Agentic Substrate：AI 原生軟體的底層架構，你可能還沒意識到它正在改變一切
「架構的重要性，等同於模型本身。」 — 證據：GPT-3.5 在 agentic 循環中達到了 95.1% 的編碼基準分數，而零樣本模式下只有 48.1%。（Andrew Ng, 2024） 你正在經歷的，不只是一次功能更新 如果你最近用過 ChatGPT、Claude 或 Gemini，你可能會有一個模糊的感覺：這些 AI 工具很有用，但你好像一直在重複解釋同一套工作流程。 今天你教它怎麼整理會議記錄。明天你得再教一次。下個月換個人用，又得從頭來過。 這不是你的問題。這是軟體架構的問題。 過去五十年，軟體的邏輯層一直在變——從編譯程式碼到執行環境、從 API 到微服務——但核心模式沒變：開發者寫死每一條路徑，使用者在預設好的框框裡操作。 而 LLM 的出現，打破了一切。 從確定性到概率性：典範轉移 傳統軟體的運作方式是 確定性的 ： 輸入 → [寫死的邏輯] → 輸出 開發者必須預先寫好每一個可能的分支。 if-else 、 switch-case 、狀態機——每一條路徑都是人肉編寫的。 Agentic 軟體的運作方式是 概率性的 ： 意圖 → [LLM 推理 + 情境] → 動態執行路徑 → 輸出 LLM 理解你的意圖，推理情境，然後動態決定執行路徑。 沒有任何開發者預先寫好那條路徑——系統即時生成它。 這不是同一個東西加了 AI 功能。這是一個全新的計算基底。 Agentic Substrate：缺失的那張架構圖 Agentic Substrate （代理型基底）回答了一個核心問題： 當 LLM 成為通用計算層，軟體應該長什麼樣子？ 它的答案可以用一句話概括： LLM 負責運算。工具負責行動。Skill 編碼工作流程。Agent 負責調度。 這四句話，定義了一個全新的軟體典範： 時代 邏輯層 介面 軟體單元 桌面時代 編譯程式碼 GUI 視窗 應用程式 行動時代 執行環境 觸控螢幕 App 雲端時代 API + 微服務 瀏覽器 服務 代理時代 LLM 推理 對話 Skill 關鍵不是「AI 功能加到現有 App 裡」，而是一種全新的底層架構——LLM 是邏輯層、Skill 是功能單元、Agent 是調度者。 五層模型：看懂 AI 原生軟體的架構 要理解 Agentic 系統如何運作，我們需要一個分層模型。這不是我憑空發明的——它來自觀察 Claud...
