AI工程学:面向智能任务可靠交付的学科纲领

摘要

大模型及其Agent系统已经能够生成代码、规划任务、调用工具并修改真实工程状态,但能力增长尚未同步转化为复杂任务的可靠交付。现有研究已分别从模型能力、上下文、检索增强、Agent架构、软件工程、评测、可靠性与安全保证等方向处理相关问题,但这些成果之间仍存在一个需要进一步组织的问题:如何以智能任务的可靠交付为统一轴,将能力结构、任务—能力匹配、过程观测和工程干预连接起来。 本文在KSC、SCR和多轮审计收敛(Multi-Round Audit Convergence,MRAC)三项前置研究基础上,提出AI工程学的一套初始学科纲领。本文将AI工程学的核心研究对象定义为:智能系统在开放、复杂且约束持续存在的任务中实现可靠交付的条件、机制、方法与基础设施。在这套初始基础架构中,KSC作为智能能力抽象框架,描述智能任务所需的能力结构;SCR作为交付可靠性的关系理论,解释有效搜索空间、覆盖能力与交付可靠性之间的关系,并导出搜索空间治理这一主要工程方向;MRAC则作为覆盖状态的过程观测机制,在缺少完备外部验证器时,通过多轮审计—修复轨迹提供二阶信息。 围绕智能任务的可靠交付,AI工程学至少需要处理三个无法直接绕过的基础问题:能力限制发生在哪里,什么条件下有限能力能够形成可靠交付,以及在覆盖边界无法被直接完整测量时,如何通过过程证据判断系统是否处于可靠处理范围。 KSC、SCR与MRAC分别提供能力坐标、可靠性关系和过程观测机制。 AI工程学通过持续积累证据识别能力边界和治理效果,并在任务接近或超出覆盖边界时,通过比较、回退和重新拆分恢复可靠性。一个重要的远期目标,是逐步构建能够在明确任务域内、以较低人工介入承担复杂项目交付的项目级闭环,并持续扩展其覆盖边界,即向工程AGI逼近[5]。