技巧多源确认精选

斯坦福讲师 Mihail Eric 拆解"软件工厂":Agent 全流程开发中人的角色转向管理

精选理由

想搞清楚 Agent 开发到底怎么落地的话,这张图很值得存。它把分诊、实现、审查、核验的编排结构画得非常清楚,还给出了"回放历史 PR 当基准"这种能直接抄的做法,适合正在搭自动化开发流水线的工程师。

斯坦福课程 CS146S 讲师 Mihail Eric 发布了一张"软件工厂"组件图,描述 Agent 承担开发执行、人转为管理者的完整架构。顶层用代码定义工厂:Skills、规则与 AGENTS.md、自动化配置约束每个阶段;触发源包括 Slack、Linear、GitHub issues、定时任务和告警。

正文

编排循环依次经过分诊、规格、实现、审查、核验,之后进入发布环节(拉取请求、合并、部署),再监控错误与用量。规格需人批准,审查按风险分级,实现跑在隔离沙箱里且不带生产凭证。核验侧由 AI 评判打分、测试与 CI、以及实际操作环境检查组成;监控发现的新问题回流到分诊,观察用的 Agent 甚至能给工厂定义提 PR。

他强调三条原则:Agent 必须能独立启动仓库才具备建厂资格;无论改动来自谁,CI、静态分析、测试和 AI 审查是同一道关;缺陷漏过后要转成文档、技能或 lint 规则,让缺陷率持续下降。度量指标是每个 PR 的成本、周期时间和人工介入次数,代码行数与 token 数不在其列。

原文 · shao__meng

斯坦福课程「CS146S: The Modern Software Developer」老师 Mihail Eric 画出软件工厂组件图:Agent 先能独立启动仓库,每次改动过同一道关,人从执行者变成按风险管理 定义管全程,编排循环里做完再发出去 图的顶层是工厂定义,用代码来管:Skills、规则和 AGENTS.md、自动化配置,约束每一个阶段。 左边是触发源:Slack、Linear、GitHub issues、定时任务和告警。 中间是编排循环:分诊、规格、实现、审查、核验,然后进入发布:拉取请求、合并、部署,再监控错误、告警和用量。规格要人批准,审查按风险分级,核验还有产品检查。实现跑在隔离沙箱里:每次 Agent 运行一台,不带生产凭证,隔离本身就是权限边界。 核验一侧是 AI 评判和打分、测试与 CI,以及实际操作环境里的检查。监控里冒出的新问题会回到分诊;还有观察用的 Agent 会给工厂定义提拉取请求,等于工厂也能改自己。 底下的度量是每个拉取请求的成本、周期时间和人工介入次数。 同一道关,失败要回写进系统 无论改动是谁或什么提出的,都要过同一道关:CI、静态分析、测试和 AI 审查,再用 AI 评判对照规格给整次运行打分。 他写最好的基准是自家历史:回放过去的拉取请求,比较不同模型和配置在成本与质量上的表现。缺陷漏过去时,要把原因记下,做成文档、技能、检查规则或工具,让缺陷率随时间下降。 Agent 跑偏,是在提示工厂该改进。人的角色从执行者转向管理者:同步做计划,异步去执行,按风险分流审查,安全、数据和支付仍由人把关。度量看每个拉取请求的成本、周期时间和人工介入次数,代码行数和 token 不在他列的指标里。 Mihail Eric @mihail_eric Here are all the components of what people call a software factory. A few of the core principles: 𝗔𝗴𝗲𝗻𝘁 𝗿𝗲𝗮𝗱𝗶𝗻𝗲𝘀𝘀 𝗰𝗼𝗺𝗲𝘀 𝗳𝗶𝗿𝘀𝘁. An agent needs access to the tools a task requires, an isolated environment to run in, and a repo it can boot and verify on its own. If an agent can't start your dev environment without a human, you can't build a factory yet. 𝗘𝘃𝗲𝗿𝘆 𝗰𝗵𝗮𝗻𝗴𝗲 𝗰𝗹𝗲𝗮𝗿𝘀 𝘁𝗵𝗲 𝘀𝗮𝗺𝗲 𝗯𝗮𝗿. CI, static analysis, tests, and an AI reviewer check every change no matter who or what prompted it, and an AI judge grades each whole run against the spec. The best benchmark is your own history: replay past PRs to compare models and setups on cost versus quality. 𝗘𝘃𝗲𝗿𝘆 𝗳𝗮𝗶𝗹𝘂𝗿𝗲 𝗶𝗺𝗽𝗿𝗼𝘃𝗲𝘀 𝘁𝗵𝗲 𝘀𝘆𝘀𝘁𝗲𝗺. When a defect slips through, capture why and turn it into a doc, a skill, a lint rule, or a tool, so the defect rate falls over time. An agent going off the rails is a signal to improve the factory. The human role moves from worker to manager. Plan synchronously, execute asynchronously, and route review by risk so people still own security, data, and payments. Then measure cost per PR, cycle time, and human touches per PR, not lines of code or tokens. 🔗 View Quoted Tweet📊 4 ⚡

产业坐标与信源核验

本条情报归属 AITOP「技巧」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:软件工厂、智能体、AGENTS.md、CI/CD,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「shao__meng」(@shao__meng),经 AITOP 多维评分管线结构化提炼。截至目前,全网已有 8 家独立信源对该事件进行交叉印证与跟进报道(含 Guillermo Rauch、coderabbitai、ChatGPT 等),属于近期高关注度行业信号。