本文揭示了AI智能体落地的残酷现实：90%工作是软件工程，仅10%涉及AI。通过冰山模型分析，水面上的10%是用户可见的AI能力(自然语言交互、内容生成)，而水面下的90%则是支撑智能体运行的软件工程(前端交互、记忆管理、权限控制、工具调用等)。这对企业落地智能体至关重要，指导架构设计、团队建设和理解B端与C端落地的差异，提醒开发者不要只关注模型而忽视工程建设。
过去两年，AI智能体（AI Agent）成为AI落地的热门方向。从 ChatGPT 的对话助手，到自动化办公、代码助手，再到多智能体协作平台，智能体被视为未来人机交互的核心形态。
然而在实际落地中，很多企业会发现一个残酷现实：
构建一个真正可用的智能体，90% 的工作是软件工程，只有 10% 才是 AI。
这一观点最早由 Rakesh Gohel 在其著名的AI Agent冰山模型中提出，并在业内引发了广泛共鸣。本文将深入解析这背后的逻辑。
图来源：Rakesh Gohel（linkedin）Rakesh Gohe
一、为什么智能体是 90% 软件工程、10% AI？
表面上，智能体看起来只是一个能理解自然语言、会自动生成结果的“大模型应用”。但真正的企业级智能体落地，远不止一个 LLM：
- AI 模型只解决“脑子”的问题
- 理解任务、规划步骤、生成内容或结果
- 这一部分就是“10% AI”
- 软件工程支撑智能体的整个“身体和神经系统”
- 用户交互、权限控制、任务编排、数据流转、工具调用、日志监控、异常回滚
- 这些工作是“90% 软件工程”，没有它们，智能体无法稳定运行
用一句话概括：
AI 决定智能体“懂不懂”，软件工程决定它“能不能干活”。
二、AI智能体的冰山模型
为了直观说明这 90/10 的关系，我们可以用冰山模型来理解智能体架构：
1. 水面上的 10%：用户可见的 AI
- 内容：自然语言交互、意图理解、文本/代码/报表生成
- 典型体验：
- C端：ChatGPT、文心一言、通义千问、Cursor
- B端：智能工单助手、报销自动审核、代码自动补全
- 核心能力：
- 大模型（LLM）语义理解与生成
- 基础任务规划与工具选择
用户看到的“智能”部分，其实只是冰山一角。
2. 水面下的 90%：支撑智能体运行的软件工程
这部分是企业真正的建设难点，主要包括：
- 前端与交互层
- Web端、移动端、企业IM（钉钉/飞书）入口
- 对话UI、任务面板、状态可视化
- 记忆与上下文管理
- 长短期对话记忆、任务链状态、文档缓存
- 典型实现：向量数据库（Milvus）、Redis/ES
- 身份认证与权限控制
- 企业级 SSO、AD/LDAP、API网关鉴权
- 确保智能体任务执行可控、可审计
- 工具与执行层
- RPA、OCR、知识库、企业系统API
- 智能体的“手脚”，完成具体任务
- 智能体编排与调度（Orchestration）
- 多智能体协作、任务拆解、工具路由
- 只有少部分是AI推理，大部分是工程逻辑和任务管理
- 可观测与日志追溯
- 任务状态监控、错误处理、操作日志
- B端智能体必须“看得见它在干活”，否则无法信任
- 数据与基础设施
- ETL、数据库、向量库、云原生容器、GPU/CPU集群
- 保障性能、可扩展性和低成本运行
总结：水面下的 90% 负责让智能体“落地、稳定、可控、可追溯”，而非展示“聪明”。
三、为什么这个比例对企业落地很重要
- 防止高估AI能力
- 只关注模型而忽视工程建设，智能体很快失效或不可控
- 指导架构设计
- 把智能体当作软件系统，而不是单个模型
- 先规划好 Workflow、权限、数据、日志、工具集成
- 明确团队建设方向
- 90% 的工作需要软件工程、架构、运维人才
- 只有 10% 是 Prompt、模型微调或推理优化
- 解释为什么B端落地难、C端快
- C端重体验，轻工程，冰山顶部就能跑 MVP
- B端重交付，必须把冰山底部的 90% 建完整
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：
- ✅ 从零到一的 AI 学习路径图
- ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
- ✅ 百度/阿里专家闭门录播课
- ✅ 大模型当下最新行业报告
- ✅ 真实大厂面试真题
- ✅ 2025 最新岗位需求图谱
所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~
① 全套AI大模型应用开发视频教程
（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）
② 大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
③ 大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
④ AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
⑤ 大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
⑥ 大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
以上资料如何领取？
为什么大家都在学大模型？
最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！
不出1年，“有AI项目经验”将成为投递简历的门槛。
风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！
这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
)
