软件工厂:Agent写代码之后,人类成了新瓶颈
Ben Holmes 提出软件工程正走向工厂工程。Agent 让代码产出暴涨,但审查没有同步提速。哈佛数据:审查时间+49%,PR 退回率翻倍。真正的挑战在验证,不在代码生成。
软件工程正在变成工厂工程。Ben Holmes 在 X 上写下这个判断,同时发了一篇长文解释什么叫工厂工程师。
他的核心观察是:软件开发一直分三步(计划、实施、审查)。过去,实施占据工程师大部分时间,计划和审查只能在夹缝中进行。现在 agent 把实施环节接了过去,工程师的时间腾出来了,但如果你只是让 agent 跑得更快,工作状态会变成 20% 会议加 80% 杂活。
有网友在回复里指出:每个工厂都会在质检环节卡住。agent 开 PR(代码合并请求)的速度快了 10 倍,人类审查速度没有。还有网友引用了一项覆盖 700 多家公司的哈佛研究:审查时间增加 49%,PR 被退回修改的次数几乎翻倍,任务完成量没有提升。另一个回复更直接:用另一个 agent 去读对话记录,评分只能说明它说了什么,不能证明改动真的能跑。
这些质疑让“工厂工程”这个概念落地了。自动化解决了产出,但没有解决验证。
那工厂工程师到底干什么?Ben Holmes 的定义是:产品工程师负责产品本身,工厂工程师负责构建“生产产品的 agent 系统”。具体要解决的问题包括:agent 总喜欢加多余的测试用例和注释,能不能让它写更好的代码;值班时反复把错误监控报告粘贴给 agent,能不能自动化;最新模型发布后 API 账单暴涨,能不能切到更便宜的模型同时不牺牲代码质量。这些问题的共同点是系统级优化,不是单次 prompt 调整。
软件工厂就是一个自动化循环,理想状态下你给出产品需求,工厂自动构建并优化产品,人类只在必要的节点介入。实际中,agent 还没到那个水平。工厂工程师要做的是搭建一个共享的、集中化的环境,让 agent 和人类都能访问,并且可配置:运行环境、权限级别、工作流步骤。一个典型的流程是从规格说明到 PR,中间设置人工确认点。
有了工厂,还要有指标。Ben Holmes 提了四类:花费指标,看 token 消耗和计算成本,换算成成本/PR、周期时间;LLM-as-judge 评分,让另一个 agent 监控过往对话,评估架构质量、冗余测试、工具调用效率等不可静态检查的东西;自我改进,把指标暴露给 agent,让它自己发现问题并调整;基准测试,每次只改一个变量,看哪个配置对成本和质量影响最大。模型选择是最大的杠杆。
这四类指标听起来清晰,但回复里很多人表示怀疑。有人问:哪些指标真正和 agent 输出质量相关。有人说:评估这块太乱,evals 很难搞。这种怀疑有道理。一个工厂如果只统计产出速度,不看质量,最终只会制造更多需要返工的半成品。
术语迭代也在继续。有网友调侃:prompt engineering -> context engineering -> MCP engineering -> skill engineering -> loop engineering -> agentic engineering,最后回到 software engineer。新词越来越多,本质还是写代码、验证代码。
基础设施也在跟上。讨论中还出现了一个名为 Gortex 的开源项目,把代码索引成图谱,通过 MCP 向 agent 提供查询,号称响应 token 减少 50 倍。它解决的是同一个问题:让 agent 在动手前只获取需要的上下文,而不是把整个仓库读一遍。这种工具属于工厂工程的地基。

Ben Holmes 的团队做了一个免费课程,想动手的人可以去 warp.dev/learn 看。但课程解决的是怎么搭工厂,没有解决最难的验证问题。
工厂工程的概念不新,本质是把工业工程里的常识搬进软件领域:自动化低风险工作,把人的注意力集中在高风险判断上。问题在于,今天的高风险判断(代码审查、质量评估)恰恰是最没有被自动化的部分。agent 写代码的速度上去了,审查还是人肉。让验证变得可信,可能比让 agent 写得更快更迫切。
发布时间: 2026-11-20 19:59