软件时代，公司买SaaS。AI时代，公司自己造软件。

上周和一个做SaaS创业的朋友聊天，他说了一句话让我印象深刻：

“我感觉自己正在被夹在中间——一边是大模型厂商天天发新能力，一边是客户问我‘能不能直接用AI做，不买你们家软件了’。”

这不是他一个人的焦虑。

就在几天前，AI终端公司Warp的创始人Zach Lloyd抛出一个预测：

在未来一年内（也就是到2027年左右），凡是员工超过50人的公司，几乎都会至少配备一名全职的“Agent Builder”（AI代理构建师），专门负责开发公司内部用的AI Agent。

这些内部Agent的作用是：自动化原本昂贵、重复或耗时的内部流程，从而取代一部分SaaS工具，显著降低成本。

如果这个预测成立，它意味的不是一个新岗位，而是一种新的公司结构。

一、从“买软件”到“造软件”：一个时代的转弯

过去二十年，公司解决效率问题的方式只有一种：买软件。

公司流程大致是这样：

人 → SaaS工具 → 结果

于是SaaS公司越来越多：CRM、HR系统、BI工具、客服系统、自动化平台……一家中型公司每年在SaaS上的花费，往往是几十万到几百万元。

但AI Agent出现后，事情开始改变。

越来越多公司开始做另一件事：自己造软件。

新的结构变成：

人 → AI Agent系统 → 结果

这就是Agent Builder出现的原因。

二、什么是Agent Builder？

简单理解：AI流程工程师。

他们不一定写很多代码，但他们设计一件更重要的事情：公司的AI工作系统。

他们的工作通常包括四件事：

第一件：设计AI工作流程

例如一个销售Agent：

• 自动抓取LinkedIn

• 自动抓新闻

• 自动整理公司动态

• 自动生成客户报告

• 自动推送销售团队

原本需要几个人完成的工作，现在变成一个代理系统。

第二件：连接工具

Agent Builder要把AI和企业系统连接起来，例如Slack、CRM、Notion、数据库、内部API。这些连接完成后，AI才能真正“做事”。

2025年，Model Context Protocol（MCP）已成为Agent与工具集成的标准协议，大大降低了连接难度。

第三件：训练和调整代理

包括：Prompt设计、工具调用逻辑、错误处理、安全边界。

很多AI系统真正难的不是“能不能做”，而是“能不能稳定做”。

第四件：监控AI系统

例如：成功率、成本、错误率、速度。

换句话说，Agent Builder其实在做一件事：管理AI劳动力。

三、为什么这个岗位会突然出现？

背后有三个结构性变化。

第一个变化：AI Agent正在取代自动化工具

过去的自动化：Zapier、RPA、API脚本——特点是固定规则。

而AI Agent的特点是：理解上下文、自己规划步骤、调用不同工具、完成复杂任务。

简单说：过去自动化是流水线，现在AI更像数字员工。

第二个变化：SaaS的经济模型正在被挑战

很多公司开始发现：一个AI Agent可以替代部分SaaS。

例如客服Agent、数据分析Agent、销售助理Agent。一个Agent的成本可能只有几十美元一个月，而SaaS可能是几万美元一年。

这就是为什么很多投资人开始说：AI Agents可能是SaaS的最大威胁。

根据Prosus的观察，2025年模型能力已经商品化，真正的价值正在向编排层和应用逻辑层转移。

第三个变化：AI编程正在降低软件成本

Zach Lloyd在一次访谈中提到：Warp的代码已经有60%是AI写的。对于一个拥有百万行代码的项目来说，这几乎是不可想象的事情。

但这意味着一件事：内部工具开发成本正在急剧下降。过去需要一个团队，现在一个工程师加AI就能做很多事情。

四、Agent Builder是什么样的存在？

很多人以为AI时代最重要的职位是Prompt Engineer。但行业现在越来越清楚：这个职位很可能只是过渡。

真正重要的能力变成：系统设计——如何设计AI工作系统。这正是Agent Builder的核心能力。

来看看真实的市场行情。

Decagon（一家获得Bain Capital Ventures、a16z等投资的AI公司）正在招聘“Forward Deployed Engineer, Agent Builder”，薪酬范围是17.5万到23万美元（约125万-165万人民币）加股权。岗位职责包括：端到端执行企业客户的AI代理构建、编写和维护代理构建文档、配置代理行为以优化质量和可靠性、设置和验证客户系统集成。

阿里云开发者社区的分析给出了国内参考：

初级搭建师（0-2年）：25-40万人民币/年

中级搭建师（3-5年）：40-80万人民币/年，通常有期权激励

高级/首席搭建师（5年以上）：80万-200万+人民币/年

这种高薪是对其“AI原生思维”和将复杂技术转化为商业价值能力的直接奖励。掌握Agent搭建技能，意味着在未来十年都将拥有极高的职业议价能力。

五、但是

当然，话要分两头说。

钛媒体最近发了一篇很有意思的文章，标题叫《企业智能体“三宗罪”》。观点很犀利：

第一罪：总觉得自己怀才不遇，老板不懂AI

通用智能体（比如Manus、OpenClaw）一上热搜，老板眼睛就亮了。企业智能体觉得自己“扎根业务、能落地”，委屈老板怎么总被网红AI忽悠。

但诚实点说：老板想要的是能把模糊想法直接变成行动的AI——这才是数字员工的真正期待。企业智能体作为一个“过渡期方案”，被每一次通用智能体爆火掩盖，很正常。

第二罪：眼高手低，误把一时当永久

通用智能体在进步。2025年基础模型升级后，多步骤推理的准确性显著提升，MCP等协议让它们能灵活调用工具，长上下文能力让它们能理解复杂业务背景。企业智能体引以为傲的“懂行”优势，正在被覆盖。

第三罪：贵且无用，性价比堪忧

企业智能体像团队里的“中层”——干的活比基层少，拿的钱却多得多。开发需要大量人力定制，复制成本高；结果定价难，客户不愿为不确定的价值付高价。性价比成了最大硬伤。

六、还有一个问题

这引出一个更深的问题：Agent Builder这个职业本身，会不会被淘汰？

有焦虑很正常。阿里云另一篇文章专门讨论了这个话题：AI Agent搭建师正面临“夹层困境”——上受大模型自主推理冲击，下被低代码平台挤压。

上面的压力：早期搭建师的核心工作是设计提示词引导模型思考。但现在的大模型天生就有规划能力，靠“提示词技巧”吃饭正在贬值。

下面的压力：低代码平台让非技术人员也能拖拽出七八成可用的智能体。如果只会“套壳”，确实没什么不可替代性。

破局的关键是转型：

第一，把企业复杂规矩变成AI能严格执行的逻辑。大模型懂通用推理，但不懂你公司的“业务记忆”和“规则红线”。高阶搭建师能把模糊的流程变成AI能执行的步骤——这不只是技术，是业务理解力。

第二，建立自动测试体系，用数据证明价值。拿出“这次迭代把AI幻觉率降低了15%”——你的价值就不依附于大模型，而是建立在实打实的工程结果上。

第三，给AI建“防呆系统”。大模型的输出是概率性的，偶尔会“抽风”。但业务场景要求100%可控。搭建师的职责就是设计这些“防呆机制”：固定输出格式、高风险环节加人工确认、让AI输出前自我审查。

Workato提出了一个三阶段框架：

探索者：还在实验阶段，没生产环境

构建者：已经部署但效果有限，在跨系统流程上挣扎

领导者：规模化AI原生产品，操心治理、合规、可观测性

绝大多数团队还在第一或第二阶段。这意味着——机会窗口还没关。

很多人把AI想象成一个工具。

但越来越多迹象表明，它更像是一种新的劳动力形态。

当一家公司拥有几十个AI Agent时，它其实已经拥有了一支新的团队。这时候问题不再是“AI能做什么”，而是“谁来管理AI”。

这也是为什么越来越多公司开始思考：他们是否需要自己的Agent Builder。

如果把这个变化放在更大的时间尺度上看，它其实是一个非常典型的技术周期。

软件时代，公司依赖SaaS。

AI时代，公司开始拥有自己的智能系统。

这不是岗位变化。

这是组织结构的变化。

而我们大概率正站在这个变化的起点。