【2026】什么是智能体工程（Agentic Engineering）？Karpathy 提出、Google Agents CLI 改变正式开发

「想制作 AI 智能体。但做出真正可用的东西，比想象中难得多……」

有这样的烦恼，对吧？其实在 2026 年，AI 行业最受关注的词汇之一就是 「智能体工程（Agentic Engineering）」。提出它的是曾在 Tesla 和 OpenAI 活跃的传奇工程师 Andrej Karpathy 先生。

在 X（原 Twitter）上播放量 42.7 万的热门帖（@akshay_pachaar 先生）所介绍的文章《Karpathy's Agentic Engineering Finally Has Proper Tooling》报道称，Google 公开了「Agents CLI」这一工具，使这种新开发方法一下子变得现实。

本文把内容咀嚼成通俗易懂的语言，为初学者彻底解说。

读完本文，你将了解：

「智能体工程」到底是什么
与单纯的「让 AI 做」有何不同
Google Agents CLI 如何让开发变轻松
初学者应该按什么顺序学习

「智能体工程」是什么？先从词汇含义说起

一句话概括，就是 「以生产（实际可用）级别设计・开发 AI 智能体的『技术体系』」。

Karpathy 先生在红杉资本的「Sequoia Ascent 2026」活动上定义了这个词。重要的是，它与「vibe coding（凭感觉写代码）」明确不同。

用 Karpathy 先生的话说，智能体工程就是 将「生产级（production-grade）的智能体开发」与「随意的 vibe coding」区分开来的学问。

对比	vibe coding（氛围编码）	智能体工程
姿态	「总之让 AI 做出能动的东西」	设计规格・评价・安全性
评价	自己看着「还行」就结束	用自动评价（eval）数值化
安全性	不太在意	监控・验证为必须
输出	试玩级别	生产运营级别

智能体工程的 3 个核心技能

1. 规格设计（Spec）

明确定义智能体「应该做什么・不该做什么」。

输入・输出的定义
边界条件和异常处理
评价标准的明确化

2. 评价循环（Eval Loop）

制作自动测试智能体质量的机制。

用数据集自动评价
持续回归测试
数值化改进效果

3. 安全监控（Security & Monitoring）

将日志记录・权限管理・异常检测设为必须。

Google Agents CLI 是什么？

Google 公开的 Agents CLI 是统一执行智能体开发的命令行工具。

功能	内容
构建	用 ADK（Agent Development Kit）构建智能体
评价	执行自动 eval 并数值化质量
部署	一键部署到云环境
监控	确认运行日志・性能指标

基本使用

# 安装
npm install -g @google-agents/cli

# 创建新智能体
agents init my-agent

# 运行评价
agents eval my-agent

# 部署
agents deploy my-agent

与以往开发的差异

项目	以往	Agents CLI
工具	构建・评价・部署用不同工具	一个 CLI 贯通
评价	人工确认	自动 eval 数值化
部署	手动设置	一条命令
入门	环境搭建很麻烦	npm 安装即开始

初学者的学习顺序

先掌握概念 —— 通过本文理解规格・评价・安全
导入 Agents CLI —— 实际触碰，体验构建→评价→部署的流程
体会评价循环的重要性 —— 制作自己的 eval，数值化改进

按这个顺序，几周后就能亲手做出「生产级智能体」。

总结

「智能体工程（Agentic Engineering）」 是以生产级质量制作 AI 智能体的方法论。Karpathy 先生提出，以 3 个技能（规格设计・评价循环・安全监控）为核心。

以往「工具分散很麻烦」，但随着 Google Agents CLI 的出现，用一个编码智能体就能一贯地完成构建→评价→部署。

※ 本文为信息提供目的。Google Agents CLI 和 ADK 的内容基于官方发布・文档。最新规格请在各官方网站确认。