智能体落地元年，Agent Infra是关键一环｜对话腾讯云&Dify

智能体技术正从概念走向实际应用，Agent Infra成为推动落地的关键支撑。
核心内容：
1. Agent技术从萌芽到工程化落地的三大标志性实践
2. 大传统与小传统在Agent发展中的张力与融合
3. 中小开发者面临的主要挑战与破局之道

2025年“Agent元年”的称号当之无愧。

这股浪潮从年初一直烧到年尾——先是Manus引爆热潮，再到最近的豆包手机接棒，Agent几乎成了全行业的显学。

回首这一年，也是

。

量子位于是攒了场局，请来两位行业大拿——Dify开源生态负责人

和腾讯云云原生产品副总经理，聊聊他们眼里Agent落地过程中的挑战、机遇和未来：

• 从年初硅谷的宏大叙事，到如今充满烟火气的务实。
• 行业之所以认可Agent，在于它确实能解决问题。
• Agent真正落地，需要确定性的工程方法才能驾驭不确定性的复杂系统。
• Agent Infra解决企业的偶然复杂度问题，而非本质复杂度。
• 对于中小公司或个人开发者，最大的门槛不是技术或成本，而是缺乏勇气。

两位嘉宾还不约而同地得出了一个判断：

在智能体落地过程中，Agent Infra是关键一环。

下面跟随量子位的视角，看看他们具体都说了些什么，知识密度很高，值得仔细琢磨。

回顾Agent元年，技术走向工程落地

量子位：先从Agent这个概念聊起吧。今年即将结束，站在年末，二位对这一年Agent的整体发展有什么印象和总结？

：今年Agent最大的变化，是从技术萌芽期走到了真正工程性落地的阶段。从行业层面看，有几个标志性实践：

• 面向企业内部的Agent：
  像Dify这类产品，通过确定性来驾驭不确定性，实实在在地帮助企业提效。

• 面向大众的Agent：
  Manus和豆包，通过新的交互形态点燃了用户对Agent的想象力。

• 新范式Agent：
  Claude Code这样的产品，通过Agent RL和工具调用，拓宽了Agent自身的能力边界。

个人印象比较深的，还是

。它不再仅仅解决代码问题，还在成为Agent连接现实世界的通用接口。同时，它切切实实地改变了原有的软件工程范式，我们内部也在做从AI Coding到AISE（AI Software Engineer）的调整，包括研发模式、组织管理、角色职责等。

：这一年Agent的发展，给我感受最深的，其实是之间那种鲜明的张力。

大传统，来自硅谷的宏大叙事，许诺用全自动智能体取代白领，逻辑听起来很完美，但实际落地总会有些水土不服。小传统，则充满烟火气——比如义乌的商家用AI自动回复客户，或者独立开发者用工作流进行代码评审。

总结下来，这是很有趣的一年，

。年初的时候，一个简单的Demo就能吸引资本市场，可以类比为“立法阶段”；到了年尾，更像是进入了“司法阶段”，开始处理具体、琐碎的执行层面问题。这不是线性的进步，而是像根茎一样蔓延生长。秩序的建立，很多时候并非来自基座模型的升级，而是来自那些“胶水”——产品工程、提示词工程、RAG、Pipeline和工具使用，虽然不够优雅，但能有效维持数字社会的运转。

量子位：确实如两位所说，年初大家还在为Demo惊艳，年末已经到了更工程化的阶段。从科技媒体的视角看，这个进程非常快。智能体为什么能这么快成为行业共识？

：首先，它能真正。过去生产力的发展，本质上是在延伸人类的手和脚，但工作中确实存在大量无法用精确语言或编程描述的内容，这恰恰是Agent的用武之地。其次，落地过程中，工程方法在快速成型，包括Agent Infra、Agent Runtime、不同的Agent架构范式、内容工程，这些技术一起助力Agent实现了真正落地。

：共识背后，其实是资本在寻求。互联网时代的红利已经被吃干抹净，App的边际效用也在递减。Agent承诺的是交互成本的坍塌，能看到权力从指令式计算到异度式计算的转移。

量子位：刚才两位也提到，今年关键词在变化，比如从AI Infra到Agent Infra。Agent落地与AI落地之间存在哪些区别？以及是否存在工作流的变化和对Infra需求的差异？

：这个范式转移很明显。我们从传统的if/else逻辑判断，转向了Agent的概率性目标规划。过去机器必须执行下一行代码，现在开发者更像是老师，通过Prompt、RAG和原则，给予模型自由处理的空间。区别在于。传统软件工程中，Bug是对规则的违反；而在Agent工程里，失败是对我们意图的误解或概率上的漂移。不能再像修Bug一样去修复，而是要像教育孩子一样去约束或者说服Agent。这不仅是工作流的变化，还有交付物的变化——以前交付的是确定的功能，现在交付的是一种概率性的能力，无法明确定义它是否正确。

：不确定性确实非常关键。我们团队内部观察到的是，Agent是一个不确定性的复杂系统。首先，Agent的效果通常由七八个不同因素构成（模型本身、架构范式、Prompt、Content、工具选择、参数等），这些子部件之间相互影响，很难明确它们的关系。其次，同一个问题，在不同时刻输入，Agent的输出也不一样，这就是不确定性。这正好与传统的微服务系统相反。

因此，工程师的工作方式必须进行两点思维转变：

：不能再仅仅依赖预先规划，而是要去建立评测体系，把复杂的系统分解为单独的子系统，通过控制变量的方式，一步步驾驭Agent。

：过去Day One代表代码上线，用户开始使用；现在Day One只代表Agent能运行，效果的持续优化——也就是Day Two——才是真正的开始。

所以，Agent落地不仅仅是靠几个巧妙的范式，我们需要循序渐进，通过确定性的工程方法，才能驾驭不确定性的复杂系统，而这将带来Infra的重塑。

智能体落地，Agent Infra是关键一环

量子位：于老师刚刚提到了整个工具的重塑。从Infra角度来说，能详细讲讲腾讯云为加速Agent落地提供了哪些支持吗？

：Agent的本质是不确定性的复杂系统，上线过程中首先要解决的，是自主运行带来的破坏性风险。所以我们团队选择：先解决安全问题，推出了Agent安全沙箱，提供一个独立的执行环境。然后驾驭不确定性和复杂性，提供一系列可观测性工具和评估工具。再进一步，进行效果提升，优化Agent的记忆和学习能力，元宝已经进入这个阶段。在积累经验后，我们也会提供相应的服务。

量子位：您提到的Agent Runtime、安全沙箱这类Infra产品，与Agent平台之间是什么关系？腾讯Infra当前在关注什么？

：首先需要厘清一个概念——Agent Infra到底是什么。我们可以把企业问题划分为本质复杂度和偶然复杂度。本质复杂度是必须解决的问题；偶然复杂度会随着工具和方法的选择而存在。Infra层要解决的，正是企业在具体落地中遇到的。但这个问题没有定论，不同场景面临的偶然复杂度完全不同。不过，无论解决什么问题，都有一个共性问题，也是我们团队现在做的——构建偶然复杂度问题的，包括安全、执行环境、工具、记忆和观测。这些问题或多或少都有解决方案，而其中最突出的就是。所以我们做的安全沙箱，不是简单的隔离环境，而是一个多层次、全链路的Agent运行安全体系。

量子位：郑老师这里，在提供Agent Runtime这类底层组件时，Dify更倾向于自研还是使用第三方产品？您对Agent Infra开闭源有什么看法？

：核心模块还是自研，因为如果使用第三方组件，会导致核心组件不可控，用户服务质量无法保证。其他部分我们会选择一些合适的开闭源方案。关于开源，我们的看法是：AI时代基础模型可以是黑箱，但，因为开发者需要看到底层代码，了解Agent行为逻辑。从市场观察来看，初创公司和创新者会选择开源，因为低成本和灵活性；大企业则更倾向于开源的商业版本或闭源版本，因为闭源提供了责任转移与兜底服务。

量子位：于老师，从接触用户的经验来看，他们在选择Agent Infra产品时，一般比较关注哪些要素？

：首先，对于核心的业务逻辑层，用户很在意是否开源，因为这样他们可以围绕自己的业务进行任意修改，更透明可控。具体到Infra层，用户更在意体验是否极致、能否降低开发成本。而在实际使用时，用户更关注Agent的稳定性和效率，这时闭源有很好的优势。

量子位：听下来感觉，在Agent这个领域，开闭源正在形成分层互补。在这样的结构下，像小白开发者或个人开发者，能通过Agent Infra把Agent开发和落地简化到什么程度？

：这会逼近AI开发的。简化非常激进，它把基础设施的认知负荷降到最低，让你把所有精力集中在Prompt和数据治理上。

：我补充一下，腾讯云的Infra产品更偏向专业开发者，他们有非常多复杂的治理问题。所以我们主要面向Agent原生企业和AI原生企业，帮助他们加速Agent落地过程。

量子位：请两位老师总结一下，观察到的Agent Infra技术进展或趋势。

：我还是回到。过去一年，代码不仅是大模型抽象能力的来源，也在成为Agent驾驭不确定性、连接世界的工具。AI Coding带来了开发模式的碘伏，让我们团队里的每个开发者，能在分钟级就拉起一个独立的全套开发环境。代码肯定会产生全面影响，任何一个工程师或Agent从业者，都绝不能小觑Coding的影响。

：过去一年，我们都在做自己的事情，技术进展主要集中在补齐短板。一个比较清晰的趋势是，技术正在从开发者向非开发者移动。

量子位：如果用三个词限定，您能讲讲为什么Agent Infra是智能体落地应用的关键环节吗？

：三点：

• 秩序：
  让混乱的模型变得可控；

• 连接：
  打通Agent孤岛，让AI真正融入业务；

• 自动：
  让简单繁琐的任务自动化。

：我的三点是：

• 安全高效：
  让Agent安全高效地跑起来；

• 智能进化：
  通过知识库、记忆或Agent RL优化Agent能力；

• 人机协同：
  人类作为老师去教Agent。

Agent Infra的下一步

量子位：展望一下未来一到两年，甚至三到五年，Agent Infra接下来的重点方向会是哪些？

：我们最关注的是。Agent Infra和AI Infra是一种交叉关系。把Agent运行好后，会发现它的不足，然后利用产生的数据，对Agent本身和模型进行持续优化。当前的Infra体系更多服务于基础大模型的智力进化，而不是业务可用。所以Agent Infra的下一步，一定是从服务Agent的运行构建，转向服务Agent的智能进化。

：我更关注的是Agent Infra的——看清楚是哪一步理解错误，做推理链的可视化调试。还有记忆管理，不仅仅是向量搜索，还有语义化的情景记忆和可计算的时间观。Agent的记忆不该是简单的常量存储，而应该是一种变量，目标在执行过程中可能被重写、降级，所以需要对目标进行置信度处理。

量子位：回答几个观众问题。第一个问题，从你们的角度看，中小公司和个人开发者做Agent应用，最大的门槛是什么？是技术还是成本？

：都不是，应该是。既然是中小公司，肯定要赚钱，但AI Agent还没到改变整个社会商业模式的程度，新的消费和生产变革还只发生在小领域。如果想把它应用到产品中，创业者需要回到实际问题去解决，同时尝试转变自己的商业模式和形态。

：技术不是问题，大模型智力本身已经过剩。真正的困难在于企业和。

量子位：最后一个问题，如果未来Agent成为主流，会对现在的移动开发生态造成什么影响？它们会被彻底碘伏吗？

：这得从应用交互形态和开发方式两个角度来讨论。对于形态，移动端（iOS/Android）还没有人能给出确切答案。但会面临两个问题：一是APP集成Agent能力，开发者需要将思维从工程转向科学实验，转型非常大；二是利用AI Coding工具开发APP，开发者不能只用它生成代码，更要用它改变协同模式和工具体系。只有与AI工具为伍、改造研发流程、用科学实验思维驾驭不确定性的人，才能。