- 优势： 泛化能力强，能理解模糊意图，有创造力。
- 缺陷： 不可控。 它会“幻觉”（不懂装懂），会跑偏。它的错误不是 Bug，而是概率模型的 Feature（特性）。
现在的痛苦源于什么？
源于我们试图用管理“计算器”的方法（单元测试、严格断言、精确匹配）去管理“实习生”。这注定是徒劳的。
幻觉不是 Bug，是创造力的代价
很多老板问：“能不能让 AI 像数据库一样准确，永远别出错？”
从第一性原理看，不能。
生成式 AI 的核心能力是“联想”和“生成”。如果你把它的温度（Temperature）降到绝对零度，强行让它变得完全确定，它就失去了智能，退化成了一个极其昂贵的搜索引擎。
“确定性”和“创造力”是一对互斥的变量。
- 银行账务系统需要 100% 的确定性，所以它绝对不能用 LLM 来做核心计算（你不能让 AI 预测你的余额）。
- 创意写作、咨询建议、模糊检索需要的是发散性，这里是 AI 的主场。
所以，AI 原生应用不可能替代所有经典应用。世界将分裂为两半：
- 确定性堡垒： 交易、工控、底层架构。（经典代码统治）
- 概率性旷野： 内容生成、意图理解、决策辅助。（AI 模型统治）
那么，介于两者之间的广阔中间地带（大多数企业软件）该怎么办？
Agentic AI：在混乱中重建秩序的架构
这正是 AI Agent（智能体） 诞生的意义。
Agent 不是简单的 Chatbot，它是一种架构模式。它的核心使命是：用逻辑框架去约束概率模型，让“不确定”的大脑安全地操作“确定”的工具。
我们可以把未来的软件架构想象成一个“倒三明治”：
- 上层（用户意图）： 模糊、多变、自然语言。（用户说：“给张总发个报价单”）
- 中层（Agent 大脑）： 概率性核心。 负责拆解任务、规划路径、选择工具。（AI 思考：“张总是谁？报价单格式是什么？我要调用哪个 API？”）
- 底层（Tools/APIs）： 确定性基石。 数据库、CRM、计算器。（执行：SELECT * FROM users WHERE name=’Zhang’，SEND_EMAIL(…)）
这就是“实习生 + 计算器”模式：
你指挥实习生（AI），实习生去按计算器（经典 App）。
在这个架构中，经典应用/服务并没有死，它们退隐到了后台，变成了 Agent 手中的 Tools。
程序员的进化：从“编写逻辑”到“管理概率”
面对这种架构的崩塌与重建，我们这一代程序员的技能树需要重构。
1. 别扔掉你的 SQL 和 Go
Agent 再聪明，也需要“手脚”。高质量的、原子化的、幂等的 API 变得比以往任何时候都重要。你需要把复杂的业务逻辑封装成 AI 能看懂的 Tool Description（工具描述）。经典后端开发依然是地基。
2. 学习“概率工程学” (Probability Engineering)
你不再是写 if-else 的人，你是 Agent 的老师。
- Prompt Engineering： 编写清晰的岗位说明书。
- RAG (检索增强)： 给实习生提供准确的参考书，减少幻觉。
- Eval (评估)： 建立一套评价体系，去测试这个“实习生”在 1000 次任务中的表现是否达标（而不是纠结于某一次的对错）。
3. 学会设计“护栏”
既然实习生不可控，你就需要设计审查机制。在 Agent 输出结果给用户之前，加一层确定性的校验代码（比如：检查生成的 SQL 是否包含 DELETE 语句，检查生成的金额是否超过上限）。
小结
回到最初的话题。我们并不是在简单的“重做”软件，我们是在培育一个新的物种。
以前，我们强迫人去适应机器，学习机器的菜单和逻辑；
现在，机器终于开始适应人，试图理解我们的模糊与混沌。
虽然这个过程充满了不确定性，充满了“幻觉”和挑战，但这正是进化的代价。梭哈 Agentic AI 之前，请先接受这个世界的随机性，然后用你精湛的工程能力，给它套上逻辑的缰绳。
聊聊你的“人机协作”体验
“确定性”与“概率性”的碰撞，正在重塑我们的代码世界。在你的开发实践中，是否也遇到过因 LLM 的“不确定性”而抓狂的时刻？你是如何给这位“聪明实习生”设计“护栏”的？对于这种全新的“概率性”编程范式，你是感到兴奋还是焦虑？
欢迎在评论区分享你的思考与实战经验！ 让我们一起探索这个新时代的生存法则。
还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：
- 告别低效，重塑开发范式
- 驾驭AI Agent(Claude Code)，实现工作流自动化
- 从“AI使用者”进化为规范驱动开发的“工作流指挥家”
扫描下方二维码，开启你的AI原生开发之旅。
你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？
- 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
- 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
- 想打造生产级的Go服务，却在工程化实践中屡屡受挫？
继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！
我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。
目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！
商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。
评论