从 Vibe Coding
到 Agentic Engineering
一张可以倒带的 Agent 工程思想地图。不是按今天的标准给过去判分,而是回到每个节点:当时能做到什么、为什么分叉、哪些约束尚未解决,以及后来证据如何改变我们的判断。
把时钟拨回过去
改变观察日期,所有节点、评分、分叉结论都会按该时点重建。开启“事后验证”则可同时查看后来发生的事。
时间机器 ● 历史快照模式
回到某个节点,只看在那一天已经出现的证据。
—
历史节点 · 按时间生长
上方是七个理念时代,下方是可横向滚动的具体事件。◆ 标记有重大路线选择。未来节点在历史模式下锁定。
在那一天,工程师知道什么?
没有被选的路,未必就是错路
每个分叉都保留当时的收益与代价,后来以“主流路径 / 有条件适用 / 不宜默认 / 仍在探索”重新评价。点击跳转至完整决策记录。
证据、评分与历史阅读规则
用时间切片防止“现在看起来必然”的后见之明。阅读事件时,请区分发布声明、案例结果与编者推论。
三层证据,不混为一谈
- 发布事实:具体产品/论文在何时公开、声称和演示了什么。
- 当时约束:当期公开记录中提到的失败模式、成本和不确定性。
- 2026 复盘:后续文章、工程案例或独立测量如何改变对路线的判断。
“选中路线”不等于科技史上的唯一正确答案;多 Agent 与单 Agent、GUI 与 API、短会话与持久工作流长期并存。
能力 0—5 分的含义
这是一组定性编辑评分,用于观察生态整体方向;评分的变化不表示精确增益,更不等于 METR 时间跨度或 SWE-bench 通过率。后者在其原始方法下独立阅读。
不可避免的史料局限
公开发布记录会夸大成功案例的可见度。某些策略其实同期并存,没有“官方淘汰”结论。我们将路线结果标为编者归纳,并保留具体案例、使用条件和反例。历史模式隐藏后期发表的成果,不把未出现的知识倒灌回过去。
更新时间截止:2026 年 11 月 13 日。当前为静态离线知识地图;外链可用于追查原文,但不会自动更新。
独立量化指标去哪里看?
METR Task-Completion Time Horizons ↗ 以任务的人类耗时与可靠性建立长程能力刻度。
Anthropic Evals 指南 ↗ 解释 pass@k 和 pass^k 的区别。
OpenAI Harness Engineering ↗ 展示从模型能力到可交付生产系统所需的验证层。
企业内部报告与供应商 benchmark 不应直接视为独立可复现实验。