周末参加完 QCon上海，发现一个挺反直觉的现象：大家都在研究怎么让 AI 做更多事，但一些大厂工程师反而在研究哪些事情根本不需要 AI？😂 比如： 能用确定性规则解决的，就不交给 LLM； 单次模型调用能完成的，就不引入 Agent； 固定流程能跑通的，就没必要让模型反复规划； 知识库按需检索，只有高频、稳定的经验才值得固化成 SOP。 甚至多 Agent 也不是越多越好。编排、上下文传递、状态同步，本身都是成本。 这其实让我重新思考了什么叫 AI-native。 AI-native 不是把每个环节都替换成 AI，而是重新决定哪些环节需要智能，哪些环节需要确定性。 以前软件工程追求把复杂问题抽象成简单模块。 现在 AI 工程又多了一项工作：判断哪些复杂性值得保留，哪些应该被消除。 模型能力越来越强，但系统设计反而需要越来越克制。 下一阶段，真正有价值的架构能力，可能不是调用多少个 Agent，而是知道什么时候根本不该调用它。