工程师会不惜一切代价避免从历史中学习
软件领域拥抱 AI “agents” 正在引发人们将其与长期存在的项目管理和工程等学科进行比较，许多人认为既有的需求、协调与风险管理方法被忽视了，却又在新品牌下被重新发明。评论者争论大多数软件开发者是否配得上“工程师”这个称号，把拥有严格执照、安全裕度和历史案例研究的领域与奖励新奇、炒作和由 VC 驱动的试验的科技文化进行对照。也有人指出，重新发明工具确实有趣，有时也有用，但警告说把软件视为不受历史和跨学科教训约束，最终会导致脆弱的系统和本可避免的失败。
激励、炒作与“新奇性”
- 多条评论一致认为，巨额资金会流向那些被包装成新颖、前沿的事物，而不是流向对已知学科的正确应用。
- VC 和 IPO 的动态被描述为长期存在的“补贴”，它们在更广泛的经济压力来临之前支撑着可疑的模式。
- 有些人认为 AI/agent 炒作也是这一动态的又一轮：人们把自己过去偏爱的旧方法硬套到新的风口上。
软件开发者真的算工程师吗？
- 对软件开发者是否应被视为“工程师”存在强烈分歧。
- 一方观点：工程由正规教育、执照、职业与伦理标准，以及安全关键责任来定义；程序员在没有这些严格要求的情况下挪用了这一头衔。
- 反对观点：许多“真正的”工程师并不在意这个头衔；工程更多是一种思维方式；一些经验性调查表明，其他学科往往接受软件属于工程。
- 还有几条评论指出，非软件工程也会失败，问责同样薄弱；执照并不是普遍的保障。
从历史中学习（或不学习）
- 许多人认为，忽视历史教训是人类的普遍特征，并非工程师独有。
- 另一些人则认为，传统工程学科会明确通过过往失败来教学，而软件文化过度重视从第一性原理重新发明。
- 也有人为“重新发明”辩护，认为这本来就有趣且具有教育意义，并反感只有更早一代人才能“发现”事物这种想法。
AI Agents 与管理类比
- 一些评论者赞同文章中的类比：编排 LLM agents 类似于经典的管理、项目规划和需求工程。
- 另一些人则认为 agent 工作确实有实质性的新东西：token 成本、漂移、评估，以及完全不懂常识、过于字面化的“工人”，都不同于人类团队。
- 反方观点认为，这些差异大体上都能映射到已有问题：时间和人力成本、因检查不足导致的漂移，以及过于字面化的工程师。
流程：瀑布、敏捷与规格
- 多条评论呼应了这样一个观点：有效使用 AI 的关键主要在于良好的规格说明；大量工作会转化为前期范围界定。
- 有些人警惕不要字面意义上复活瀑布模型或 PMBOK；他们更偏好带有强需求定义的敏捷式迭代。
- 还有人指出，现实中被称作“Agile”的东西往往忽视了诸如限制在制品数量、尽量减少上下文切换等核心理念，尤其是在会议繁多的文化里。