「Agentic 工程栈」七层图解：agent 效力取决于周边工程基建
Pavan_Belagatti · x · 2026-11-07
作者基于几个月的 agent 实验提出：AI agent 的效果上限取决于围绕它的工程基建，再强的模型和编码 agent，缺了上下文、工具、权限和可观测性也干不了多少活。他给出七层「Agentic Engineering Stack」：
- Interfaces（发需求）：Port、Slack、Jira、Linear
- Coding Agents（写代码）：Claude Code、Codex、Copilot、Cursor
- Models（推理引擎）：Claude、GPT、Gemini、Llama
- Context & Knowledge（agent 该知道什么）：Port Catalog、GitHub、Confluence、PagerDuty
- Tools / MCP（agent 能操作什么）：MCP、Kubernetes、AWS、Terraform
- Guardrails（agent 被允许做什么）：Scorecards、Snyk、Okta、Vault
- Delivery & Observability（交付与验证）：GH Actions、Argo CD、Datadog、Sentry
配图为 Port.io 的平台宣传图（Port 在多层反复出现），观点框架有参考价值但带有明显厂商营销属性。
「编程与Agent」频道最新
- 开发者设计带 Hindsight 记忆的网络安全调查 Agent — Adventurous-Ant-9370 · 2026-11-07
- 健身 App 独立开发者复盘：LLM 答差的根因多在上下文而非模型 — Aksel_010 · 2026-11-07
- RL Judge 如何影响模型推理质量：细粒度信用分配实验博客 — tokenbender · 2026-11-07
- 基于两年日记构建的 agent 检索层 Enzyme 开源，省 40% token — _AustinCalvert_ · 2026-11-07
- 阿里 Qoder 现身神秘模型 Qoduck，个人用户限时免费 — hey_abusiddik · 2026-11-07
- Agent 自治权应分级挣得：先建议、后行动的产品设计思路 — Few-Garlic2725 · 2026-11-07