AI智能体为何不只是“又一个后端”？深度解析其核心角色

即便软件已迁移至云端，人们仍残留着旧有的思维习惯。用户依然期待下载和安装更新。工程实践需要时日才能跟上现实，在软件即服务（SaaS）的世界里，应该是“客户所见即所得”——没有版本号，无需等待采纳。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

本文探讨软件发布从季度周期到每日多次的演变，人工智能正在加速此进程，未来的AI代理将实现软件自我修复与自动化更新。

译自：Why AI Agents Are ‘Just Another Backend’[1]

作者：Michelle Gienow

回到2014年，询问公司为何希望每季度发布软件不止一次，是个合理的问题。Gartner当时甚至在推行“双模开发”，建议银行每年仅发布两次代码以确保稳定性。

LaunchDarkly联合创始人兼首席执行官Edith Harbaugh在AWS re:Invent的一次对话中表示：“如今，如果有人声称‘我的目标是每季度发布一次’，你可能会想，你把所有时间都花在做什么上了？”

在本期《The New Stack Makers》节目中，Harbaugh与TNS创始人兼出版人Alex Williams坐下来，讨论如何将AI代理视为又一个后端工具，以及Harbaugh如何观察全球5000多家LaunchDarkly客户每天发布数十次，同时展望软件能够自我修复的未来。

告别“黄金光盘”时代

如今，我们对CI/CD和滚动发布习以为常，但要走到这一步，我们必须摒弃数十年来围绕物理限制建立的工程实践。

正如Harbaugh所说：“当你发布物理光盘，用户将你的软件安装到他们自己的硬件上时，你必须做到完美。你无法修复那张光盘。”这种发布完美“黄金光盘”的压力，影响了从发布周期到质量保证流程的一切。

即便软件迁移到云端，遗留的思维方式依然存在。用户仍然期望下载和安装更新。工程实践需要时间才能赶上现实，即在软件即服务（SaaS）的世界里，应是“客户所见即所得”——没有版本号，无需等待采纳。

现在，AI正在进一步加速事物发展，其非确定性结果可能随时变化。但Harbaugh在颠覆之下看到了延续性。

她说：“如果你每周甚至每天多次推送功能，就会有更流畅的状态和与客户更快的反馈循环。”

“我们的客户使用LaunchDarkly内置的A/B测试引擎来测试不同的后端、不同的吞吐量。从某些方面看，AI只是一个不同的后端。”

软件自我修复的时代即将到来

但Harbaugh谈到接下来会发生什么时最为兴奋：AI代理不仅能检测问题，还能自主修复问题。

她说：“在检测可靠性和回滚之后的下一步，是检测哪里出了问题，并基于错误生成可提交的代码。”

设想一个代理，它注意到某个特定iOS版本上的故障，编写修复程序，提交并发布，所有这些都只需要最少的人工干预。

她看到了自动化响应客户反馈的类似潜力。例如，如果支持工单开始涌入，要求提供西班牙语或中文语言支持，AI代理可以自动处理本地化。

她说：“本地化历来都是非常手动的，但这是AI可以极其廉价和准确处理的一个领域。”

对Harbaugh来说，AI完美契合了LaunchDarkly十多年前宣布的使命：发布、衡量、控制。她说：“对我们而言，代理本质上只是另一套软件。你仍在衡量响应时间、准确性和预期结果。代理式AI可以更快地触发，但你仍然会担心所有相同的事情。”

完整的对话涵盖了LaunchDarkly的AI配置如何帮助客户根据业务指标测试不同的LLM（大型语言模型），在实时发布期间版本化数据模型的挑战，以及为什么更多的AI代码代理并不意味着更少的工程师，就像从计算尺转向电子表格并没有消除华尔街的工作岗位一样。

引用链接

[1]Why AI Agents Are ‘Just Another Backend’:https://thenewstack.io/why-ai-agents-are-just-another-backend/[2]CI/CD和滚动发布:https://thenewstack.io/introduction-to-ci-cd/