铃阅
❌

普通视图

Thoughtworks《技术雷达》第35期: 超越前沿大模型迷思, 让更多智能体投入生产

2026年11月5日 12:00

Thoughtworks 2026-11-05 12:00 北京

本期《技术雷达》聚焦生成式 AI 和智能体引发的深层工程化变革,总结出四大核心趋势主题。

核心导读

软件工程领域正经历着由人工智能驱动的深刻变革。从单一的“AI 编程助手”演进到“智能体规模化并行运作”,技术底座的迭代速度令人瞩目。本期雷达聚焦生成式 AI 和智能体引发的深层工程化变革,总结出四大核心趋势主题。企业该如何在这场浪潮中拨开迷雾,做出明智的技术选择与投资?

今日,Thoughtworks 正式发布 《技术雷达》第 35 期!

作为每年发布两次的全球技术趋势快照,我们汇总了 Thoughtworks 全球一线技术团队的实战经验,对当下极具潜力的技术、工具、平台、语言和框架进行系统化评估。本期雷达中,我们将目光聚焦于由生成式 AI 和智能体引发的深层工程化变革,总结出以下四大核心趋势主题:

主题一:规模化智能体驾驭工程

Harness Engineering at Scale

尽管“驾驭(Harness)”一词并不新鲜,但在本期雷达中,我们看到围绕 AI 智能体构建环境的生态系统正日益成熟。从上下文记忆、反馈循环到安全护栏(Guardrails),这一切正在演变为一门高度内聚的系统工程学科。

行业内正在形成一个新兴的插件生态系统(例如 Agent Plugins 和智能体包管理器)。同时,我们意识到驾驭机制是一种“活”的资产,需要持续的维护与质量评估。在未来几个月,满足企业级需求的“企业智能体驾驭体系”极有可能会像几年前的平台工程一样,作为一种独立的产品形态在企业中崛起。

主题二:超越前沿模型

Beyond Frontier Models

我们正在进入 AI 模型应用的新阶段——盲目且下意识地选择闭源的“前沿大模型(Frontier Models)”已不再是唯一的答案。

开源权重模型(Open-weight models)在成本和能力上取得了显著突破(如 GLM 家族在编码任务上的表现)。除了成本优势,将开源模型灵活部署在公有云、本地硬件或混合云中,能更好地满足企业严格的数据隐私要求,并降低对单一供应商的依赖。本地编码模型、面向结构化数据的基础模型以及 Jev 等决策模型的涌现,正促使工程团队必须将模型路由(Model routing)作为架构设计的核心考量,保持模型选择的多样性与开放性。

主题三:让更多智能体投入工作

Putting More Agents to Work

如果说上一期雷达的焦点是“编码智能体的兴起”,那么本期的重点则转向了规模化并行会话——开发者开始同时运行、引导多个智能体协同工作(例如开展无人值守的夜间智能体构建)。

相比于复杂的“多智能体集群自治协作”,这种由人类开发者直接统筹多个并发会话的模式更加轻量且切合当前实际(如借助 Herdr、Omnigent、Paseo 等注意力收件箱工具进行管理)。但这也带来了新的隐患:当开发者并发运行的智能体越来越多,人类的“代码审核带宽”将成为最严峻的瓶颈。

如果不加以控制,很容易演变成敷衍的“人工审核剧场(human-in-the-loop theater)”。因此,在引入更多并发智能体前,团队必须重新审视自身的代码审查与持续交付流水线的承载能力。

主题四:构筑 AI 工厂

Constructing the AI Factory

随着企业对生成式 AI 和智能体的使用日益密集,一个真相浮出水面:Token 的经济学本质,最终是基础设施的经济学。要让 AI 在企业中具备经济可持续性,创新必须深入到技术栈的更底层。

我们观察到一个围绕 Kubernetes 的活跃 AI 基础设施生态正在成型,共同构筑起能够大规模运行 AI 负载的“AI 工厂”。无论是支持模型服务与硬件感知的 KServe 和 KAITO,提供模型路由的 LiteLLM,还是满足高吞吐量存储的 VAST DataStore 及提供软件定义网络自动化的 Netris,其核心理念都在于:模型、GPU、推理引擎、存储和网络,正逐渐被整合为通过通用平台层进行统一协调的“可编程资源”。

如何获取完整版洞见?

想要探索以上四大主题背后的全部技术脉冲(Blips)?想知道本期又有哪些技术被建议“采用(Adopt)”、哪些需要“暂缓(Caution)”?

📖 点击【阅读原文】即刻访问 Thoughtworks 官方网站

您可以:

  • 探索交互式《技术雷达》,按照四大象限进行深度检索

  • 下载完整版《技术雷达》第 35 期 PDF 报告

  • 订阅《技术雷达》邮件,持续获取前沿技术洞察

阅读原文

跳转微信打开

战略性 AI 交付: 企业转型成功的五大支柱

2026年9月23日 12:00

Thoughtworks 2026-09-23 12:00 北京

技术本身将不再是差异化因素,竞争优势将来自快速、安全、有效地将 AI 投入运营的能力。真正的差异化因素将是交付卓越。本文提出成功交付的五大支柱:目标、人员、治理、执行与价值。

大多数关于 AI 的讨论都纯粹聚焦于技术本身。领导者们谈论着将重塑业务、带来竞争优势的模型、Copilot 和智能体。

但随着越来越多的组织走出实验阶段,仅仅拥有最前沿的 AI 已远远不够。技术本身将不再是差异化因素,竞争优势将来自快速、安全、有效地将 AI 投入运营的能力。

真正的差异化因素将是交付卓越。但这在实践中究竟意味着什么?

在平台现代化项目、转型计划,以及最近的 AI 赋能迁移倡议中,我发现成功的交付取决于五大支柱:目标、人员、治理、执行与价值。

1. 目标:
从业务成果出发,而非技术

Purpose

转型项目中最常见的错误之一,就是让技术本身成为目标,而真正的目标应该是交付业务价值。

最成功的转型,都始于明确界定项目所要达成的业务成果。无论目标是降低运营成本、改善客户体验、提升交付速度,还是推动增长,目标的清晰性是后续每一个决策的基础。

没有清晰的目标,转型就会变成技术驱动而非价值驱动。对于 AI 这类快速演进的技术而言尤其如此——最新模型的新奇能力看起来很有吸引力,却未必能加速项目目标的实现。

因此,技术领导者必须重新构建关于 AI 的对话,从“我们能在哪里用 AI?”转向“AI 如何提升我们交付所需业务成果的能力?”成功不取决于一个组织部署了多少个智能体,而取决于这些智能体帮助组织达成了什么成果。

2. 人员:
对齐团队,交付正确的成果

在我支持过的每一个重大转型项目中,交付速度的最大障碍都是人,而不是技术。优先级冲突、决策延迟、责任归属不清、期望不一致,这些因素叠加在一起,拖慢了进度。

但如今,AI 也正在改变团队建立和维持对齐的方式,使他们能够协作交付成果。

例如,在最近的一个迁移项目中,Thoughtworks 将成熟的敏捷实践(包括敏捷结对、共享责任和同行评审)与 18 项 AI 技能和 12 个可复用提示词相结合。

我们还通过始终如一地贯彻一组核心原则来支持交付:

• 信任与赋能

• 心理安全感

• 透明与对齐

• 自动化优于人工依赖

• 协作与积极参与

• 责任归属与担当

• 知识共享与持续学习

当所有人对齐之后,生产力大幅提升。但更重要的是,我们创造了一种交付文化——知识更有效地规模化,决策加速,工程质量始终保持在高水平。

随着 AI 能力的成熟,胜出的组织将是那些成功将 AI 融入现有交付实践,同时保留推动有意义转型所必需的人类协作、责任担当和领导力的组织。

3. 治理:
通过清晰性赢得速度

治理常被视为拖慢交付的东西。但我的经验表明,表现最佳的转型项目,都得到了强有力的治理框架的支持——这些框架加速而非约束决策。

在平台现代化项目中,有效的治理提供了安全执行变革、同时保持运营稳定性的结构。它还有助于对齐优先级、提升风险可见性、强化责任归属。这使得快速、自信的决策成为可能。这在 AI 赋能交付中尤为重要,因为期望变化迅速,风险也可能快速涌现。

好的治理,是一种能够在规模上实现速度、并让交付始终聚焦于明确定义成果的结构。

4. 执行:
增量交付,持续学习

大规模转型往往在组织试图一次性完成所有事情时失败。最成功的项目采用增量方法,在不引入不必要风险的前提下实现快速价值交付。

在平台现代化项目中,这表现为分阶段迁移、渐进式切换和迭代发布。在 AI 倡议中,增量方法体现在试点、价值验证和受控扩展中。但原则是一致的:大成果通过小而可控的步骤来交付。

增量交付创造了验证战略、方法和假设的机会,降低风险、收集反馈,并在问题变得严重之前进行调整。它给团队时间去反思哪些做法可以改进。而如今,AI 赋能交付让团队能够更简单地快速分析结果,并获得可执行的持续改进建议。

这种 AI 驱动的持续改进对成功至关重要,因为转型是一个持续执行、学习和优化的过程。

5. 价值:
衡量成果,而非活动

组织常常在部署新系统或实施 AI 解决方案后,却未达成任何有意义的业务成果。这可能是因为从一开始目标就不清晰,也可能是因为他们用错误的方式衡量成功。

企业转型的成功,不应以迁移了多少个系统或有多少个智能体在生产环境中运行来衡量。技术里程碑不是成果,活动不等于价值。

成功应该由以下指标来定义:业务敏捷性提升、运营成本降低、客户体验改善。技术创造能力,但成果创造价值。

AI 必须成为战略性交付能力

许多组织从生产力导向的用例开始他们的 AI 之旅,比如代码生成或知识管理。这些用例可能很有价值,但当 AI 被应用于转型交付过程本身时,机会更大。

正如我们在前面描述的迁移项目中发现的那样,AI 帮助了:

• 从遗留系统中提取业务逻辑

• 加速发现与分析

• 生成迁移规格说明

• 支持开发活动

• 提升测试覆盖率

• 生成运维手册

• 增强报告与决策支持

• 改善可观测性与运维就绪度

通过将 AI 融入整个交付生命周期——从初始分析和工程,到代码审查和运维就绪——我们在保持严格质量标准的同时加速了执行:

✓迁移后的交易系统在上线首月内,

零 P1、P2 或 P3 事故。

✓迁移代码审查的一次通过率达到 78%,

无需 SME 或评审人员进一步介入。

✓18 项 AI 技能和 12 个共享提示词,

为更广泛的迁移团队提供了可复用的交付资产。

✓核心集成模式确定后,

每项服务的周期时间加速 5 到 15 倍。

这些结果揭示了一个根本真理,它将成为 AI 时代转型成功的基本准则:AI 不会取代交付纪律,而是强化它。

我们并非仅靠自动化就实现了这些改进。它们是由强有力的治理、可重复的工程实践、有效的知识共享和 AI 赋能的交付加速共同驱动的。

用战略性 AI 交付
为你的企业转型赋能

成功转型的基本要素并未改变,但我们交付转型项目的方式正在快速演进。那些能够将 AI 嵌入经过验证的交付实践——并以目标、人员、治理、执行和价值五大支柱为支撑——的组织,将找到转型成功与持续优势。

作者:Manisha Jagdale

跳转微信打开

当我们再也读不完AI写的代码: 理解债务、Harness Engineering 与代码审查的未来

2026年9月2日 12:00

Thoughtworks 2026-09-02 12:00 北京

当代码增长速度远超团队理解速度,“理解债务”正在悄然累积。本文从 Robert C. Martin 的播客谈起,探讨 Harness Engineering 能否成为驾驭 AI 代码的答案,以及在 AI 时代,我们是否还需要阅读代码。

理解债务

Comprehension Debt

2026年8月20日,《代码简洁之道》的作者 Robert C. Martin 参与了 Matt Pocock 的一期播客,讨论了 AI 时代程序员是否仍需阅读代码,以及如何通过 Harness Engineering 驾驭 Coding Agent。 听完这期播客之后,我回想起第一次加入一个全面使用 AI Coding 的项目时,TL(Tech Lead)在我完成第一张 Story(用户故事)后问我:是否能够适应这种开发方式?

我当时的回答是可以,但有一个问题至今都没有改变:每次 AI 生成代码后,我还是忍不住用自己的"碳基大脑" review 一遍 diff,再根据我的人类意见东删西改,最后才敢谨慎提交 —— 毕竟无论代码由谁生成,最终对生产环境和客户负责的仍然是人。是的,大模型们,We still don't trust you。

这并非因为 AI 不够强。AI 生成代码太快了,但它的能力并不稳定:有时准确高效,有时又会误解需求、过度设计,或者生成表面合理、实际存在隐患的代码。

然而,"快"显然不是人类的强项。AI 一分钟生成的代码,人类可能要花十分钟以上才能读完并理解。这不禁让我思考,如果不能建立新的审查方式和信任模型,我们是否只是把"人类先理解,再编写代码"的流程,倒转成了"AI 先生成,人类再理解"?

更危险的是,当我们为了效率而不再阅读,是否还真正理解这个系统?AI 大幅降低了代码的生成成本,理解成本却没有同步下降。从2025年前后开始,由于AI生成的代码数量爆发式增长,理解债务(Comprehension Debt)被越来越多的工程师用来描述AI生成代码带来的理解缺口:当代码增长的速度远超过团队理解代码库的速度,成本最终必定在维护过程中偿还。它积累在团队的认知里,很难被察觉,往往要等到生产事故、复杂变更或关键人员离开时才突然暴露。AI 生成的代码拥有极高的表面可信度,能够轻易通过单元测试和 Lint 检查,却无法验证代码语义是否真的符合业务需求,更无法检查团队对系统的理解程度。因此在AI时代,我们必须改变代码审查的方式,新的工具,新的方法论。

Specification 不是理解的替代品

我的项目正在使用 Spec-driven Development(SDD,规格驱动开发)。Specification 是一种对人类和 AI 都可读的 source of truth:人类审查需求、约束和验收标准,Agent 负责把这些意图翻译成代码。

但从 Specification 到代码从来不是机械翻译。即使需求足够明确,实现中仍然存在大量隐性决定:如何组织数据、怎样处理异常、如何权衡性能、责任应该属于哪个模块。Specification 可以描述"我们想要什么",却无法穷尽系统的全部行为,更不能替代对实现的理解。

如果试图预先写下所有决定,又会遇到另一个悖论:一份详细到足以替代代码审查的 Specification,几乎等于用自然语言重写程序。执行 SDD 所产生的大量文档同样需要维护和审查。有时我甚至觉得,直接阅读代码比阅读写得满满当当的文档更为轻松。

这并不意味着 Specification 没有价值。把需求、约束和验收标准写清楚,确实能够帮助人类与 Agent 对齐意图;从 Sprint 数据上看,我的团队短期内也开发得更快了。只是 Specification 无法自动保证实现质量,更无法替团队维持对系统的理解,仍有改进的空间。

Harness Engineering:把工程纪律写进环境

AI 降低了代码生成成本,却没有取消软件工程对可维护性和架构质量的要求。真正发生变化的是工程纪律的载体:过去许多要求依靠程序员记住并主动执行,现在则需要写进 Agent 的工作环境,成为它可以读取并执行的约束。诸如OpenAI、Anthropic之类的科技公司,以及 Robert C. Martin本人,都在尝试把这些约束组合成一套可以持续纠错的工程闭环。

明确的任务边界

在播客中 Robert 分享了他设计的一套由五个 Agent 组成的工作流:Specifier 负责把人的需求整理成 Gherkin 验收场景;Coder 负责实现;Cleaner 专门清理重复代码、改善命名和结构;Hardener 使用各种指标和测试检查风险;QA 则验证成品是否真正满足需求。

Spotify 的技术团队也做过类似的架构。Spotify 的后台 Coding Agent 采用了另一种边界划分:执行任务的 Agent 每次只接收一个 Prompt,并在指定代码库中完成一次修改;组织上下文、代码推送等工作由其他系统负责。Spotify 的经验是,Agent 的能力范围越明确,行为越容易预测,安全风险也越容易控制。因此,多 Agent 并不是必要条件,关键在于把模糊的大目标拆成范围清晰、结果可验证的工作单元。

可执行的质量关卡

在播客中,Matt 问 Robert:他是否认为《代码整洁之道》中的某些实践在现如今需要改变?Robert 的回答是"阈值"。他的观点是:AI 可以继承传统软件工程的价值观,但不一定要继承所有面向人类形成的实践,由于 Agent 能快速阅读、修改和运行代码,函数长度、复杂度等阈值都可以重新实验。

一些过去没有成为日常实践的质量工具,也因为 Agent 的出现重新变得可行。例如突变测试(Mutation Testing)会故意制造细小错误,再运行测试。如果错误代码仍然通过测试,就说明测试并没有真正覆盖关键行为。在没有 AI 的时代,执行突变测试需要大量的人工,但在 AI 出现之后,则能够以非常低的成本运行这些测试,并由 AI 快速修复测试结果。

因此,与其在文档里反复要求 Agent"代码写好一点",不如尽量把要求变成可执行的关卡:测试、类型检查和 Linter 不通过,任务就不能结束。OpenAI 的 Harness Engineering 实验也沿着类似方向,把模块分层、依赖方向、结构化日志、Schema 命名等规则写入自定义 Linter 和测试,使其稳定作用于 Agent。

不过,质量关卡只能覆盖能够被形式化的部分。设计是否过度复杂、模块边界是否合理、代码是否准确表达业务语义,仍然需要具体判断。过多规则可能让 Agent 只是在"把指标变绿",例如通过过度拆分代码,把一种复杂度转移成另一种复杂度。因此,Harness 不能把"所有检查通过"等同于"代码一定正确"。如何选择指标,以及判断哪些问题必须交给人类,仍然是工程实践中最困难的部分。

独立评估与持续自我纠错

在 Robert 设计的流程中,Agent 需要持续运行突变测试和其他检查,根据失败结果补写测试、降低复杂度或重构代码,直到外部工具判定合格。在此基础上,他又引入独立的 Hardener 和 QA Agent,通过上下文隔离进一步检查实现结果。

独立评估的意义在于,不让同一个上下文既负责实现,又负责证明自己的实现正确。Agent 在生成代码时会形成一套假设,如果随后仍由它自己 Review,很容易沿着原来的思路自我确认。换一个上下文,让 Reviewer 只根据 diff 和验收标准寻找问题,可以减少这种路径依赖。Claude 最佳实践推荐的 Writer/Reviewer 模式,本质上也是同一思路。

Spotify 的实践则采用两层验证:第一层是确定性的 verifier,负责执行固定规则检查;如果失败,Agent 不能创建 PR,而要根据错误继续修改。第二层是 LLM Judge,用来对比原始 Prompt 和最终 diff,判断 Agent 是否超出任务范围,或通过禁用测试掩盖问题。确定性工具适合判断代码能否构建、测试是否通过;独立 Reviewer 则补充那些难以完全形式化的语义判断。

OpenAI 的实践进一步把这个循环扩展到交付过程:Agent 可以检查 UI 和日志、复现问题、修复错误、请求其他 Agent Review,并根据反馈继续修改。检查结果不再只是等待人类处理的报错,而会成为 Agent 下一轮工作的输入。

Harness Engineering 的目标并不是消灭人的参与,而是减少机械流程,把人的注意力留给真正需要经验与判断的地方。

Harness Engineering 智能体工作流

人类定义意图 → 边界明确的任务 → Agent实现 → 确定性关卡 → 独立评估 → 人类判断

读还是不读代码,这是个问题

Robert C. Martin 最近关于"不会阅读 Agent 写出的代码"的表态,引发了程序员社区不少讨论。乍看之下,这似乎是一个很激进的观点。但如果放回他的完整语境里,这个判断并不是简单地"放手让 AI 写"。他强调的是,要用比管理人类程序员更严格的 Harness 来约束 Agent。同时,他也承认偶尔会抽查代码,至于架构设计,则完全由他本人负责,不会交给 AI。

其实,真正的争议不是 Harness 有没有价值,而是它能否代替人的理解。作为程序员,我们是否还需要阅读 AI 生成的代码?如果我们认真理解和审查 Agent 生成的所有代码,就很难充分获得 AI 带来的速度优势;但如果为了速度跳过这些工作,又可能失去程序员最重要的能力。Harness Engineering 很擅长检查那些已经被形式化的标准,却不一定能阻止人类逐渐退出对系统的理解过程。如果反馈循环只验证代码能否通过检查,而不保留人对系统的理论和判断,那可能只是让一座无人理解的塔,更稳定地继续升高。

但也许我们并不需要滑向两个极端,要么"一行代码不读",最大程度榨取 Agent 的生产力,要么逐行阅读每一行 AI 生成的代码。有的科技公司正在探索一种 Risk-based hybrid 的代码审查方式:判定为安全、影响较小的 PR 可以自动合并,复杂或有风险的修改则引入人工审查。一些程序员则让 Agent 处理 CRUD 和 boilerplate,把时间用于研究真正不懂的东西。这种分工未必是逃避理解。关键在于:哪些工作适合交给 AI,哪些工作本身就是我们理解系统、积累判断力的过程?

AI 时代真正稀缺的资源,已经不再只是编写代码的时间,而是人类的注意力。软件工程接下来要解决的问题,也许不是怎样让 AI 写得更快,而是怎样决定有限的人类理解能力应该花在哪里。

结语:当我们学习软件工程时,我们在学些什么

作为一名程序员,我得承认我仍然享受 review 代码的乐趣,也很愿意和 Agent 讨论当前实现是否合理。即使它有时显得过于"墙头草",但也往往能够发现我第一眼没有看到的隐患。

在播客最后,Matt Pocock 问了一个很实际的问题:Robert C. Martin 已经写了 60 年代码,所以即使不再逐行阅读代码,也能依靠长期积累的经验构建出好的系统;但对于刚入行的 Junior 来说怎么办?如果 AI 接管了大量初级编程工作,他们要通过什么途径积累经验?

Robert 的回答其实和 AI 出现之前并没有太大不同:花大量时间亲手进行基础的编程和调试;在资深工程师的指导下工作,学会识别风险、权衡方案、判断什么样的代码可以保留;阅读经典软件工程著作。书中的技术可能会过时,但许多架构经验,都是前人付出真实代价后留下的教训。至于商业公司是否仍愿意承担这样的新人培养的成本,那就是另一个问题了。

以前,理解是一种要求;AI 出现以后,理解变成了一种选择。从这个角度看,AI 有点像托尔金笔下的魔戒:它赋予使用者强大的能力,也不断诱惑我们把原本需要亲自理解的事情交出去。至于这些由 AI 大量参与建造的软件系统是否真的坚固,更严格的 Harness 能否长期确保系统质量,不断积累的理解债务最终又会造成怎样的风险,也许还需要几年才能验证。我们已经看到了一些信号,但只有时间能给出更确定的答案。

作者:黄智涵

跳转微信打开

规模化应用 AI 的最大绊脚石,其实不是技术?

2026年8月18日 19:00

Thoughtworks 2026-08-18 19:00 北京

核心导读93% 的企业领导者渴望引入 AI 智能体,却仅有 5% 的企业具备驱动它们的数据基础。

核心导读

93% 的企业领导者渴望引入 AI 智能体,却仅有 5% 的企业具备驱动它们的数据基础。员工和客户正在悄悄弃用现有 AI 工具——根源不是技术,而是“数据信任鸿沟”。

在这场规模化部署 AI 的竞速赛中,真正拖慢企业脚步的往往不是技术瓶颈,而是底层数据的可靠性。

危机正在悄然发生

由于输出质量不达标和缺乏可信度,员工和客户正在悄悄弃用现有的 AI 工具。

如果不加以重视,新兴的“智能体项目”也将面临同样的命运。更为致命的是,对于高度自主化的智能系统而言,不可靠的数据会成倍放大这些风险,让高投入的AI创新项目加速沦为“概念验证的坟墓”。

如何填补AI时代的“数据信任鸿沟”?

在最新一期的 Thoughtworks Perspectives 专栏中,专家 Amy Raygada 与 Jade Forsberg 深度剖析了阻碍企业应用 AI 的那些“意想不到的绊脚石”。他们指出:想要真正让 AI 智能体落地创造价值,企业必须“回归基础”,直面并修复数据信任问题。

探寻破局之道

点击左下角「阅读原文」,深入阅读全文


阅读原文

跳转微信打开

缩小上下文鸿沟: 一种本体论 + 大语言模型的数据现代化方法

2026年8月5日 12:00

Thoughtworks 2026-08-05 12:00 北京

企业数据现代化的瓶颈,往往不在于技术,而在于“理解数据含义”这一环节。

在大型企业中,数据现代化项目将庞杂混乱的企业数据,转变为业务可依赖的、可发现、可访问、可追溯的领域数据能力。然而,许多现代化项目尚未进入交付阶段便已停滞,症结往往在于团队需要花费数月时间,只为弄清数据的业务意图。

数据策略师的工作,是连接企业意图和现代数据架构。他们的职责贯穿整个生命周期:在复杂的企业数据环境中探索,设计和优先级排序用例,识别业务需求与可用数据之间的差距,交付新数据能力,并持续进行发现。

挑战在于,用于构建意图的知识往往分散在各个系统、遗留文档、或存在于领域专家的头脑里。因此,数据发现过程缓慢、依赖人工、难以扩展。

本体论 + 大语言模型方法

Ontology + LLM

在探索某个数据源的意义时,我们的第一反应,往往是将大语言模型直接指向源数据:输入源系统,描述用例,让它找出差距。这是一个合理的起点,但也暴露出一个真正的局限——在没有明确语义上下文的情况下,LLM只能从表结构、字段名和样本值中推断关系。这些推断或许有用,但在企业规模上难以一致地验证。于是我们问:本体论能在这里提供帮助吗?

要回答这个问题,我们首先需要理解,与直接通过大语言模型解释相比,本体论能提供哪些额外的优势。

什么是本体论?

本体论是意义的模式:它定义存在的实体、它们的属性、它们之间的关系,以及支配它们的规则。意义不再隐晦地存在于领域专家的脑海中,或被临时推断;本体论让计算机能够以逻辑、一致且可控的方式,对领域进行推理。它是知识图谱的模式层,在实例(如作为节点的实体、作为边的关系等)填充之前就已存在。整个产物既可供人类阅读,也可供机器读取:可编辑、可审计,并能置于版本控制之下。

为什么结合本体论和大语言模型很重要?

本体论和LLM恰好能覆盖彼此的短板。本体论将推理锚定在明确的语义上,使输出更可解释、更一致、更易于验证。而LLM则承担了那些原本会让人工构建本体论变得枯燥繁琐的工作:阅读源系统、对齐同义词、提出调和建议、发现不匹配之处。

没有AI的本体论,仍然是一个需要数月手动分析的数据建模工作;没有本体论的LLM虽然快,但结果不可靠,或容易偏移。两者结合后,我们可以用结构化的方式表达意图和供应,而智能体则能快速找出它们之间的差距——并且以一种可以信任和验证的形式呈现。

分步示例

当我们将此方法视为一个可重复的工作流时,它就会变得清晰得多。它不是将发现视为一次性的工作,而是随着每个新用例不断丰富企业上下文。在实际操作中,此方法作为一个由六个步骤组成的智能体循环来运作(见图1)。为了便于说明,我们将这个智能体工作流应用到一个常见的数据用例——预测客户流失——并利用来自两个源系统的数据。

图1:智能体循环工作流

步骤1:为每个数据源构建本体论上下文

第一步,是让每个源系统的意义变得明确。我们为每个系统提供样本文件,并通过AI智能体提取其上下文:实体、属性、关系,以及支配它们的规则。

智能体读取每个文件中的多种信号:表结构和数据类型、外键和连接模式、样本值以及任何注释或文档,然后推断出一个候选本体论,并将置信度较低的猜测标记出来,供领域专家确认。输出是一个机器可读、可审计的产物,而不是一张幻灯片。

在此案例中,假设两个源系统(计费系统和工单系统)暴露了以下本体论上下文:

# --- 源系统 1:计费系统 --- 账户(Account) -订阅(Subscribes to)-> 套餐(Plan) 账户(Account) -生成(Billed by)-> 发票(Invoice) 账户(Account) -具有状态(Has status)-> 计费状态(BillingStatus) 账户(Account) -有邮箱(Has email)-> 邮箱地址(EmailAddress)  # --- 源系统 2:支持工单系统 --- 客户(Customer) -提出(Raises)-> 工单(Ticket) 工单(Ticket) -分配给(Assigned to)-> 客服人员(Agent) 工单(Ticket) -具有状态(Has status)-> 工单状态(TicketStatus) 客户(Customer) -有邮箱(Has email)-> 邮箱地址(EmailAddress)

步骤2:跨源上下文并进行调和

实际上,绝大部分的用例中,上下文一定是跨系统的,这意味着它必须进行上下文调和。当我们试图将多个系统上下文(以本体论的形式)进行调和时,就能暴露出潜在的重复身份、冲突定义和重叠概念等不一致性,再交给人类专家协调源系统的负责人进行协商和解决;最终找到一个最佳的数据提供源。

在同一个案例中,我们调和两个源系统的上下文时发现三个潜在的问题(见图2)需要弥合:

图2:从两个源系统策展出的上下文浮现出三个潜在差距。

1. 邮箱地址(EmailAddress) 被两个源系统上下文共享。

2. 账户(Account) 和 客户(Customer) 可能是同一个现实世界实体。

3. 计费状态(BillingStatus) 和 工单状态(TicketStatus) 共享“状态(Status)”这一类型。

这些差距是用例无关的。无论是否有用例关心它们,它们都存在于数据环境中,而这也正是人类专家或AI智能体能够预先知晓它们、并解决它们的原因。

步骤3:将设计上下文与已调和的上下文进行对比

源系统只是等式的一边,它代表着现实世界的数据上下文;等式的另一边是业务用例,代表着设计意图,并可以转化成一份以本体论呈现的上下文,两者就可直接比较。让我们以客户流失预测用例为例:

“对于每位客户,预测他们在下一个计费周期停止为服务付费的可能性,以便客户留存团队可以在客户离开前进行干预。”

为此,模型需要一个单一的、明确的客户(Customer)实体,该实体统一了一个人的商业关系(他们订阅的套餐、付款是否最新、成为客户多久了)与其行为信号(最近登录时间、提交了多少工单、这些工单是否已解决)——所有信息都关联到一个已解析的身份,并随时间进行观察。

用本体论的术语来说,设计上下文是一个承载流失风险(churnRisk)的客户(Customer),关联到订阅(Subscription)、发票(Invoice)和支持交互历史,所有这些都解析到一个身份,并随时间进行观察。

通过将此设计上下文与步骤2中已调和的跨源上下文进行匹配,我们就可以回答现实数据条件是否可以满足设计意图,我们把不满足的部分看作差距。

步骤4:识别差距

现在我们可以解读每个差距对客户流失这个数据用例的实际意义:

差距1:邮箱地址(EmailAddress) 在两个本体论中共享。对于客户流失预测,邮箱是连接计费和支持历史到同一个客户的关键。这不是噪声,而是模型所依赖的调和过程。它成为一个身份解析需求。

差距2:账户(Account) vs. 客户(Customer)。用例取决于这些是否代表同一业务实体。解决这个问题决定了预测目标和底层数据模型。

差距3:计费状态(BillingStatus) 和 工单状态(TicketStatus) 共享类型“状态”。共享类型并不意味共享意义。状态=“已关闭(closed)”对工单而言是健康结果,但对计费而言却是流失信号。将它们合并为一个扁平概念会污染标签:它把两个上下文里截然不同的业务意义消除了,而在未来实施这个用例时,一个孤立的“已关闭”让模型失去了判断该客户会往哪个方向走的依据。一个典型的语义冲突就产生了——相同的类型,相反的含义。

一旦我们理解了这些差距对目标用例意味着什么,就可以采取行动。

步骤5:采取行动

差距分析将决定行动方案。

差距1 是内部调和:将邮箱定义为已解析的身份键,并连接。快速且内部可完成。

差距2 需要领域专家就客户粒度做出决策,然后对调和过的客户实体进行建模更改。工程成本低,但需要在编码前进行人工判断。

差距3 通过将共享类型消歧为不同的、上下文限定的概念(计费状态 vs. 工单状态作为独立含义)来解决,以便判定客户流失的重要标签不被污染。

“三个差距”分解为三个真正不同的计划:一个调和规则、一个领域专家粒度决策和一个语义消歧,它们具有不同的成本、不同的负责人以及它们之间的依赖顺序。策略师在投入大量时间进行构建之前,就已了解这一切。

虽然AI可以识别和分类潜在差距,但治理仍然至关重要。业务所有者和领域专家负责验证实体定义、解决语义冲突,并批准影响企业级数据模型的变更。

步骤6:更新源上下文并循环

一旦采取行动,企业自身的理解就会发生改变。上下文不是静态的:模式会演变、新系统会上线、定义会发生漂移,而步骤5中的行动本身也会改变数据环境。因此,这从来不是一次性的工作。当策略师弥合一个差距并交付用例时,上下文的这种变化必须被捕获。

在这里,将邮箱地址解析为共享身份键、统一账户和客户,以及消歧状态,所有这些都改变了共同的上下文,而这便成为新的基线,下一个用例和下一个智能体将继承这份被调和的上下文,而非重新发现它。重新运行差异分析确认上下文差距已关闭;如果源发生了变化或出现了新差距,循环会从新状态继续。

这就是为什么上下文必须在数据环境层面作为一项服务来管理,而不是作为一份文档或一次性快照。企业不再将知识记录在静态设计文档中,而是可以将其维护为一个活的、版本受控的语义资产,每个未来的项目和AI智能体都可以重用。

这个流程是整个论点的缩影:明确的上下文输入,经过分类和追踪的差距输出,附加行动,上下文更新,最终留下一个比以前更强大的数据环境。

总结

数据策略师在数据现代化项目中的职责是:在复杂的数据环境中导航,设计和优先级排序用例,发现每个用例与可用数据之间的差距,弥合这些差距,并在现代数据架构中交付持久的数据能力。

最困难、最缓慢的部分是中间环节:对分散、冲突、被重复定义的、隐晦的意义进行调和与理解,并手动分析差距——而这正是项目流失数月时间和信誉的地方。

本体论 + LLM方法正致力于解决这一核心难题。 本体论使意义明确化并赋予上下文图结构;LLM则在该图结构上进行推理,帮助策略师找出差距,这并不是依赖专家知识、或基于对人和组织朴素信任的,而是客观、且基于现实语义的。结果是一个智能体循环:每个源的上下文 → 跨源上下文 → 与用例设计对比 → 找出差距并分析 → 追踪行动 → 更新并重复。它通过自动化大部分语义分析,同时将业务决策留给人类专家,从而显著减少发现所需的手动工作量。

随着各组织在企业范围内采用AI,成功越来越依赖于为系统提供可信的业务上下文,而不仅仅是更多数据。将本体论与LLM相结合,提供了一种实用方法,使该上下文明确、可重用且持续改进,使数据现代化工作能够更快地交付价值,同时为未来的AI计划奠定更强大的语义基础。


作者:熊子川

跳转微信打开

非功能性需求 (NFR) 是 AI 生成代码缺失的“护栏”吗?

2026年7月22日 19:00

Thoughtworks 2026-07-22 19:00 北京

非功能性需求——这个可以说是我们行业中一直以来最被低估的产物——能否成为 LLM 生成系统的重要护栏。

在瑞士“未来软件开发务虚会”最近的一次开放空间交流中,一个问题引起了我的思考:非功能性需求(Non-functional requirement)——这个可以说是我们行业中一直以来最被低估的产物——能否成为大语言模型(LLM) 生成系统的重要护栏?也许它们可以,而且现在正是采取行动的最好时机。

LLM 功能陷阱

功能 ≠ 生产就绪

给一组 LLM 智能体提供一系列功能提示词,它们就会交付成果。过程很神奇、高效,甚至很可能非常详尽,超出你的要求。代码生成了,部署了,运行了。起初一段时间内一切看起来都很完美;接着,非功能性层面的裂痕就开始出现了。

我在各种规模的组织中都目睹过这种情况的发生:系统在功能上是完整的,但在运维上却极为脆弱。响应时间在负载下急剧下降。从未被指明因此也从未被执行过的安全态势。没有人在模型提示词中提及,因此也未被纳入考量的合规性要求。从第一个提示词起就已固化,且之后再也没有被重新审视过的可扩展性假设。关于成本和效率的担忧甚至连一秒钟都没有被考虑过。

现在的问题并不是说 LLM 无法纳入非功能性需求,而是它们不会去提前推断出这些需求。它们为什么要这么做呢?其实我们在手工构建软件时,也很少会提前考虑这些。我们的偏见也是它们的偏见。大家在盲点上如出一辙。

高管成为“驾驶员”

有一种特殊的动态正在加速这个问题的产生。现在有相当一部分高管正在进行“氛围编程”。他们通过提示词构建出了可运行的原型,其中许多看起来令人印象深刻。基于此,再加上他们过去作为程序员时仅存的一点记忆,他们得出了一个结论:生成生产级别的系统简直太容易了。

这种体验也并非完全具有误导性。功能确实出现得很快,而且数量很多。这是我们首先要求的东西;也是那些系统存在的理由。但没有出现的(除非你明确且额外指定)是所有填补在缝隙中的东西:可靠性、性能边界、安全模型、合规态势。在一个演示中令人印象深刻的原型,和一个在生产负载下能够支撑业务的系统,完全是两码事。将两者混为一谈的高管正在接受基于不完整图景的隐性架构决策,而他们手下的团队则被迫留下来收拾烂摊子、管理这个差距。

为什么这种情况不断发生?

不幸的是,我们正在经历的不仅仅是非功能性需求规范方面的差距;这个问题要根本得多。长期以来,我们中有太多人认为正确的非功能性特征会从优秀、整洁的代码中自然有机地产生。或者,如果没有产生,我们认为可以在最后开发末期再把它们“加进去”。我们总是用“它们属于测试阶段,而不是规范/设计阶段”的谎言来安慰自己。

这些都不是真的;事实上,从来都不是真的。NFR 中的“R”代表的是“需求”。你必须一开始就考虑并指定它们,否则你最终也不会得到它们。

需要澄清的是,有些非功能性需求是不可能提前指定的,例如可用性的服务级别目标。但我们可以在开始阶段做足够多的工作,以了解这些需求可能处于什么量级/范围之内,以及在多如牛毛的 NFR 类别中,哪些将成为我们系统的核心。

LLM 辅助开发并没有改变这一逻辑,但它确实放大了忽视这一逻辑的后果。当开发人员没有考虑到性能限制时,你有望在代码审查中发现它。但当模型在生成的一万行代码中跳过这些限制时,你只能在生产环境中才发现它出了问题。

“将非功能性需求(NFR)纳入编码系统所需的投资成本从未如此之低。而潜在的回报——能够刻意且主动满足其可靠性、安全性和性能义务的系统——也从未如此之高。”

—— Andrew Harmel-Law,Thoughtworks 技术总监

隐藏在眼前的机会

综合来看,我认为我们正处于构建系统方式发展演变中一个激动人心的节点,因为在系统中实现和平衡 NFR 的成本已经大幅下降。如果你能用精确的、可测试的语言来描述系统的质量要求,LLM 就可以将它们直接编码到架构、测试和部署配置中。

这是一个杠杆点。将 NFR 纳入编码系统所需的投资成本从未如此之低。潜在的回报也从未如此之大。

这里有两种趋势在交汇。一方面,单元测试的相对重要性似乎在下降,因为 AI 生成使得它们生产成本极低且容易应付;另一方面,以测试工具为形式的更高层级测试正变得越来越有价值,因为它们验证的是业务行为和意图,而不是底层实现。将非功能性需求表达为可测试断言的可执行规范,完美契合这第二种领域。

有了这些,现在的“行走骨架”就可以成群结队地出现了。你可以并行启动多个候选架构,让它们通过 NFR 测试工具的检验,并最终选择那些能够恰当平衡我们最重要非功能性需求的架构版本。这是一种以前根本无法达到的架构迭代速度,在这种迭代中,我们可以清晰地阐述那些真正重要的关键质量属性。

将 NFR 的范围限定在架构上:一刀切行不通

我们不需要满足于这种在整个系统上生硬地“一刀切”套用 NFR 的做法。在 NFR 工作中最昂贵的错误之一,就是在需求实际上只适用于部分系统时,却将其统一应用到整个系统中。LLM 可以帮助你避免这种情况,但是,前提依然是你提出了正确的问题。

亚马逊并不希望他们所有的系统都符合 PCI 合规标准,他们只需要那些处理支付数据的子系统符合 PCI 标准即可。更重要的是,让那些系统从其他所有系统中清晰地分离出来(具有真实、明确且有防御能力的合规边界)会让他们获益良多。同样,一家保险经纪公司的 SaaS 平台也不需要在每个角落都去应对峰值负载进行设计。报价引擎需要在新产品发布时应对流量激增;但历史文档归档系统几乎肯定不需要。

精确界定范围并不会削弱你的 NFR,反而会强化它们。一个你有能力进行实际测试和执行的、边界清晰的合规要求,远比一个在各处被悄悄侵蚀、形同虚设的“全面义务”更有价值。

正确界定 NFR 范围本身就是一种架构行为。它迫使你清晰地思考系统的哪些部分承担着哪些质量义务,并据此划定边界(我认为这应该是领域边界)。LLM 在帮助凸显这些区别方面出奇地擅长。你可以要求它们识别“在提议的架构中,哪些组件承载了某个特定的 NFR”,你通常会得到一个非常有用的初稿。关键在于,这些边界随后必须在架构中被强制执行,而不仅仅是在文档中被口头声明。

通过架构决策记录(ADR)使权衡可见化

正如我已经建议的那样,每一个重要的 NFR 都涉及权衡。选择高可用性意味着在某些地方要接受“最终一致性”。针对低延迟进行优化通常意味着更高的基础设施成本。加强安全控制会给开发人员的工作流程增加摩擦。这些都不是设计的失败;它们恰恰是设计的本质。问题在于,当这些权衡保持隐性、未被记录时,对任何没有在做决定时在场的人来说,这都是个大问题。

架构决策记录(ADR)是使这些权衡变得明确且可追溯的正确机制。一份引用了处于冲突/拉扯状态的特定 NFR 的 ADR(例如,记录下 99.95% 的可用性需求与严格的数据一致性需求之间的冲突),能够清楚记录系统为什么会设计成现在的样子。未来的架构师、审计员以及帮助扩展该系统的 AI 模型,都会从这种明确的上下文中受益。

这是 LLM 能产生直接价值的领域。给定一组 NFR 和一个建议的架构方法,它们可以起草 ADR,阐明权衡,并标记出存在冲突的需求。最终的判断权仍然属于人类,但是编写文档的负担被大大减轻了(而嫌麻烦通常是 ADR 没有被写下来的核心原因)。

NFR 是连接战略和系统的结缔组织

每一个架构权衡的背后都应该是技术战略。而在技术战略背后,则应该是产品或商业战略。在实际工作实践中,这些关系往往是靠默认和假设的,而不是明确表达出来的。NFR 是这个逻辑链条必须变得具体的少数几个地方之一。

试想一下,将“快速市场扩张”作为优先事项的商业战略意味着什么。这个决定会直接带来 NFR 方面的影响:对最终一致性的更高容忍度、更激进的可扩展性要求、极低的初始安全投资(计划在以后再进行强化)。或者是一个围绕“严格监管市场”建立的战略:合规性和可审计性变成了承重的 NFR,并直接塑造了下游的每一个架构选择。

就像 NFR 本身一样,这些关系并不总是互补的。技术战略和商业战略之间可能存在真正的紧张关系。例如,一个追求快速推向市场的产品团队,和一个坚持采取减缓发布周期的安全控制措施的安全部门,他们之间的冲突绝不仅仅是没有沟通好的问题。它们可能代表了没有在正确管理层级上得到解决的真实战略冲突。NFR 会使这些冲突浮出水面。当你可以通过可测试规范中的“架构影响”,看到哪些商业目标在相互拉扯时,你就有了可以带回到管理层圆桌上的东西,去解决一开始造成这种紧张关系的根本战略问题。

在 AI 辅助开发的世界里,这或许是认真对待 NFR 的最深层价值所在。你不仅能获得更好的系统(尽管你确实会得到),更能得到一幅关于组织战略如何在你们构建的产品中真正体现出来的,更清晰、更诚实的图景。

将 NFR 作为强制性约束的六种方法

综上所述,为了将 NFR 融入到传递给 LLM 的规范中,你现在可以采取哪些具体步骤呢?

1识别关键用户角色及其对质量的期望

不同的用户对 NFR 的体验是不同的。交易台操作员和内容编辑人员对延迟的容忍度截然不同。从项目第一天起就在你的规范中明确这一点。

2明确梳理权衡滑块

可用性 vs 一致性。性能 vs 成本。安全性严格程度 vs 开发者速度。只要你主动提出要求,LLM 可以系统地引导你了解这些权衡。请将这一步构建到你的前期架构流程中,而不是事后的回顾会议中。

3将监管和法律框架转化为可测试的规范

GDPR、SOC 2、PCI-DSS 不是抽象的义务,它们是可以表达为可执行测试的精确要求。让 AI 模型来做翻译工作;要求它们将其重新阐述为可测试的规范。然后让你的安全/法律专家来验证结果。

4从经过验证的典范中逆向工程推导隐性 NFR

行业基准服务(比如主流云服务提供商现有的 SLA)编码了数十年来得之不易的质量思想。用 LLM 提取这种思想,再次将其明确为可测试的规范,并以此来设定你自己的团队基准。

5直接根据 NFR 生成测试夹具和测试工具

如果一个需求被指定得足够精确且可测试,它就可以被用来生成测试数据和流水线配置。实现规范和验证之间的闭环。不要把它留作一个纯手动的步骤。

6生成符合真实形态的测试数据集

这里的真实包括静态数据、请求的形态和组合。针对空数据库,用单一有效负载反复攻击单个端点的性能测试并不能说明什么。另一方面,反映真实世界流量分布、并针对目标真实静态数据库的测试,能为你系统是否能够抗压提供更多信心。NFR 为你提供了推导出这种真实性的规范依据,而一旦这些需求清晰了,LLM 就可以完成大部分的数据生成工作。

架构师和 CTO 们现在需要做什么

那么,作为一名资深技术人员,你现在可以开始做些什么呢?

首先,无论你的资历如何,请停止将 NFR 视为 QA 部门的专利或上线后的优化工作。请将它们指定为任何 AI 辅助开发计划的“准入标准”。如果一个团队在开始写提示词让 AI 写代码之前,无法清楚阐述他们正在构建的事物的可靠性、性能、安全性和合规性概况,那么他们就还没有准备好开始写提示词。

如果你是一位一直自己亲自尝试 AI 编程的高管,体验过看着一个能运行的原型在几分钟内被生成的快感,那么你这种倾向于快速行动的本能是一项极佳的资产。但是,一个令人信服的演示 DEMO 和一个坚固的生产系统之间的巨大鸿沟,恰恰就是 NFR 的栖身之所。能够正确处理这一问题的组织,将是那些能把这种开发速度应用在已被妥善定义好 NFR 规范的系统上的组织,而不仅仅是应用在那些表面光鲜的演示上。你也最有机会了解你的系统需要体现的关键非功能性目标。弄清楚这些,并帮助你的团队将它们转化为可以验证代码质量的规范。未来的你一定会感谢现在的自己。

工具已经准备就绪。做好这件事的成本比以往任何时候都要低。现在唯一的问题在于,你的组织究竟是把非功能性需求当成严肃的架构产物来认真对待,还是继续抱有幻想,指望它们会像变魔术一样自动出现在 AI 生成的代码中?

它们不会自动出现的;过去从来没有过。

作者:Andrew Harmel-Law

跳转微信打开

监督工程: 编排软件的“中环”

2026年7月2日 19:00

Richard Gall 2026-07-02 19:00 北京

AI 编程助手的出现,在传统的“内环”与“外环”之间催生了一个全新的软件工程层次——“中环”。工程师的职责正在从“编写代码”转向“监督工程”:设定约束、评估产出、纠正偏差。这不是人与机器的对决,而是人类的判断力驾驭机器的速度。

几十年来,软件开发被整齐地组织成两个核心节奏:内环和外环。内环很大程度上发生在你的 IDE 中:编写函数、运行本地测试、修复语法。同时,外环则是你在输入 git push 之后发生的一切:代码审查、CI/CD 流水线、暂存环境和部署。

但情况已经发生了变化。生成式 AI 和自主编码智能体打破了这种双环心智模型。智能体现在能够在几秒钟内产出数百行语法完美的代码。瓶颈不再围绕着我们编写或实现代码的速度,而是围绕着我们验证的速度。

这种变化不亚于软件开发中的一个全新层级:中环。更重要的是,这个中环需要一种全新的软件方法;一种我们称之为监督工程的方法。

什么是“中环”?

The Middle Loop

要理解中环,我们需要看看由于 AI 的影响,软件工程正如何在结构上被重新架构。

从历史上看,软件开发是一个二元模型:你编写代码(内环),然后部署它(外环)。中环可以被理解为一个由于 AI 生成代码的数量和速度而被迫存在的全新操作层。它是人类判断与机器执行相互摩擦的阶段。

要了解为什么中环是独特的,可以将其与传统的两个环进行对比:

内环: 从历史上看,这是人类工程师在本地输入、编译和修复语法错误。今天,AI 智能体正在接管这项工作中的大部分:智能体可以启动本地环境、编写函数并进行迭代,直到代码编译成功。

外环: 这是 DevOps 和平台工程的领域——CI/CD 流水线、自动化安全扫描、容器化以及推送到生产环境。

中环:在 AI 智能体提出解决方案的那一刻,这个新层级就会被触发。在中环,人类工程师评估智能体是否真正解决了正确的问题,确保代码不会引入架构漂移,并编排多个由智能体创建的组件如何契合在一起。

实践中的中环:监督工程

在中环,你不是从头开始编写代码。你是在监督一个系统。然而,“监督”一词并不意味着开发人员除了看管系统并在出错时进行纠正之外别无他法。事实上,他们仍然需要做很多事情。

对齐意图与设定约束

在智能体开始构建之前,监督者需要确立其构建所需的基础参数。这涉及向智能体提供精确的架构约束、API 规范和风格指南。提示智能体构建某些东西很容易;让它以正确的方式构建正确的东西则是另一回事;这需要软件工程师在这种全新监督角色中的知识和经验。

多智能体合成

现代 AI 工作流不仅依赖于一个大语言模型。一个智能体可能编写前端组件,另一个重构后端 API,第三个生成数据库迁移。中环是工程师必须合成这些并行工作流的地方。你要确保智能体 A 的输出能够干净地与智能体 B 的输出集成,而不会破坏整体系统架构。

差异与行为审查

在传统的代码审查中,你会查看同行编写的拉取请求以捕捉逻辑缺陷。在中环,你正在审查在几秒钟内生成的巨大代码墙。你的审查从检查代码是如何编写的,转变为验证代码做了什么。这涉及运行行为驱动的测试、检查隐藏的幻觉漏洞,并确保智能体没有采取古怪的捷径来让测试通过。

把关与护栏

中环应该被视为一种过滤阶段,在任何内容触及你的 CI/CD 流水线之前,都需要通过这个阶段。在这里,你应用自动化的策略即代码、运行针对性的集成测试,并做出高风险的执行决策:这段机器生成的代码是否足够安全,可以合并到我们的核心代码库中?

监督工程的三大支柱

理解监督工程的另一种方式是通过三个关键支柱的视角:指导、评估和纠错。当工程师开始掌握中环时,这些共同强调了软件工程中正在发生的整体转变。

指导: 这远远超出了基础的提示。它涉及将庞大的系统架构分解为“智能体大小”的区块、管理上下文窗口,并明确地将工程标准代码化,这样智能体就不会幻觉出自己的设计模式。

评估: 这是困难的部分。它需要深刻的系统上下文来阅读高度可行、缩排漂亮的代码,并立即询问:“这是否抓住了重载下的边缘情况?它是否使用了已弃用的 API?这是否只是自信的胡言乱语?”

纠错: 将由并行工作的三个不同智能体生成的三个不同代码库缝合在一起,保持架构的一致性并确保系统无缝衔接。

除了这三个支柱之外,也许最需要记住的一点是:你过去常常在编写代码时慢下来;现在,你必须强迫自己在阅读、质疑和审计代码时慢下来。

随规模发展的技能

工程责任的表面积并没有缩小;它扩大了。行业不再需要你成为一本行走的语法字典。相反,它看重:

• 对系统架构的强大心智模型。

• 对软件如何运行的机械同理心与敏感度。

• 委派和编排复杂任务的能力,而不是手动实现它们。

初级开发人员可能需要适应甚至绕过传统的“语法精通”阶段,去学习严谨评估的艺术(尽管这仍然是一个未知数)。然而,花费数十年调试系统的资深工程师,应该已经具备了作为有效监督者所需的精准直觉。

软件工程的未来不是人类 vs 机器;而是人类的判断力管理机器的速度。那么,欢迎来到中环;是时候投入你的专业知识和经验,开始进行监督了。

跳转微信打开

控制论与智能体编码中的“人在环上(Human-on-the-Loop)”

2026年6月8日 19:00

Dirk Lässig 2026-06-08 19:00 北京

当 AI 能够自主编写代码、运行测试并尝试自我修复时,人类开发者应该站在什么位置?是继续在微观层面纠缠于每一行代码,还是退居幕后进行大局掌控?

自 20 世纪 50 年代以来,软件开发的一大瓶颈始终是人类在终端前敲击代码的速度。而今天,这一限制正在悄然消退。随着能够自主生成、测试和重构代码的 AI 智能体(Agents) 的崛起,我们似乎即将彻底攻克这一历史性的效率瓶颈。

然而,这也带来了全新的挑战:如今,AI 产出代码的速度极其惊人,以至于人类进行传统逐行手动代码审查的能力,反而成了新的瓶颈。在软件开发中,人类的引导和塑造依然不可或缺,因为最终的产出必须由人来负责 —— 并且理所应当,我们仍希望保持主导权。

换句话说,我们需要有切身利益相关(skin in the game)的人参与到流程中,以确保 AI 智能体忠实地实现我们的意图。但是,如果我们坚持对每一个微小的代码改动都做“人在环中(Human-in-the-loop, HITL)”式的微观审查,我们不仅会限制系统的吞吐量,更会成为整个研发流程的“断裂点(fracture point)”。这意味着我们要么选择限制智能体的速度,要么沦为“无脑盖章(rubber-stamping)”的工具人,去批准那些我们并未真正理解的代码。

传统人在环中模式(Human in the loop)

像管理组织一样,领导基于智能体的软件开发

Lead an agentic SDLC like an organization

要突破这一“断裂点”,关键在于理解基于大语言模型(LLM)的智能体具有“非确定性(non-deterministic)”。这种非确定性意味着我们不能盲目信任 AI 会把每一件事都做对。但这同样折射出了一个关于人类团队的基本事实:人也同样会犯错。然而,作为由“会犯错的人”组成的复杂交互集合体,企业组织却往往能够实现卓越的业绩并交付极其稳定的成果。

他们是如何做到的?正是通过领导层所建立、管理层所执行与引导的结构、流程、能力和行为。

优秀的管理者不会去审查员工所做的每一件事,但他们掌控着整个系统。他们设计组织架构、进行目标管理、在出现异常时予以干预,并设定规则边界,从而让富有成效的自组织结构自然涌现。

领导一个基于智能体的软件开发生命周期(SDLC)面临着极为相似的挑战。如果我们想更上一步、高效地领导 AI 智能体,我们就必须在 SDLC 中承担起全新的“引导和掌舵(Steering)”角色,而不是试图去检查每一行代码。我相信,要实现成功的掌舵,我们可以从“管理这门手艺(management craft)”中汲取灵感。编排和控制智能体,与管理者领导一个组织有着极多的异曲同工之妙。

💡 示例:

由开发者扮演“AI 团队主管(Head of AI Workforce)”的角色。由他们定义成功的衡量标准(例如:将 API 延迟降低 20%),并建立团队结构和流程(例如:让一个智能体编写代码,而让另一个 QA 智能体独立进行验证)。只有当仪表盘提示目标偏离或智能体之间出现分歧时,开发者才会介入。

引入控制论:连接开发与管理的桥梁

Cybernetic science as the bridge

对于许多软件工程师来说,将管理视为一门“手艺”甚至“科学”可能会感到有些疏离,甚至有些怀疑。将管理实践应用到软件工程中也并非显而易见。然而,“控制论(Cybernetics)”可以作为二者之间必不可少的桥梁。

这一概念由诺伯特·维纳(Norbert Wiener)于 20 世纪 40 年代提出。控制论是研究复杂系统中的通信与控制的科学,它认为生物体、社会组织和机器都遵循着相同的反馈与调节这一普遍规律。

20 世纪 70 年代,斯塔福德·比尔(Stafford Beer)开发了“可生存系统模型(Viable System Model, VSM)”,将控制论与管理学科紧密连接起来。到了 20 世纪 80 年代,弗里德蒙德·马利克(Fredmund Malik)开始将 VSM 融入其著作《复杂系统管理战略》中,这帮助构成了以控制论为导向的“圣加仑管理学派(St. Gallen School of Management)”的中坚力量。

这一庞大的知识库提供了丰富的科学思想体系,能够帮助软件工程师不再把 AI 智能体系统仅仅看作一个“黑匣子”,而是将其视为一个功能完备、可控、可调节的控制论系统。而且,由于控制论作为一门科学,不仅适用于社会组织,同样适用于技术系统,因此它能极好地作为桥梁,帮我们解决智能体 SDLC 中由于人类试图保持“人在环中”而带来的重重摩擦。

💡 示例:

设想一个由智能体驱动的自愈式基础设施。工程师设计了这样一套机制:监控智能体一旦检测到内存泄漏,就会立即触发编码智能体自动修复并打上补丁。在工程师眼中,随之而来的并非几个孤立脚本的简单堆砌,而是一个经典的控制论反馈环 —— 智能体之间的通信通过反馈受到动态调节,从而确保整个基础设施在面临压力时,依然能够保持高可用与稳定运行。

跃升至元维度的“控制”

Leaping to the meta level with steering

为了理解人类如何有效引导智能体,我们必须审视控制论的基石之一 —— 罗斯·阿什比(Ross Ashby)的“必要多样性定律(Law of Requisite Variety)”:“唯有多样性可以吸收多样性(Only variety can absorb variety)。” 多样性缺陷是衡量复杂性的指标,代表了系统不同状态的数量。

在 SDLC 的语境下,智能体系统的“多样性”表现为在机器速度下产生的海量代码变更、架构决策和缺陷修复。为了控制这一点,人类必须具备“必要的多样性”(即同等或更多的状态处理能力),但这往往超出了人类的认知极限。如果人类试图在具体的代码执行层,通过“人在环中(In-the-loop)”来死磕这种多样性,那么必然会以失败告终或导致流程大幅放缓,从而反而降低了多样性,并最终削弱了智能体系统的速度与能力。

自然地,人类必须跳出“问题-解决(Problem-Solution)”层面,移动到更高的抽象维度:元维度(meta level)。弗里德盟德·马利克将其称为元系统控制(meta-systemic steering)。

这就是处于“人在环上(Human-on-the-loop)”的真正含义。这是通过塑造智能体系统、设计并配置它以实现期望目标、并加入适当的机制来引导智能体向这些目标迈进而实现的。

跳出系统:人类设计与配置智能体系统 

上述的控制机制使智能体系统的多样性与人类的能力(多样性)达到一种内稳态(homeostasis) —— 这是一种动态平衡,在此状态下双方都能保持稳定且方向一致。

因此,为了跳出“问题-解决”层并在元维度进行控制,我们必须拥有正确的传感器(Sensors)和指南(Guides)。

人在环上(Human on the loop)终极控制模型 

这便完整构建了我们的“人在环上”模式:智能体系统自主运行其内部的反馈闭环,而身处外部的人类则在系统层面上进行领航。

在设计支持人类控制智能体的机制时,我们应该从控制论的两个核心手段中汲取灵感:

1. 衰减(Attenuation)

通过过滤或聚合,来衰减来自智能体系统侧的超高多样性,避免让人类侧过载。例如:

  • 将高频输出物聚合为浓缩的标准化报告或仪表盘(如:代码质量趋势、智能体任务成功率指标)。

  • 仅基于预设的阈值向上级升级“异常情况”(Exception Handling)。
  • 促进智能体系统内部的自我管理(就像一个成熟的敏捷团队能够在没有管理层日常介入的情况下,自行解决更复杂的局部问题)。

💡 示例:

开发者不再去阅读 QA 智能体每天生成的 200 个冗长日志,而是配置一个仪表盘,仅在测试成功率指标跌破 98% 时才向人类发出警报。这有效地过滤掉了噪音(衰减了多样性),使其在人类有限的认知带宽内变得可控。

2. 放大(Amplification)

放大来自人类侧的多样性,以更高效、规模化地影响 AI 智能体。例如:

  • 将架构和准入决策规则编码进智能体全局策略中

    (例如通过项目根目录下的 AGENTS.md)。

  • 为智能体提供包含特定业务领域或核心技术规范的统一知识库。

  • 将控制权分散给多个人类角色或整个平台工程团队。

  • 通过培训和先进的思维模型,深化人类对系统整体状态的理解。

💡 示例:

开发者编写了一份详尽的 DESIGN_PRINCIPLES.md 文件,其中包含明确的安全规范和编码风格标准。通过将这份指南注入所有智能体的上下文(Context)中,他们将自身作为个体的技术影响力,成百倍地放大到了整个代码库中。

针对这种衰减与放大,业界最近提出了一个新词 —— 安全套件工程(Harness Engineering)。它的意思是为智能体系统内部的高多样性构建一个稳固的“安全套件(Harness)”。

寻找合适的衰减与放大方法,要求管理侧对智能体系统拥有足够精确的模型。这就是康南特-阿什比定理(Conant-Ashby Theorem):“系统的任何优秀调节者都必须是该系统的模型(Every good regulator of a system must be a model of that system)。” 这一理论表明,想要控制智能体系统的人类必须深刻理解系统本应如何运行。通过为 SDLC 设计和配置智能体,人类将形成一个初始的“思维模型”。但在现实中,实际运行的技术系统可能会与该模型产生偏差(例如发生模型漂移,或在某些未预料到的极端情况下失败)。这就是为什么我们需要引入最后一个元素,来促成“人在环上”模式的最终闭环。

在智能体系统中践行“现地现物(Go See)”

"Go see" in the agentic system

为了使整幅控制论图景更加完整,我想引入另一项来自精益(Lean)管理的成功实践。如果说元维度(Meta level)是我们实施全局控制的地方,那么 Gemba(现场/源头) 就是我们验证控制是否真正与现实相连的地方。在软件开发中,Gemba 指的就是创造价值的实际场所 —— 也就是智能体与代码、仓库打交道的微观世界。

在精益管理中,“现地现物”(Go See,或称 Genchi Genbutsu)是指管理者离开高高在上的象牙塔,亲自深入到生产第一线去。对于基于智能体 SDLC 的工程师而言,这意味着尽管他们主要承担着智能体系统管理者的角色,但他们不能完全只依赖仪表盘传感器和指南策略来领导。工程师必须定期、偶尔地“降维”回到微观的“问题-解决”层面。

将“现地现物”反馈环融合进“人在环上”模型 

结构上,“现地现物”的回归是绝对必不可少的,因为它能保持工程师用于控制的思维模型处于最新、最准确的状态。大语言模型可以生成看起来极其精美、能顺利通过单元测试并满足表面需求的代码,但它同样可能悄悄引入代码退化(Code Decay),或包含自动化传感器无法轻易标记的隐性“幻觉(Hallucinations)”。

传感器通过聚合和过滤来“衰减”多样性,而“现地现物”则刻意逆转了这一过程 —— 让人类重新直面繁杂的微观现实。凭借自身的工程专业技能和在软件工程中沉淀的实战经验,人类能够敏锐地识别出未知的失败模式、检测出潜在的代码坏味道(Code Smells),并感知智能体是否在以正确的方式做正确的事。通过对特定代码模块进行手动的、随机的抽样检查(Spot-checks),工程师将人类的技术直觉转化为了整个控制论系统中最顶级的感知输入。

💡 示例:

某位开发者平时主要通过仪表盘关注质量指标,并不断优化智能体的全局 Prompt 策略。然而,每周五下午,他们会进行一次“现地现物” session:随机挑选由编码智能体生成的 3 个复杂 PR(Pull Request),并开展深度的手动代码审查。
在审查中,他们可能会惊喜地发现,尽管代码通过了所有的自动化测试,但智能体却使用了一种非常低效的数据结构,这在未来高并发流量下会引发严重的扩展性(Scaling)问题。此时,开发者就需要重新修正他们对系统能力的模型评估,并改进安全套件(Harness),以便在未来引导智能体选用更合适的数据结构。同时,他们也可能会调整智能体流水线设计,以期在未来更早地自动检测出此类可扩展性问题。

这种对控制行为的阶段性校准,能够确保外部的传感器没有过滤掉残酷的真相,并且制定的指南在真实的代码世界中切实产生了预期效果。“现地现物”是一种修正机制;它应当成为“人在环上”系统中固定的、不可或缺的次级反馈闭环。在组织学习理论中,这实际上正是双环学习(Double-loop Learning)的经典应用。

结语

Conclusion

从“人在环中(Human-in-the-loop)”向“人在环上(Human-on-the-loop)”的范式转变,正是软件工程这一职业在 AI 时代的进化史。探索控制论与管理艺术,为我们在这场变革中提供了坚实的学科底层支撑。它科学地解释了该如何塑造全新的智能体协作系统,使其既能享有机器带来的极致速度,又不会失控,从而持续创造出可靠且一致的业务价值。

在这一背景下,未来的软件工程师和系统架构师实质上正在转变为“控制论系统设计师(Cybernetic System Designers)”。如果他们能做到以下几点,就必将在智能体时代大放异彩:

  1. 应用控制论(Applying Cybernetics):

     深刻理解并善用控制论概念,在人机的演进中精准平衡系统多样性。

  2. 学会控制与掌舵(Learn Steering):

     积极采纳先进的管理学实践,将 AI 智能体作为高产出的团队组织来编排和管理。

  3. 践行“现地现物”(Practicing “Go See”):

     拒绝只看 KPI 报告,定期深入编码一线,用人类直觉和经验不断更新技术思维模型。

这也向我们揭示了一个硬币的两面:在未来,单靠抽象的管理和控制技能是不够的。“现地现物”的有效性依然深度依赖于人类扎实的技术专家经验和对代码的敏锐直觉。因此,留给整个行业思索的终极问题依然存在:

当大部分代码都由 AI 代劳时,我们又该如何为下一代人类开发者保持并培养这些至关重要的、核心的技术直觉与工程硬实力?

跳转微信打开

如何在 AI 辅助开发中落地有效的评审关卡(Review Gates)

2026年5月26日 11:30

原创 Vineet Desai 2026-05-26 11:30 北京

AI 编码助手可以显著提升软件开发的速度。然而,如何确保其输出的结果值得信赖,依然是当下的一大核心挑战。在实际开发中,我们经常遇到一些让人头疼的问题:需要评审规模庞大且难以入手的 diff、在跨编码会话(sessions)时丢失上下文,或者由于 AI 在任务中途转移了注意力而产出一些只有部分功能可用的“半吊子”代码。

为此,我希望找到一种能够有效化解这些风险的工作流。它需要满足以下几点:

  1. 减轻评审 AI 生成代码时的认知负载(Cognitive Load)。

  2. 允许我随时暂停会话并在之后无缝衔接,而无需向 AI 助手重新解释上下文。

  3. 保持代码库的稳定性,防止 AI 在开发中悄悄“跑偏”。

为了测试这一设想,我亲自动手构建了一个名为 tiny-event-bus 的项目——这是一个使用 GitHub Copilot 配合 Claude 4.6 Opus 开发的类型安全、零依赖的事件总线(Event Bus)。我在其中摸索出的这套工作流主要由三部分组成:将工作拆分为易于评审的小块的里程碑(Milestones)、两种不同频率的评审关卡(Review Gates),以及一个用于在不同会话间维持 AI 项目记忆的动态上下文文件(Living Context File)。

在这篇文章中,我将重点聊聊这些里程碑的拆分,以及为什么我认为它们在 AI 辅助软件开发中至关重要。

AI 辅助下的开发规划

在项目的第一个会话(session)里,我没有动一行代码,而是把时间都花在了描述我的真实需求上。AI 据此提出了一个完整的方案:包括技术栈选择、包(package)结构和里程碑拆分。

在双方达成一致后,AI 在“规划模式(Plan Mode)”下草拟了 AGENTS.md 和 MILESTONES.md 文件。在正式编写任何实际代码之前,我对这些内容进行了反复评审和迭代。其中,AGENTS.md 是一个控制在 200 行以内的精简上下文文件,在每个里程碑完成后都会进行更新,从而确保后续新的会话能够基于最新的上下文启动。

里程碑:让代码评审保持“小步快跑”

AI 可以在几分钟内生成涉及 40 个文件的 diff。而里程碑(Milestones)机制正是解决这一痛点的良方——它将每个功能拆分为足够小的分块,让你可以坐在位子上一次性轻松评审完。并且,每个里程碑交付时,代码库都必须处于可编译、测试已通过且文档完备的稳定状态。

每个新功能的开发都始于规划模式,由 AI 提出拆分建议。具体而言,它会分析该功能涉及的技术层、需要拆分为多少个里程碑以及具体的先后顺序。这种顺序基于依赖关系分析,而非生搬硬套的固定序列,我们会不断迭代直到方案完全合理。随后,AI 会将商定好的里程碑更新至 MILESTONES.md中,并将它们默认标记为“未开始(not started)”。最后,在代码实现正式开始前,我会对整个计划进行最终评审。

“一个功能绝不仅仅是一个里程碑。”

以订阅事件总线上的所有事件(即 onAny 事件监听器)这一功能为例。它的具体落地被拆分成了四个里程碑:

  1. 核心实现 —— 将 onAny功能添加到事件总线中。

  2. React Hook—— 一个将监听器与 React 组件生命周期绑定的封装器。

  3. Demo 更新—— 将其接入示例应用中。

  4. 端到端验证与文档更新 —— 验证该 API 的端到端可用性,并提升其可发现性(Discoverability)。

在第一个里程碑完成后,核心功能已经可以使用,且所有测试均顺利通过。此时 React hook 虽然还不存在,但现有的代码没有任何损坏。你完全可以直接推送(Push)代码,改天再回来继续。

再举一个将项目迁移为 Monorepo(单仓多包)以通过插件架构支持事件总线功能扩展的例子。它被拆分成了五个里程碑:

  1. 脚手架搭建工作区(Workspace)结构。

  2. 提取核心包(Core Package)。

  3. 提取 React 插件。

  4. 完整工作区的验证。

  5. 将示例应用迁移为使用工作区依赖。

对比一下:如果让 AI 一口气把整个迁移做完,你将不得不面对一个包含 40 个文件的庞大 diff。你需要一边检查 peer 依赖声明,一边验证导入路径(Import Paths)。那样的评审体验简直是一场灾难!相反,分块进行评审则轻松得多,因为你能够真正静下心来去阅读并思考每一行代码。里程碑将代码评审从冷冰冰的“合规审计”变成了一场有来有往的“建设性对话”。

评审关卡:及早捕捉偏差

评审关卡(Review Gates)能够确保每个里程碑的质量落到实处。我之所以称其为“关卡(Gates)”而非“循环(Loops)”,是因为它的核心特征不在于重复迭代,而在于 AI 必须停下来,等待人类的明确许可后才能继续。这确保了在未经人类评审的情况下,任何代码都无法擅自合并进代码库。

这有意区别于诸如 Ralph 循环(Ralph Loop)等完全自主的方法。在 Ralph 循环中,AI 处于“编写代码、测试、修复、重复”的持续自动化循环中,极少需要人类干预。虽然 Ralph 循环把速度拉满了,但由于它会在极短时间内生成海量代码,这给人类的监督带来了巨大障碍。这种“狂飙”的速度极易导致错误的假设在底层层叠加重。关卡机制用一部分速度换取了控制权,但其整体开发效率依然远比你纯手写要快得多。

在这个工作流中,我们设计了两种不同频率的评审关卡:

  • 内部关卡(Inner Gate): 在每个独立测试完成后触发(这也是最小的可评审单元),能够在错误的假设蔓延之前将其掐断。

  • 外部关卡(Outer Gate): 在里程碑边界触发,用于检查完成的功能是否契合全局设计,以及代码库是否处于稳定状态,以便交付或稍后继续。

1. 内部关卡(Inner Gate)

由于项目遵循测试驱动开发(TDD)流程,内部关卡会在每次“红-绿-重构(Red-Green-Refactor)”循环后触发。AI 编写一个失败的测试,然后仅编写足以使测试通过的代码,随后便停下来等待评审。这可以防止 AI 预先注入不必要的自以为是的假设。

如果没有内部关卡, AI 可能会基于某种误解来编写测试并据此进行实现,最终产出一个逻辑自洽但方向完全错误的功能。内部关卡能够在极早期捕捉到这种偏差,同时也一步步建立起人类对代码的信心。

2. 外部关卡(Outer Gate)

外部关卡在里程碑边界触发。此时,AI 会运行诸如测试套件、代码检查(Linting)、构建、文档更新等一系列机械性检查。而我的评审则是人类特有的控制层——在这一步,我会验证整体设计、审查配置文件的更改、检查项目结构,并捕捉自动化手段容易漏掉的盲点。

在每个里程碑完成后,AGENTS.md和 MILESTONES.md 都会被更新,它们会明确告诉 AI 你当前停留在哪里。这就是让“暂停与恢复(Pause and Resume)”机制得以完美运转的核心所在。

它能帮我们将大型评审拆解为易于管理的小块,安全地回滚到之前的任何检查点,并保持文档的实时更新,以便新的会话可以在上一个逻辑完结处平稳启动。

我们真的两者都需要吗?

简单来说,内部关卡是里程碑内部的评审点;而外部关卡则是具备足够稳定性、可以随时 Push 的里程碑边界。

我们能否跳过内部关卡?这取决于具体情况。仅靠外部关卡确实也可以让评审规模保持在较小范围内,并提供稳定的暂停点。但代价是,你只有在里程碑结束时才会发现错误的假设,而不是在每个测试结束后及时纠偏。此外,内部关卡能让外部关卡的评审变得更快——因为你已经审过了每一个具体的测试,外部关卡在很大程度上就简化为了纯粹的全局设计方案走查。

因此,对于成熟的代码库,跳过内部关卡是合理的选择;但对于从零开始的新项目(Greenfield Work),内部关卡绝对物超所值。

实践中的“摩擦”与挑战

在实际推行这套工作流时,我也遇到了一些不完美的地方:

  • AI 倾向于直接编写完整实现而非“最小可行代码”,这在一定程度上削弱了 TDD 的严谨性。重构(Refactor)环节在 AI 的干预下也变得更加薄弱。在将测试变绿之后,AI 几乎绝不会主动去审视是否需要重构。要么是它觉得代码已经足够干净,要么是存在真正的重构机会却被它完全忽略了。你通常不得不自己找出这些盲点并给它相应的提示(Nudge)。

  • AI 无法百分之百可靠地遵循上下文文件中的规则。 大模型遵循指令是概率性的,而非确定性的。

  • 用 AI 更新文档是一场持久战。 有时 AI 会把一个里程碑标记为已完成并直接进入下一步,除非你明确要求,否则它压根不会去动其他文档。即便它真的去更新了,也往往会更新了部分文档而漏掉了另外一些。

  • AGENTS.md 中的规则仅是约定俗成的惯例,缺乏自动化的强力约束。

警惕:这种模式很容易让人上瘾!

这种高效的闭环体验令人极度舒适。当编码实现的阻力降得如此之低时,真正的瓶颈就转移到了你个人的精力与判断力上——而这两者都会随着疲劳而迅速下降。当你感到疲惫、只想机械地“打勾”通过并期待下一个功能立刻跑起来时,评审关卡机制的效果就会大打折扣。

核心结语与启示

AI 编写代码的速度远快于人类评审的速度。 本文提出的工作流正是通过引入“约束”来破解这一难题:

  • 里程碑: 确保每次评审都保持在较小的、可控的规模。

  • 内部关卡: 每次只针对一个测试进行纠偏,及早捕捉假设偏差。

  • 外部关卡: 确保每个检查点上的代码库都处于可随时交付的稳定状态。

  • 动态上下文文件: 在不同的开发会话之间完美维持项目记忆。

AI 速度极快且不知疲倦,但它缺乏鉴赏力(Taste)和判断力(Judgment)。在 AI 时代,你的核心工作已从“编写代码”转向了“设计约束”与“评审输出”。在这一全新范式下,你将同时扮演架构师、高级开发人员以及 QA 的角色。

免责声明:本文中表达的陈述和观点属于作者个人,不一定反映 Thoughtworks 的立场。

跳转微信打开

智能体 AI 正在重塑客户体验:一场设计范式的永久变革

2026年5月13日 12:01

原创 Thoughtworks 2026-05-13 12:01 北京

我们将深入探讨这场智能体变革与客户体验的演进路径,并带您重新构想在多元化的业务场景下,人机协同的无限可能。

在智能体 AI 的众多应用场景中,客户体验(CX)无疑是最具价值潜力的领域。过去,自动化互动的效果往往参差不齐;而现在,智能体 AI 正在弥合自动化与人工辅助之间的鸿沟,为客户旅程注入了“超个性化”的灵魂。

然而,智能体化客户体验(Agentic CX)的落地并非无本之木。它要求企业的客户数据、系统和流程必须是可访问、可连接、结构化且受治理的。缺乏这一基石,智能体将无法在完整的客户旅程中可靠运作,而只能沦为孤立触点上的被动反应工具

动态个性化:这仅仅是开端

智能体 AI 在客户体验中最直观的应用莫过于动态个性化。当用户与 AI 智能体交互时,获得的不再是千篇一律的回复,而是量身定制的建议与交互体验。

但智能体 AI 的真正野心远不止于此。其核心价值在于对客户旅程关键环节的“编排(Orchestration)”与加速。这标志着一种范式的转移:AI 的焦点正从单纯的“流程自动化”,转向对“最终成果”的编排。

以我们与某领先保险公司的合作为例:我们构建了一个自主 AI 智能体,能够代表客户针对误判拒赔的索赔自动发起申诉。这不仅为处在压力下的客户简化了繁琐流程,也为保险公司员工节省了大量宝贵时间。

随着 AI 驱动的购买旅程质量不断跃迁,整个客户体验格局正在发生巨变。过去,聊天机器人或自动化零售往往难以完全满足用户需求;而现在,AI 智能体让我们从“更快的响应”进化到“更优的决策”。它们能跨系统协作、理解历史交互背景,并基于客户的核心诉求(而非仅仅是当前会话的片面信息)采取行动。对于许多消费者而言,这种“智能体化购买”将成为首选渠道。而这,正是变革真正开始的地方。

核心在于选择,而选择权始终在人

尽管 AI 智能体正演变为一种独立的购物与服务渠道,但消费者的偏好依然多元。有人会全心拥抱智能体,有人则偏爱线下门店的温度或人工客服的直觉。有时人们想亲力亲为地筛选决策,有时则希望 AI 智能体代劳。核心在于赋予客户选择权。

从这个维度看,客户体验的本质并未改变。品牌仍需构建覆盖多触点的卓越体验,保障客户按需互动的自由。这本质上是一个由人驱动的过程,因此,人们的工作模式以及团队的组织形态也必须随之进化。

为什么“可组合企业”是智能体化 CX 的基石?

为了让智能体生态系统释放出转型的能量,必须打破“技术孤岛”。如果客户数据被困在无法共享上下文的系统中,智能体就无法在旅程中表现出连贯性。因此,智能体技术只有在“可组合企业(Composable Enterprise)”架构中才能如鱼得水——这种架构提供了一个极具适应性的平台,能随技术演进和需求变化而持续进化。

在可组合企业中,业务被解构为独立的业务能力、数据产品、AI 模型和智能体组件。这些组件可以像乐高一样被重用和灵活组装。在此模式下,智能体负责自动化与流程编排,而人类则保持“人在回路(Human-in-the-loop)”,负责战略定调并处理复杂的异常情况。

更重要的是,人类需要为智能体划定“护栏(Guardrails)”,设定其追求的意图,并对结果承担责任。这种设计工作绝非可有可无,它是构建“可信智能体化体验”的关键。

在 CX 场景中,这些智能体通过特定的业务模型进行推理规划,并利用 API 在现实世界中执行任务。

同时,这套体系必须依赖强有力的治理。在客户体验领域,任何越界的行为都可能带来灾难性的品牌声誉、法律或财务风险。

有了这些坚实的基础,组织便可以随着智能体能力的增强,动态地调整其运作边界。这种演进并非由模型驱动,而是由企业通过在可组合架构中有意识地重新设计运作方式来驱动的。

可组合企业不仅是智能体化 CX 的起点,更是支撑其持续改进的底层结构: 它足够模块化,让我们在无需重建平台的前提下优化工作流;它又足够受控,确保我们在收紧护栏时不会中断客户的旅程。

作者:Jackeline Gonzalez - Lead Experience Designer, Thoughtworks

跳转微信打开

❌