Wink Pings

软件工程正变成工厂工程,但瓶颈还是质检

Ben Holmes说,软件开发已经从写代码、写提示词,演进到设计一整个agent系统。他称之为“工厂工程”。软件工厂怎么搭,用什么指标衡量,为什么评论区在吵“质检跟不上”?这篇文章把概念、方法和质疑一起说清楚。

Ben Holmes 在 X 上发了一篇长文,标题直白:软件工程正在变成工厂工程。Zach Lloyd 转发时补了一句,这是给刚听说“工厂工程”的人一次很好的入门。

Ben Holmes 来自 Warp。他的核心判断是,软件开发已经完成三次位移:从写代码,到写提示词,再到设计一个运行在提示词之上的 agent 系统。这不再是简单的编码问题,而是系统设计问题,并且给整个行业带来了新的活力。

他把软件开发拆成三个环节:规划、实施、审查。在 agent 出现之前,实施是深度工作的主体,剩下的时间才留给架构讨论和代码审查。现在 agent 承担了大部分实施,平衡翻转了。如果只是把省下的时间用来加速,你可能会觉得工作变成了 20% 开会、80% 打杂。

但在这些琐碎背后,新的工程问题出现了。规划时,agent 该在什么节点把人拉进来?实施时,怎么平衡代码质量和成本,agent 能接触哪些密钥、MCP 工具和技能?审查时,如何让 agent 自己先验证工作,并在 PR 里附上风险评估,而不是把 10 倍速的 PR 全部丢给人类?

Ben Holmes 由此定义了两种新角色。产品工程师,决定产品需要什么、如何架构。工厂工程师,负责构建软件工厂,一个围绕 agent 的自动化系统。它不追求全自动,而是把低风险环节自动化,只在关键节点保留人工介入。他在文章中给出的示例流程里,spec 和 pull request 是两个主要的人工关卡。

软件工厂长什么样

简单说,它是人和 agent 共享的一套环境和流程,通常放在云上或统一计算节点,而不是每个人的本地。你可以配置 agent 在什么环境运行、有哪些权限、按什么步骤完成工作。产品越大,部署的 agent 越多,工厂工程的价值就越明显。

拿什么衡量工厂

Ben Holmes 给出四个方向。

  • 花费。盯着 token 用量和计算成本,但更重要的是换算成真实价值,比如单次 PR 的成本、从初始提示到发布的周期时间。
  • 用另一个 agent 打分。静态检查无法覆盖架构质量、冗余测试比例、工具调用效率这些指标。一个“裁判”agent 会后翻会话记录并打分。但有网友指出,裁判读的是对话记录,只能证明 agent 话说得好不好,最终还是得跑一遍变更看结果。
  • 自我改进。把评分结果开放给 agent。假设某个“冗余测试”评分器在 60% 的会话里表现不佳,自改进 agent 会发现这个趋势,并提议调整技能或代码架构。
  • 基准测试。把配置改动当作实验,每次只改一个变量,例如换模型、增减阶段、调整子 agent 数量,观察指标变化。

评论区先吵起来了

文章发出后,不少回复提出了质疑。

一位叫 Juan Sanchez 的网友说,他见过的每个工厂都卡在质检:agent 提交 PR 的速度快十倍,人工审查不会快十倍。就算低风险的 PR 可以自动合并,需要人类把关时,体验如何提升?

另一位叫 Paul 的网友问得更直接:证据呢?成功率、概率,证明当前模型最优的数据,都没有。

还有一条回复引用了一项据称来自哈佛的研究,覆盖 700 多家公司:审查时间增加了 49%,被退回修改的 PR 数量接近翻倍,而完成的任务数量没有变化。

这些疑问不一定推翻“软件工厂”的框架,但至少说明,它目前更像是来自 Warp 实践的一家之言,而不是有充分证据的成熟范式。

如果你想自己验证,Ben Holmes 所在的 Warp 提供了一门免费公开课,warp.dev/learn,从零开始讲怎么搭软件工厂。想验证这些疑问,可以从这门课开始。

发布时间: 2026-11-20 05:46