目录

1968 年的梦想与现实的碰撞

核心模型：从“循环”到“工厂”的权力升级

警惕“暗工厂”：速度背后的“理解力债务”陷阱

瓶颈移位：产出不再是问题，验证才是

回归架构：老派工程学的“第二份工作”

掌控“外层循环”：从循环到有向图

结语：寻找那个开关

1968 年的梦想与现实的碰撞

1968 年，计算机科学家 Bob Bemer 在其论文《程序生产的经济学》中首次描绘了“软件工厂”的构想。在长达半个世纪的时间里，这始终是一个难以触及的梦想：人们渴望软件开发能像工厂冲压汽车零件一样，成为一种可重复、可度量的生产过程，而非仅仅依赖于程序员个人的手艺。然而，由于“冲压创意”具有极高的不确定性，这一愿景在过去几十年里屡屡碰壁。

直到最近两年，AI 技术的爆发式增长让这个尘封已久的构想变得近在咫尺。我们正在从“手写代码”转向“运行生产代码的工厂”。但这种转变也带来了一个核心悬念：当我们以前所未有的速度“生产”代码，而不再亲自审阅其中的每一个细节时，我们是否正在为未来的系统埋下不可预见的隐患？

核心模型：从“循环”到“工厂”的权力升级

要理解现代软件工厂的运作，我们需要将其拆解为三个核心层级：循环（Loop）、支架（Harness）与工厂（Factory）。

• 循环 (Loop)： 这是代理（Agent）工作的原子单位。它的逻辑是闭环的：获取上下文、执行操作、检查结果，然后重复。循环工程的本质是：你不再逐条输入指令，而是设计出一套能自动触发指令的小型系统。
• 支架 (Harness)： 如果说循环是行为，那么支架就是行为运行的边界。它提供沙箱、工具集、记忆存储以及判定“完成”的门控。没有支架，模型会无休止地空转；支架是让模型变得有用且安全的“围墙”。
• 工厂 (Factory)： 这是一个关键的认知升级——工厂并非一个更大、更聪明的代理，而是一个由循环组成的组织架构。它就像一张由多个循环构成的“组织结构图”，任务流从队列流入，经过支架的约束和审核，最终交付。人类在宏观层面拥有这个系统。

警惕“暗工厂”：速度背后的“理解力债务”陷阱

在制造业中，“暗工厂”（Dark Factory）指无需开灯、由机器自主运行的生产线。在软件工程中，这代表机器为机器编写代码，且没有任何人类阅读这些 Diff（代码差异）。这种模式看似打破了生产力的声障，实则引入了致命的理解力债务 (Comprehension Debt)。

“理解力债务是代码总量与人类理解力之间日益扩大的鸿沟。暗工厂并不负责偿还这些债务，而是以最快的速度积累债务，即便所有的自动化测试依然显示为绿色。”

这种现象在“氛围编程”（Vibe-coding）驱动的周末练手项目中或许可行，但在复杂的企业级“棕地系统”（Brownfield System）中，它将遭遇不可逾越的障碍。一个维护了十年的系统有着严苛的生产约束，而模型通常只擅长局部微调。三到六个月后，开发者会发现自己溺死在从未读过的代码海洋中，这种对系统掌控力的丧失，是任何即时吞吐量的提升都无法弥补的。

瓶颈移位：产出不再是问题，验证才是

软件工厂的限制因素不是代码生成的频率，而是验证的速度。我们可以将其想象成一个漏斗：上方是无限宽广的生成口，下方则是狭窄的验证颈部。

这里适用**“背压 (Back Pressure)”规则：你能够赋予代理多少自主权，完全取决于你能以多廉价且可靠**的成本去验证其产出。如果验证成本（人力成本）居高不下，生成的洪流就会在颈部淤积，形成背压，迫使你放慢速度。

提高模型能力无法自动关闭这个缺口。因为评估“架构优良”的函数是以月或年为单位的，而模型训练需要即时反馈。目前的顶级模型（如 Claude Code）虽然精通语法，但它们无法自动产生对系统长期健壮性的判断。

回归架构：老派工程学的“第二份工作”

为了让工厂“亮起灯来”（Lit Factory），我们需要重新审视那些被遗忘的架构纪律。类型系统、清晰的方法签名、测试缝隙（Test Seams）、依赖注入以及保持短小的调用栈——这些实践在 AI 时代有了第二份工作：它们构成了廉价且难以伪造的安全网。

良好的架构不仅仅是为了人类阅读，更是为了让 AI 无法轻易伪造其正确性。例如，一个健康的“亮工厂”模式可以是：每天运行一个自动化的 Cron 任务，它只负责修复一个特定的反模式（如 Lint 错误或不必要的可选属性）。这种极短的、低风险的循环让团队在醒来时面对的是一个稍微变好的代码库，且 Diff 短到人类可以轻松审阅。

掌控“外层循环”：从循环到有向图

为了防止代理“走丢”，资深架构师正将“纯循环”转变为预定义的图或状态机。

当代理持有的上下文随着步数增加而累积时（通常在 10 到 20 步之后），它极易失去重点。因此，与其让模型盲目选择路径，不如将其限制在预定义的有向图中。这种做法将“自主权”限制在节点内部，而节点之间的流转则由确定的代码逻辑控制。这本质上是承认了：我们依然需要流程图，只是每个步骤由 LLM 驱动。

在这种结构下，人类工程师的角色从“搬运工”转变为**“外层循环 (Outer Loop)”的守门员**：

• 内层循环（执行层）： 代理负责调查 Bug、诊断、修复、运行测试并生成报告。
• 外层循环（决策层）： 人类判断解决方向是否正确、验证实现是否稳健、承担最终后果。

结语：寻找那个开关

在 AI 驱动的软件工厂里，自动化与人类判断的平衡点在于“开关”的设置。哪些环节可以关灯运行（如低风险的 Lint 修复），哪些环节必须亮灯作业（如涉及鉴权、计费或核心 API 契约的变更），这是现代工程师最核心的职业判断。

机器人可以在黑暗中工作，但人类需要光。如果你发现自己已经找不到那个能看清代码逻辑的灯光开关，那么危险便已降临。在追求极致产出的工厂里，请务必保留那份行使判断力的权利。

在你的工厂里，灯还亮着吗？

作者：道一云低代码

作者想说：喜欢本文请点点关注~

技术资料分享