AI 软件工厂：先建关卡再派 Agent
How to Build an AI Software Factory: Agents That Open, Review, and Merge PRs
AI 软件工厂的核心不在于 Agent 本身，而在于围绕它构建的五个关键关卡：Intake、Isolation、Tools、Verification 和 Merge gate。从 Sentry 的 Seer 到 Stripe 的 Minions，再到 Spotify 的 Fleetshift，成功的企业都在大规模部署 Agent 之前，先建立了严格的筛选与验证机制。生成代码的成本随投入线性增长，但人工审核的产能却难以扩展，这种不对称性才是设计的真正难题。真正的软件工厂是队列驱动的，环境可丢弃，且验证先于人工审核。只有当系统能自动处理从任务分配到代码合并的全流程，人类只需在最终问责环节介入时，AI 才能真正从演示走向规模化生产。
AI 改变了代码生产的经济学：一个拥有良好判断力的人，仅凭一部手机，就能比整个团队更快地生成 PR。
HN 评论区
13- Incipient
我目前分别使用 fable 和 opus，比例大概是 25% 和 75%。我有一套三步走的流程：先讨论一个主题并生成评审文档，再把评审文档转成任务文件并更新设计文档，最后把任务文件实现为代码。通常一次变更会实现 300 到 1000 行代码，如果是新 UI 页面之类的，行数会更多。
说实话，效果真的非常棒。
- 50% 的情况下，它生成的代码我直接全盘接受。
- 25% 的情况下，它可能做了一个我不喜欢的选择，或者实现方式不是我想要的，所以我得稍微调整一下。
- 10% 的情况下，它没必要地创建了半重复的函数逻辑，导致代码量激增，执行路径也变得难以理清。
- 10% 的情况下，它镜像了不该镜像的业务逻辑，并微妙地改变了它。修复这些问题需要大量的干预。
- 5% 的情况下，它完全跑偏了。比如它决定把业务/应用逻辑放在数据库里。
“提示词 + 检查”这套组合拳确实非常有效（不过我还在等更多付费客户的测试数据！），但要是搞一个全自动的 Agent 流水线？我持怀疑态度。最后那 15% 的情况会让代码库迅速退化。
另外，如果没有 CC 订阅，按 Token 付费的话，用我的这套方法成本会高得离谱。
- notatoad
这篇文章似乎很好地总结了这里涉及的概念，但我就是非常讨厌 Claude 的写作风格。
这明显是内容营销，至少在发布前过一遍审核吧……如果你的营销内容都是未经打磨的 AI 垃圾，那我只能假设你的产品也一样。
- joshheitzman
软件工厂我们已经有几十年了。它们通常被称为编译器、链接器、工具链等等。