摘要

Solomon Hykes 的核心押注是：编程 Agent 需要一层可移植的环境，这借鉴了 Docker 在早期云计算浪潮碎片化时期所发挥的作用。 开发者正从使用单一 IDE 助手转向管理并行 Agent 团队，实际上开始承担平台工程师的职责，为 AI 工作者提供运行条件。环境“不是最强大的部分”，却是“连接其他一切的关键枢纽”。
Dagger 正被自身社区从开发后的 CI/CD 流程拉回编程环节。 其基于容器的工作流引擎已经让构建和测试具备隔离性、模块化和跨本地机器与 CI 的可移植性。Hykes 如今认为，这些特性同样是防止多个 Agent 互相破坏工作的必要条件。
Agent 环境应当具备隔离、可移植、可观测、多人协作等特征，并独立于任何模型、云或 IDE。 人类需要检查 Agent 的推理、工具和环境状态，然后“拿过键盘用一下”，验证它所说的工作已经完成。Hykes 认为，市场反而正在走向专有的垂直整合巨型系统，重演 Docker 出现前的碎片化。
现有 Docker 工具不能简单贴到 Agent 工作流上。 Dockerfile 起初只是 2013 年的“权宜原型”，Compose 后来被缝合进系统，并因普及而事实上冻结；两者都不是为 Agent 原生设计的。Hykes 认为，新 UX 仍可建立在容器、Git、OpenAI API 规范和 MCP 等成熟基础组件之上。
CI/CD 与 Agent 运行时很可能围绕事件驱动工作流和可追溯产物逐步合流。 Hykes 预计，未来会出现“工作流运行 LLM，LLM 运行工作流，一层到底”的局面，而 CI 越来越像事件、任务调度和算力的承载层。编程 Agent 的差异化在于溯源：团队必须知道某个二进制文件是否可复现，还是来自“一个失控的模型”。
本地执行是 Hykes 判断一个 Agent 平台能否普及的试金石。 云厂商自然会针对自有基础设施优化托管 VM、Trace 和模型访问，但开发者不希望本地使用被当成事后补丁。他说，一款仅支持托管的产品可能是“很棒的商业解决方案”，也能赚钱，但不会成为 Agent 开发的标准。
Dagger 的策略是保持模块化组件定位，而不是端到端掌控身份认证、UI、存储和网络。 它可以把现有 CI 系统转成“基本只是傻瓜式 Runner 基础设施”，无需取代原系统，以平台完整性换取广泛集成。Hykes 表示，这个市场更看重开发者体验和生态，而非规模，因此初创公司无需获得大型云厂商许可，也有机会胜出。

精读

1. 编程 Agent 正在把开发者变成平台工程师

Hykes 介绍了成立已有 6 年的 Dagger：这是一个开源工作流引擎，用运行在容器中的模块化代码，取代构建、测试和交付流水线中的“手工脚本”。Dagger 早期用户主要是平台工程师——负责设计和运营软件工厂的人——他们经常陷入“鞋匠没鞋穿”的困境，不得不靠 Bash 和 YAML 自己拼装工具。
Dagger 最初主要介入代码保存之后的流程，改善从构建、测试到生产环境的路径。随后，社区开始把 LLM 接入工作流，并在 CI 中运行 Agent，推动公司向上游进入开发本身。
Hykes 认为，转折点在于：IDE 里的单个 Agent 变成一支编程 Agent 团队，开发者的工作也从亲自完成每一项改动，转向让其他参与者高效工作。这些“其他参与者当然是 AI”，而每个 Agent 都需要干净的环境，不能让多个工作者挤在同一个会不断变化的笔记本工作区里互相冲突。

2. 环境是 Agent 技术栈缺失的独立层

容器仍是 Hykes 进行隔离执行的基础单元，但完整环境还必须支持 Agent 并行工作且互不干扰，能够跨模型、云和 IDE 迁移，并暴露从模型活动、工具调用到最终状态的全部信息。
人类也必须能够与 Agent 共享这个环境。当 Agent 说“我完成了”，操作者应当可以检查结果，然后说“把键盘给我用一下”，而不是相信一次不透明的后台运行。
主持人的实际反驳很尖锐：如今可以通过 Docker Compose exec 强行驱动 IDE Agent，但它做出的改动可能无法回写 Dockerfile 或 Compose，而这个接口既消耗运行周期，也没有把成果保留下来。Hykes 同意这是设计失败，而不是容器的问题：“不能把现有工具原样贴到新工作流上，然后指望一切完美。”
他对历史的让步很重要：“我们在 Docker 上拼尽了全力”，但 Dockerfile 只是 2013 年的权宜方案，Compose 是后来缝合进系统的，普及又让两套接口都变得难以修改。新的 Agent 原生 UX 仍然可以复用容器、Git、OpenAI API 规范和 MCP，而不必重新发明每个基础组件。

3. LEGO 是可编程 Agent 基础设施的范本

Hykes 把环境和工作流比作工厂：“没人会去工厂商店买一座工厂。”每种产品都需要不同的工厂，因此过度可定制的工具会浪费用户时间，而过度简化的工具又无法适配用户的技术栈。
LEGO 是他的参照系，因为一个经过精心设计的组件，可以支撑一个更大的组合系统。采用另一套标准成本很高，意味着“所有东西都要再多操心一份”，因此这些组件必须通过节省时间或资金来回报这笔成本。
这种模块化也模糊了传统分类。Temporal 一类的应用运行时与 CI/CD 系统都涉及异步事件、调度和算力；Hykes 预计，编程 Agent 会让两者合流，形成“工作流运行 LLM，LLM 运行工作流，一层到底”。
即使不涉及实时语音或视频，编程仍然存在特殊的溯源问题：产物必须可重复、可追踪。团队需要判断某个二进制文件是否遵循了可复现流程，还是“由一个 Agent——一个失控的模型——创建”。

4. 以托管为先的基础设施要接受本地执行检验

Vibe coding 以及哪怕只使用一次的应用，都进一步推高了对快速启动和销毁、细粒度隔离及低成本的要求。用户之所以走捷径，是因为现有工具无法把环境拆分到“那么小、那么便宜”，也无法在不大量打补丁的情况下快速启动。
仅有容器还不够：并行 Agent 还需要隔离的文件，因此团队会把容器执行与 Git worktree 结合起来。Hykes 看到厂商正在组装这些组件，但提醒说，托管式 AI 公司天然会把环境理解为自有基础设施上的另一批快速、廉价 VM。
他的试金石很简单：“它支持本地执行吗？开发者能在本地运行，并且用得开心吗？”CI/CD 薄弱的本地体验，以及各类项目在本地模拟 GitHub Actions 时遇到的困难，都说明一旦本地执行成为事后补丁，兼容性会有多难。
Hykes 对商业产品与标准的区分是绝对的：仅支持托管的环境可以是“很棒的商业解决方案”，也可以“赚很多钱”，但无法普及到足以为编程 Agent 的开发建立统一标准。

5. Dagger 押注界面质量可以胜过平台规模

当被问及在 Dev Containers 等竞争方案并存的情况下，什么会促使大型云厂商或实验室采用 Dagger 时，Hykes 拒绝预测行业整合：“每个人都应该尽力而为，设计出最好的解决方案。”
与基础模型不同，基础模型的规模会压缩可能胜出的玩家范围；Agent 环境主要是开发者体验和界面设计的竞争。小团队仍然拥有杠杆，但社区和生态依然决定成败；在这一层，初创公司“确实不需要获得许可”，可以直接建立势能。
Dagger 有意不做一个拥有专有身份认证、UI、存储和网络的端到端平台。它会适配现有技术栈，包括传统 CI；后者可以被简化为“基本只是傻瓜式 Runner 基础设施”，同时继续留在系统中。
主持人把下一步可能出现的方向称为“生成式基础设施”，即由 LLM 生成自己的基础设施，并表示让 Agent 获得一个 AWS 账户后“放手去折腾”很棘手。Hykes 提醒，这种方式“很容易带来大量开支”。此外，他认为即将到来的主题演讲有“50% 的概率”会包含超出工作坊的新成果，前提是能及时准备好。

AI专家激辩：AI失业、隐私终结与AI战争开端——Mo、Salim与Dave 176 Muddy Waters 的 Darren McLean 谈矿业投资