这周AI编程社区反复出现的一个词,是“软件工厂”:需求丢进去,让一堆agent像流水线一样写代码、审代码、提PR、交产品。硅谷那场AI Engineer大会的几场演讲,这几天被翻译着发进B站、小红书和知乎。传得最广的结论却有点反直觉:真正把工厂跑起来的人,都在劝你别急着建。小红书哔哩哔哩
Steve Yegge是AI编程圈的老名人,常被当成激进派代表。他给自己运营的一款网游配了一座全自动代码工厂GasTown:十几个人类员工、几百个老玩家,剩下的活交给成群的agent。他的原话是,就这么小的规模,引入AI的过程依然“非常坎坷”——agent用新功能淹没玩家,用邮件淹没他的会计,用PR塞爆合并队列,用负载压垮机器,还未经许可发布过有问题的开源软件。他在两场大会上讲完,最让人意外的观点是:慢下来,把AI的产出节奏控制在人类速度上;绝大多数公司其实并没有真的靠AI提速。他还说了句像拆自己台的话:你大概率不需要一座软件工厂,维护它需要多得吓人的时间和token,之前的五座他全推倒重建了,因为重写比修复便宜。知乎小红书

另一头,工厂跑得最像样的人叫Lauren Tan,网名土豆姐,现任SpaceX AI首席工程师,负责GrokBot的工程侧。她说自己上个月推了3000个PR,整个团队一个月推了1.1万个,回滚率却稳在约0.5%。哔哩哔哩
她给出的办法全部落在“地基”上:把代码库当花园养,lint规则、类型系统、测试这些确定性的东西沉在底层,需要人来判断的规则文件放在最上层;每纠正agent一次,就往代码里沉淀一条可复现的检查,而不是往提示词里再补一句。她说现在大头token都花在验证上,而这个顺序不能反——先修好内部的编码循环,自动化只会产出更多垃圾。哔哩哔哩
同一时期,Warp的CEO Zach Lloyd在播客里讲“2026软件工厂标准”:用代码声明式地定义云端agent系统,集中存下所有agent的对话和产物,靠可度量的反馈闭环持续调优。内容全是基础设施,不是怎么买到现成agent。小红书

把这几场演讲连着看,边界其实很清楚:软件工厂是结果,不是起点。它的前提,是代码库已经被确定性的验证驯服。对大多数人来说,现在手头只有一个Claude Code或Cursor窗口,最值得抄的不是agent军团,而是两件事:把AI犯过的每种错变成lint规则和测试,把接受AI产出的速度压在自己真能验收的范围内。