过去两三年，我曾为多家公司的资深开发人员开展 Agent 开发培训；最近一个月，我也一直在为毕业生设计和培训 AI Agent。直到本周，
过去的一个多月里，一直在为毕业生进行软件工程与 AI 开发能力培训，直到最近才有空为 AutoDev 完善 A2A 能力的支持。顺带一提，毕业生
在过去的几年中，AI Agent 应用的开发方式经历了快速演变。生成式 AI 的高速发展，使得许多我们不久前构建的应用，很快就被视为“遗留系统”。
在AI应用快速发展的今天，框架选择和迁移策略直接影响着项目的成功。本文基于一个真实的企业级项目，深入分析从Microsoft Semantic Kernel迁移到Spring AI的完整实践过程，为同样面临技术选型的团队提供实战参考。
PS：本文的适用场景是：中大型老旧系统、大量的相同技术栈应用，即可以通过构建工具来获得规模化效应，进而在 ROI 的成本上获得更可观的收益。
2025 年注定不只是一个 “Agent 元年”，而是一个体系化跃迁的起点。在几个月过去，这个判断被不断印证，也不断被现实加速。
在那篇《AutoDev Next》的愚人节文章里，我们介绍了 AutoDev 下一阶段的一些构思和想法，而 AutoDev Remote Agent 则是其中一个重要的组成部分。
在先前《预上下文生成》的文章中，我们介绍了预生成上下文的概念和实践：
在过去的两周里，在我们开发 AutoDev Workbench 的过程中，大量地使用 AI 来辅助我们从需求分析、代码生成、测试生成等工作。