在软件开发一线，“智能体型开发”正在迅速扩散，企业引入AI的方式也因此发生重大变化。诊断指出，比起依赖特定供应商，构建一个同时运营多种AI模型和智能体的“多模型AI”体系正成为核心课题。
JetBrains s.r.o. 业务开发副总裁米哈伊尔·温克在谷歌云Next现场接受采访时指出，近期开发环境的变化速度远超市场预期。JetBrains是一家全球有1500万开发者使用的集成开发环境（IDE）公司。温克表示：“这个月是Anthropic，下个月是Gemini，新的AI功能层出不穷”，并指出开发者要想获得市场最佳成果，就必须能够灵活运用多种模型。
他特别解释道，“智能体型开发”的真正难点与其说在于代码生成本身，不如说在于其后的基础设施构建。企业若要将AI应用于实际业务，就必须控制多个智能体，连接数据、上下文和内存层，甚至要将外部工具和流水线有机地整合起来。这意味着，超越简单实验层面的企业级AI环境，其所需的复杂结构远超想象。
代码生成虽变简单，但运营与控制更为重要
温克强调，智能体要正常运行，“上下文”和“实际数据”是必需品。为此，他认为必须同时实现与模型上下文协议（MCP）服务器的连接、结构化数据传递以及可持续开发环境的设置。他解释说，如果缺乏这些基础，AI生成的结果可能会脱离现实工作。
JetBrains表示，顺应这一趋势，他们正在构建一个治理平台，用于追踪成本、管理模型访问权限，并分析开发者实际采纳AI建议的程度。其判断是，从企业角度看，只有能一目了然地掌握AI的使用量、效率和控制水平，才能实现大规模引入。这意味着，随着AI应用的扩大，与性能竞争同等重要的是“治理”和“可见性”。
开发者的角色，从编写者向“编排者”转变
此次变化也在改变开发者自身的角色。不再像过去那样止步于直接编写代码，如今协调多个AI智能体和模型的“编排者”角色正变得更加重要。与此同时，对质量保证、安全验证以及算法理解能力的要求也达到了更高水平。
温克将“批判性思维”视为质量管理中最重要的因素。他认为，不是直接批准AI提供的结果，而应深入理解系统的工作方式，并亲自验证生成的算法。这表明，即使AI提高了开发生产力，最终的责任和判断权仍然掌握在人类开发者手中。
归根结底，在智能体型开发时代，竞争力并非仅仅取决于使用最新模型。那些能够灵活组合多种AI、安全控制它们，并且能够管理产出质量的体系化企业，才更有可能在未来掌握软件开发的主动权。
TP AI注意事项 本文使用TokenPost.ai基础语言模型进行了摘要。正文主要内容可能被遗漏或与事实不符。 ```