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：

1. 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”
2. 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：

1. 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
2. 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
3. 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
4. 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
5. 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
6. 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
7. 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

1. 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
2. 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
3. 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
4. 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

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发