在 AI Agent（智能代理）快速發展的今天，許多開發者仍將 LLM（大型語言模型）視為一個強大的「自動補完工具」。然而，Baruch Sadogursky 提出了一個更激進的觀點：當 LLM 具備推理能力後，軟體開發的範式將發生根本性改變——規格書（Specifications）將成為唯一的真理來源（Source of Truth），而程式碼將降級為一種「可丟棄的中間語言」。
要實現這個目標，關鍵不在於如何寫更好的提示詞，而是在於「上下文工程」（Context Engineering）。
什麼是上下文工程，以及它如何改變架構設計？
提示詞工程與上下文工程的區別
許多人習慣的 Prompt Engineering（提示詞工程）本質上更像是一種「咒語嘗試」。開發者透過不斷微調措辭（例如加上：請不要犯錯、請一步步思考），希望模型能奇蹟般地猜中開發者的意圖。這在工程實務上缺乏可預測性，因為它試圖用單次指令來彌補資訊的缺失。
相對地，Context Engineering（上下文工程）是一門真正的工程學科。它不再依賴於單次的提示，而是建立一套嚴謹的「上下文構件」（Context Artifacts）來約束模型的推理過程。這套構件包含：
技能（Skills）：定義 Agent 應該如何執行特定任務的標準方法。 規則（Rules）：明確規定哪些事能做，哪些絕對不能做。 腳本（Scripts）：提供確定性的邏輯，用於處理 LLM 容易出錯的計算或固定流程，將推理過程「切除」以確保 100% 正確。 反饋與評估（Feedback & Eval）：建立量化指標，測試目前的上下文是否能穩定產出高品質結果。
透過這套機制，我們將「意圖」轉化為可版本管理、可分發的工程資產，而非不可複製的提示詞技巧。
將程式碼視為可丟棄的中間語言
在傳統開發中，程式碼是最終產物，而文件（Spec）往往在開發完成後就過時了。但在 Agentic Architecture（代理架構）中，流程被反轉了。
由於 LLM 能夠處理人類語言中的模糊性，只要提供足夠嚴謹的上下文，Agent 就可以根據規格書直接生成程式碼。如果需求變更，我們不再是去修改程式碼，而是修改規格書，然後由 Agent 重新生成該模組的程式碼。
這帶來了一個巨大的工程紅利：Shift Left（左移）的極致化。我們可以在程式碼被寫出來之前，就透過評估上下文構件的品質，預測未來產出的程式碼品質。如果上下文不足，Agent 會在開發前主動詢問架構師或客戶，直到需求完全清晰為止。
為什麼微服務在 AI 時代重新變得重要？
近年來業界有回歸單體架構（Monolith）的討論，但 Sadogursky 指出，如果目標是讓 AI Agent 全自動生成程式碼，微服務（Microservices）反而是最佳選擇。
原因在於 LLM 的上下文視窗（Context Window）有限。如果一個模組過大，Agent 容易迷失在複雜度中，導致生成結果不一致。將系統拆分為定義明確、範圍極小的微服務，能讓 Agent 在一個可控的範圍內達成最高精度的實現。
在此模型下，軟體架構師的角色將發生轉移： 開發細節：由 AI Agent 根據規格書與上下文構件負責。 系統編排（Orchestration）：由人類架構師負責將這些微服務組合起來，並管理系統的湧現屬性（Emergent Properties），例如整體安全性、可擴展性與效能。
對工程師與架構師的實務影響
對於 Junior 工程師來說，這意味著未來的核心競爭力將不再是精通某種語言的語法，而是如何定義精確的規格，以及如何建構高品質的上下文構件。
對於架構師而言，責任並沒有消失，反而被放大。你不再需要盯著每一行 Code Review，但你必須確保提供給 Agent 的上下文是正確的。當系統出錯時，追溯路徑將從「檢查程式碼」變為「檢查規格書」以及「檢查 Agent 與人類的對話紀錄」。
總結來說，AI Agent 革命將軟體開發從「手工業」推向「工業化」。程式碼變成了可替換的零件，而定義系統邏輯的上下文工程，則成了新的核心工程能力。
來源：infoq.com - Context is the Key to the Agentic Architecture Revolution: A Conversation with Baruch Sadogursky
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。