文章总结： 本文作者回顾了从开发AI自动化系统到构建agent的历程，最终认识到真正限制AI的不是模型能力而是长期记忆。作者提出未来应构建独立于模型的长期记忆与上下文系统(contextengine)，让AI能继承历史工作成果，避免重复分析。核心结论是：模型和客户端会不断升级，但项目积累的知识才是长期价值所在。 综合评分： 84 文章分类： 实战经验,ai安全,安全开发

未来，也许不用再自己开发 AI 自动化系统了

玲珑安全

2026年7月27日 15:29 重庆

在小说阅读器读本章

去阅读

以下文章来源于芳华绝代安全团队 ，作者kider AI润

芳华绝代安全团队 .

芳华绝代安全团队与君共芳华。

前言

过去很长一段时间，我一直相信，AI 最终会接管软件开发、安全测试和代码审计中的大量重复工作，因此，我也一直在尝试构建各种 AI 自动化系统。

因此，我不断尝试构建各种 AI 系统，包括 AI 代码审计、AI 渗透测试、漏洞验证、Browser Agent 、AI 自动化代码分析框架、工作流等各种自动化系统。

随着项目越来越深入，我逐渐发现，也许真正应该构建的，并不是这些系统本身。

第一阶段：AI 帮我写工具

最初，我只是把 AI 当作一名编程助手来使用。每当需要开发新的功能时，我会让它帮我编写 Burp 插件、代码审计工具、漏洞扫描器，或者生成一些 PoC。那个阶段，AI 的职责很简单，就是帮助我更快地完成代码编写，提高开发效率。

整个项目的设计思路、功能规划和技术方案，仍然由我自己负责。AI 更像是一位执行能力很强的程序员，我负责提出需求、设计架构和把控方向，它负责根据我的想法生成代码，而后续的维护、优化和迭代依然需要我亲自完成。

因此，在当时我的认知里，AI 并不是一个能够独立完成工作的系统，而是一个帮助开发者提高效率的工具，它最大的价值在于缩短开发时间，而不是替代开发过程本身。

第二阶段：AI 编写 AI 工具

后来，我开始思考，既然 AI 已经能够帮我开发工具，那为什么不能让 AI 自己去完成更多工作？于是，我开始尝试搭建一套自动化 Agent，希望把原本需要人工完成的流程全部串联起来，让 AI 能够自主分析、决策和执行。

最初，我把整个流程拆分成多个独立的模块，例如任务规划、代码分析、Prompt 构建、大模型推理、结果验证和报告生成，再通过 Workflow 将这些模块连接起来，希望实现从代码分析、接口识别、漏洞推理到报告生成的一整套自动化流程。

随着项目不断迭代，我又陆续加入了语义分析、知识库、请求重放、变异测试、浏览器同步、对象映射、身份识别等能力，希望让系统能够理解更多业务场景，完成更加复杂的分析任务。

这些功能的加入，确实让系统变得越来越强大，但与此同时，整个架构也变得越来越庞大。为了实现一个新的能力，往往需要修改多个模块；为了适配新的模型，又需要不断调整 Prompt、工作流和调用逻辑。渐渐地，我发现，自己投入的大部分精力已经不是在解决安全问题，而是在维护这套越来越复杂的 Agent 系统本身。

渐渐地，我发现，自己投入的大部分精力已经不是在解决安全问题，而是在维护这套越来越复杂的 Agent 系统。

我开始意识到，我不是在维护业务，而是在维护 Agent。

第三阶段：AI 与人工协作

也正是在这个时候，我开始重新思考，全自动是否真的是最好的方向。

很多安全分析工作本身就需要结合业务背景和人工判断。如果强行让 AI 独立完成所有步骤，不仅容易出现误判，也会让整个系统变得异常复杂。为了覆盖各种边界情况，需要不断增加规则、工作流和异常处理，维护成本越来越高。

于是，我开始调整设计思路，不再要求 AI 一次性完成整个流程，而是让它承担更擅长的工作，例如分析代码、发现可疑点、给出下一步建议；而涉及关键决策的地方，则由人工进行确认。

以越权漏洞检测为例，AI 可以先识别疑似存在风险的接口，用户确认后，系统再自动完成请求重放、结果比对和后续分析，并继续给出下一步建议。整个过程依然保持较高的自动化程度，但关键节点始终保留人工参与。

这种方式虽然没有实现完全自动化，却让系统更加稳定，也更符合实际工作场景。AI 不再试图取代开发者或安全研究人员，而是成为一个能够持续协助分析和决策的助手。

第四阶段：真正需要构建的，也许不是 Agent

就在我不断完善这套 Agent 系统的时候，Claude Code、Codex、Gemini CLI、Cursor 等 AI 开发客户端也开始快速发展。我发现，它们已经不仅仅是代码补全工具，而是逐渐具备了阅读项目、理解代码、修改程序、运行测试、调用工具等完整的软件开发能力。

这让我开始重新思考一个问题：未来，我真的还有必要花大量时间去维护一套属于自己的 AI 自动化框架吗？

过去很多需要自己设计和开发的能力，如今正在成为这些 AI 客户端的基础能力，而且它们仍在快速迭代。随着模型能力不断提升，代码理解、项目搜索、工具调用、自动修改和测试等能力都会越来越完善。

如果继续投入大量精力去重复开发一套类似的 Agent，不仅需要持续维护复杂的框架，还需要不断适配新的模型和新的工具链。相比之下，这些通用 AI 客户端会持续演进，而自己维护一套完整框架的投入却越来越大，能够带来的收益反而越来越有限。

也正是在这个时候，我意识到，也许未来真正值得投入精力的，并不是继续开发一套又一套 AI 自动化系统，而是思考如何让任何 AI 都能够更高效、更持续地完成工作。

AI 最大的问题，是无法持续工作

经过几轮尝试之后，我逐渐发现，真正困扰我的并不是模型能力。

如今的大模型已经能够阅读代码、理解业务、分析漏洞、编写程序，甚至能够完成不少过去需要人工参与的工作。它们真正缺少的，并不是推理能力，而是持续工作的能力。

一个大型项目往往包含数千个文件、数万个接口、几十万行代码，还会伴随着大量的分析记录、验证结果和历史决策。随着任务不断推进，需要参考的信息越来越多，很快就会超过模型能够稳定处理的上下文范围。

于是，一些熟悉的问题开始出现。

AI 会重新分析已经分析过的代码，重复提出已经验证过的结论，忘记之前做出的决策，甚至推翻自己几轮对话之前的判断。很多时候，并不是 AI 推理出了错误的结果，而是它已经”忘记”了之前发生过什么。

这时我才意识到，限制 AI 的已经不是模型能力，而是长期记忆能力。

真正值得构建的，是 AI 的长期记忆

当我意识到问题出在长期记忆之后，我开始重新思考整个方向。

如果 AI 每一次开始工作，都需要重新理解项目、重新分析代码、重新回顾历史，那么无论再开发多少 Agent，都只是不断重复同一件事情。

无论是代码审计、渗透测试、漏洞扫描，还是各种自动化工作流，它们最终都会遇到同一个瓶颈：AI 无法长期、稳定地继承之前的工作成果。

于是，我开始把关注点从”如何让 AI 自动完成更多事情”，逐渐转移到”如何让 AI 记住已经完成的事情”。

我认为，未来真正值得投入的，并不是继续开发一套又一套 AI 自动化系统，而是一套独立于模型之外的长期记忆与上下文系统（Context Engine）。

它的职责不是代替 AI 思考，而是在 AI 开始工作之前，自动整理当前任务最需要的信息，包括相关代码、项目知识、历史分析、验证结果以及之前已经做出的决策，再交给 AI 继续处理。这样，AI 每一次面对的都只是当前真正相关的内容，而不是重新阅读整个项目。

更重要的是，这套能力不应该属于某一个模型。

今天我们可能使用 GPT，明天可能切换到 Claude，未来也可能出现更优秀的开源模型。模型会不断变化，AI 客户端也会持续升级，但项目积累下来的知识、分析过程和历史经验不会因为模型的更换而失去价值。

因此，我越来越认为，Context 应该是一层独立于模型和客户端之外的基础能力。它保存的不是某一次对话，而是整个项目在长期开发过程中沉淀下来的知识和状态，让任何 AI 接入之后，都能够快速理解项目、继承历史工作，并继续向前推进。

未来，大模型会越来越强，AI 客户端也会越来越成熟。很多今天需要自己开发的 Agent 能力，很可能都会逐渐成为通用能力。真正具有长期价值的，不再是重复开发各种 AI 自动化系统，而是持续积累、组织和复用项目知识，让 AI 不必每一次都重新开始。

模型可以不断升级，客户端也可以不断更换，但 Context 将随着项目不断成长。我认为，这才是未来 AI 工程中真正值得长期建设的核心资产。

我的想法发生了改变

回头看自己的整个技术路线，我发现，自己的关注点已经发生了变化。

最开始，我希望打造一个能够自动完成工作的 AI 系统；后来，我希望打造一个能够自主分析、自主决策的 Agent；而现在，我更希望构建一套能够服务任何 AI 的长期记忆与上下文平台。

也许未来，我们不再需要重新开发各种 AI 自动化审计系统、AI 自动化渗透系统、AI 自动化漏洞平台，因为这些能力会越来越多地成为通用 AI 客户端的一部分。

真正值得投入时间的，是如何让任何 AI 都能够快速理解一个项目、继承历史经验、避免重复分析，并持续完成长期复杂的工程任务。

如果说未来的大模型像计算机的 CPU，那么 Context 更像操作系统保存的数据和状态。

CPU 可以不断升级，操作系统也可以更新，但真正重要的数据需要一直保留下来。

我认为，未来 AI 工程的竞争，不只是模型能力的竞争，更是长期记忆和上下文管理能力的竞争。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：玲珑安全 《未来，也许不用再自己开发 AI 自动化系统了》