Cisco高级工程总监Sergio Freitas每天同时管理10至20个AI Agent，而这些Agent还会根据任务复杂度自行创建子Agent。Jira工单可以直接触发代码编写，系统持续关注协作平台通知和GitHub拉取请求，并通过“循环工程”不断迭代，直到得到最终结果。这没有让Freitas工作更久，却让工程节奏显著加快：AI生成的代码越多，人类需要审核、安全扫描和协调的工作也越多。软件工程师的核心职责正从亲手编写代码，转向系统架构、任务拆解、权限控制与多Agent编排；传统的长时间深度编码，则被多线程管理和异步审查取代。
文章作者、来源：Business Insider
软件工程改变的不是工具，而是工作方式
Freitas最初是一名软件工程师，后来转向管理岗位。目前，他担任Cisco高级工程总监，领导四支位于葡萄牙的团队。
软件开发一直要求工程师持续学习新语言、新框架和新平台，但他认为，过去一年发生的变化更根本：改变的不只是开发工具，而是工程师组织工作的方式。
真正的转折点出现在2025年末一批前沿模型发布之后，他特别提到Anthropic的Claude Opus 4.5。此前，团队虽然也使用AI，但主要限于代码补全和对话式提示；模型能力提升后，工程师开始把完整的软件任务委托给Agent。
工作重心因此从“如何亲自把代码写出来”，转向系统架构、产品设计、工作流管理和Agent编排。工程师不再只是一名代码生产者，也开始承担类似技术负责人和数字团队管理者的角色。
一个Agent接到任务，再把工作分给其他Agent
Freitas每天会同时管理10至20个Agent。这些Agent并非全部独立工作：主编排Agent可以根据任务复杂度创建多个子Agent，把分析、实现、测试或检查等环节分别交给不同实例。
在获得明确权限后，Agent可以持续运行，并读取协作平台通知、GitHub拉取请求以及其他已接入系统的状态。
一种典型流程从Jira工单开始。Agent读取工单描述后理解需求、修改代码并提交结果；但它生成的代码不会直接进入生产环境。负责该Agent的人必须先检查输出，随后至少还要有两名工程师参与代码审查。
这意味着Agent改变的是生产链条前半段：读取任务、寻找相关代码、完成初步实现和反复修改可以被大幅自动化；最终责任并没有因此转移给模型。
从“提示词工程”进入“循环工程”
大约四个月前，Freitas的团队开始采用所谓的“循环工程”。
传统Agent通常在遇到模糊信息或执行障碍时暂停，再向用户提出问题。循环工程则尽量让Agent持续工作：检查当前结果、发现问题、修改方案，再重新测试，直到满足任务目标或触发停止条件。
这种方式减少了工程师在每一步都重新输入提示词的需要，也让Agent更接近可以独立推进任务的执行者。
但自主运行不代表无限权限。Agent在连接特定系统、访问受控信息或执行敏感操作前，仍可能要求人工授权；其外部访问、工具调用和部署行为也受到严格限制。
“循环”真正解决的是工作连续性，而不是责任归属。它可以让Agent少问问题，却不能让团队取消权限边界和最终审查。
AI做得越多，人类需要审核的工作也越多
Freitas没有把Agent描述成单纯减轻工作量的工具。
他表示，自己的工作时间没有变长，但AI能同时完成更多任务，反而会把更多成果送到人类面前。代码生成速度提升后，评审、整合和验证也会加速堆积。
在Cisco这样的企业中，代码进入生产环境前还需要通过安全扫描，并可能涉及与法务团队的沟通。Agent可以加快实现，却不能自动消除安全、合规和责任流程。
这也是“生成速度”与“交付速度”之间的重要区别。Agent可以在短时间内提交大量代码，但如果团队的评审容量没有同步增加，人类审核便会成为新的瓶颈。
Freitas强调，无论代码由谁生成，生产环境中的最终责任仍属于人类工程师。Agent不能成为出现问题时转移责任的对象。
工程师需要从深度专注切换到异步多线程工作
传统编程常强调进入连续数小时的专注状态。工程师需要在头脑中保持完整的程序结构，逐步实现并调试自己的方案。
多Agent工作流带来的是另一种认知负担。
一名工程师可能需要同时关注多个Agent的进展：其中一个正在修改后端服务，一个等待权限确认，另一个提交了需要评审的代码，还有一个因为测试失败正在重新规划。
这种工作不一定需要更长时间，却要求频繁切换注意力，并在不同任务之间保留足够上下文。工程师需要建立关于多任务处理和异步评审的新习惯。
初期疲劳很大程度上源于此。AI提高了每日输出上限，也加快了需要人类作出判断的频率。过去一天集中完成一项任务，现在可能是在十多条并行工作流之间不断进行短促决策。
对热爱“亲手造东西”的工程师，这是一种身份转变
Freitas认为，部分工程师面对的不只是学习曲线，还有职业认同上的冲击。
亲手把一个系统从无到有写出来，曾经是软件工程最具成就感的部分。熟练掌握代码是一种稀缺能力，也会给工程师带来近似“超能力”的感受。
当大量代码由Agent产生后，人的价值越来越体现在定义架构、划定边界、组织Agent以及判断结果是否可靠。对于喜欢亲自雕琢代码的人来说，这并不一定感觉像升级，也可能像失去工作中最有吸引力的部分。
Freitas形容，过去的工作节奏相对更轻、更连续；现在并没有延长工时，但整体速度明显更快。工程师从一个长时间专注的制作者，变成同时管理多个数字执行者的协调者。
Agent没有消灭管理，反而把管理带进了编程
这篇文章最值得注意的，并不是Cisco某位主管同时运行了多少个Agent，而是软件开发正在出现一种新的分工。
模型负责快速生成、搜索、尝试和反复迭代；人类负责定义问题、配置权限、选择架构、检查安全性，并对最终交付承担责任。
这套模式是否真正提高整体生产率，还取决于Agent代码的正确率、返工次数、Token成本、安全扫描时间以及人类评审能力。原文没有提供缺陷率、交付周期或成本变化等数据，因此无法据此判断10至20个Agent带来的净效率提升。
不过，它揭示了一个正在变得清晰的瓶颈：当AI生成工作的速度超过人类理解和审核工作的速度，企业缺少的可能不再是更多代码，而是更好的任务编排、验证机制和注意力管理。