初看之下感覺神奇：

按按鈕 → AI變成自動化工程師。

現實檢驗：

當你在實際專案上這樣做時，你發現了某個非常有趣的事實：

這個代理對你的基礎設施毫無概念。

沒有任何規範。沒有記憶。沒有專案架構。沒有操作規則。沒有對現有工具的理解。沒有概念三週前已經決定了什麼.

所以即使您的儲存庫已經包含：

提示
設定
標準
工作流程
API
技能系統
部署邏輯
輸出結構
命名規範
安全策略

…代理仍然開始詢問類似的事情：

"應該將生成的文件放在哪裡？"

兄弟。有40個markdown文件解釋了這一點。

好笑的部分

人們想像中的"AI代理"是這樣的：

[ GPT ]
↓
即時自動化公司

但在現實中它更像：

[ GPT ]
↓
擔憂的員工擁有根權限

而且那變得危險得驚人地快

因為沒有基礎設施，代理開始編造東西

新的資料夾。新的架構。新的 API。新的抽象。新的配置格式。

每五分鐘：

"我建立了一個穩固可擴展的基礎..."

不。你創建了三個 YAML 檔案和情感損害。

什麼真正重要

真正的產品不是型號。

真正的產品是：

會議規範(conventions)
記憶
倉儲規範
專案指示
安全界限
可重現的工作流程
操作結構

AI只是一個組成部分

沒有基礎設施，一個代理基本上是：

帶有信心問題的自動完成
我們在XvX系統中做什麼

在XvX裡，我們開始將代理變得不像聊天機器人，而更像加入現有組織的員工.

意義：

每個技能都有結構.
每個輸出都有定義的位置.
每個工作流程都有路由.
每個系統都有約定.
每個AI過程都是可檢查的。
每個自動化應該是可逆的.

一個好的代理啟動過程應該在代理問之前就回答問題.

範例:

使用英文作為程式碼註解.
不要創造資料夾結構.
使用現有的設定檔.
先讀 /prompts.
不要修改無關的檔案.
將輸出儲存於使用者分離的目錄中.
避免具有破壞性的指令.

這聽起來很無聊.

但 THIS 是將「AI 魔法」轉變為可操作性的基礎設施.

AI 代理人的當前狀態

誠實地說?

許多當前 AI 代理人示範都是依靠以下因素維持在一起的:

氛圍
螢幕截圖
終端錄音
樂觀
咖啡因
以及一位開發者在凌晨三點內心狂吶

那樣也沒關係

我們還很早

但我認為下一次重大轉變不是：

"更好的提示"

而是：

AI 工作者的運作架構.

最早理解這一點的公司將建立真正可維護的系統.

最終思考

"Create Agent" 最有趣的地方不僅僅是它失敗了.

最有趣的是意識到:

AI 不是愚蠢的.

它只是沒有基礎設施。

誠實地說？

絕大多數人公司也一樣不這樣做。 - 可惜

先數位化，再嘗試 AI，相信我，否則你會把工作做兩次 :)

由 MAGNETiX XvX Systems // 科隆寫

先建立基礎設施。然後才是智慧。