本文针对智能体AI（Agentic AI）系统的技术债务问题，首次系统性地提出了“智能体技术债务”（Agentic Technical Debt, AgTD）这一概念。传统AI技术债务（AITD）的研究主要基于静态的、组件级的软件架构，无法捕捉智能体AI系统所特有的自主推理、多智能体协作、工具编排、自适应决策和持久记忆等动态行为所引发的债务。作者基于先前对31种AITD的系统范围综述，采用理论驱动的转换方法论，通过直接转换、情境转换和表现扩展三种方式，重新诠释了这些债务在智能体环境中的表现形式。该研究建立了首个从传统AITD到智能体化表现的系统映射，揭示了传统债务如何演变为系统级负债，包括记忆不一致、编排脆弱性、级联故障和不安全的自主决策等。研究发现，技术债务已超越软件工件本身，扩展到智能体行为、协调机制以及智能体、工具和执行环境之间的交互。文章进一步探讨了AgTD对AI信任、风险与安全管理（AI TRiSM）的影响，强调了对可信度、治理、安全性、运营韧性和可持续性技术债务的冲击。总体而言，这项工作确立了AgTD作为软件工程的基础性概念，并提供了转换框架、分类法和研究议程，以支持自主多智能体AI系统中的技术债务管理。