千个智能体一起干活：工程师要解的四大难题Anthropic 平台负责人（前 Stripe）Katelyn Lesse 10-26 发表长文《The new set of problems for engineers to solve》：AI「根本无法创造它能创造的成果，除非软件工程师把这些问题解决掉」。她判断，未来一两年多智能体系统会带来一批值得深挖的工程问题。▍难题一：基础设施智能体是「有状态、单实例、大量时间在空闲等待」的工作负载，而为无状态副本设计的 Kubernetes 并不适配。她点名谷歌的 Agent Substrate 运行时，以及新的文件系统、沙箱产品，作为早期回应——编排底座要从「副本池」换成「长驻实体」。▍难题二：身份与授权认证可借用微服务的短生命周期工作负载身份，但「agent 代表人类办事」让日志只见人、不见 agent。更棘手的是数周级持续运行下，「同意」如何持续授予仍无解：今天的授权模型假设会话会结束，而 agent 的工作流不这么想。▍难题三：安全与隔离一个被攻破的 agent 可把注入指令传给同伴、或写入共享记忆，污染整个群体。她的主张很清楚：每个 agent 独立沙箱、限定凭据，并把 agent 之间的输入一律视为不可信——把「零信任」从概念落到多智能体架构里。▍难题四：监控与急停需要 agent 自身无法篡改的全链路追踪，以及能停掉整个系统并吊销其凭据的 kill switch。最反直觉的难点是：区分「善意的执着」（为解决问题死磕）与恶意行为——二者在外在表现上高度相似。这也正是把「能跑 demo」与「能托付生产」区分开来的那道坎。▍最反常的一点她的核心判断是：这些问题不会因模型更会写代码而自动消失，反而会随 agent 数量、权限与运行时长增加而变重。换言之，当大家都在卷「模型更强、写代码更溜」时，真正的瓶颈正在悄悄转移到「编排、身份、隔离、急停」这一层。工程师的价值，正从「写代码」移向「让 AI 可靠、安全、可控地干活」。这对招聘、培训和工具链都是一次重心迁移——以后招的也许不是更会写 prompt 的人，而是能给一群 agent 兜底的安全与运维负责人。人工智能 科技 创新 人工智能