什么值得买App下载 App ›
连续签到专享现金活动

让 HiFox AI Agent 全自动接需求、夜里自己改 bug,真的靠谱吗?

18:39

先说结论:靠谱,但前提不是「模型足够聪明」,而是把评审变成可计算的指标,把人工门压缩到只剩一道。

HiFox 团队有个 Agent 叫张无忌,每天凌晨 0:40 上班,扫描带 workflow:auto 标签的待开始任务,按优先级逐条处理。最近 10 天它独立接了 52 个 bug 和小需求,35 个已发布到生产,8 个测试中,1 个待发布,合计 44 个(85%)进入交付通道,只有 1 个被测试打回。

图 1:10 天 52 个任务的交付分布与 69 次运行图 1:10 天 52 个任务的交付分布与 69 次运行图 1:10 天 52 个任务的交付分布与 69 次运行

图 1:52 个任务交付分布与运行规模

这不是「AI 写代码」的演示,而是一条真实的研发流水线。原文写得很细,我挑三个最有价值的设计讲。

图 2:HF-15156 从误报截图到提测包的无人值守时间线图 2:HF-15156 从误报截图到提测包的无人值守时间线图 2:HF-15156 从误报截图到提测包的无人值守时间线

图 2:HF-15156 无人值守时间线

一、用固定流程图替代角色提示词

大多数 Agent 项目失败在第一步:给一段「你是一名资深工程师」的提示词,然后期待它自觉。

张无忌拿到的是一张 13 个阶段的流程图:初始化、截图语境、初诊、初案、自省深潜、计划、实现、净室评审、验证、待评审、等待提测、提测执行、完成。阶段在同一次运行里连续推进,状态写在 state.json,断了可以从断点续跑。

图 3:13 个阶段、4 道量化门与唯一人工门图 3:13 个阶段、4 道量化门与唯一人工门图 3:13 个阶段、4 道量化门与唯一人工门

图 3:13 阶段、4 道门与 1 道人工门

注意其中两个反直觉的设置。

第一,初诊阶段只许诊断,不许改代码。先写出可证伪的候选根因,再进入方案。

第二,净室评审最多 6 轮。6 轮还有阻断问题就熔断转人工,防止 Agent 在自己写、自己审、自己修的循环里无限运行。

这两条解决的是同一个问题:让 Agent 的输出可被检验,而不是让它听起来很努力。

二、把「读够了」交给脚本判定

自省深潜是整个流程的心脏。它替代了传统流程里的「方案确认」门,靠的是四道量化指标:

  • 不少于 15 个核心文件的近 30 天提交考古;

  • 不少于 50 个相关文件的阅读台账;

  • 对初版诊断和方案发起三类强制证伪;

  • coverage.mjs 脚本退出码必须为 0,否则不许进入实现。

这四道门的意义在于,它们都能被外部核对。Agent 说自己读够了不算数,脚本说读够了才算。

有个细节很能说明问题。一个真实任务里,Agent 在 commit 考古时发现,某段看起来多余的逻辑,其实是上一个需求刚立的防线。如果只看当前代码,很可能顺手拆掉,引入回归。它最终考古了 21 个核心提交、读了 54 个文件,才把根因定死。

三、只留一道人工门,但守得很死

整条流程只有一处需要人开口:提测。

规则是:只有任务处理人发出、且以「【提测】」精确结尾的消息,才能解锁交付。「可以」「继续」「approved」都不算,Agent 也绝不自己发令牌。

为什么敢把其他门都拆掉?因为未决分支有另一套机制兜底:保守自动决策。枚举全部合理候选,按最小爆炸半径拍板,只做核心修复和必要支撑,不扩张未授权的接口、schema 或迁移;每个决策连同候选和理由记账,提测时一次性交人追认。

只有四类硬限允许停下来等人:不可逆或破坏性变更、需求正面互斥、系统级阻断、仓库规则冲突。

图 4:保守自动决策、四类硬限与提测令牌门图 4:保守自动决策、四类硬限与提测令牌门图 4:保守自动决策、四类硬限与提测令牌门

图 4:人只剩一道门:提测令牌

这套设计把人的位置从「过程审批者」推到了「终局追认者」。听上去责任变轻了,其实要求更高:你得能在几分钟内看懂一份提测包,判断证据是否成立。

一个夜晚的真实数据

11 月 5 日 17:31,同事贴出一张截图:会话跑到 84 分 18 秒被停止,提示达到运行时长或无进展上限,但配置的上限并没到。

00:42 Agent 开工。它复盘发现,最后一次工具调用在第 54 分 11 秒,之后模型流首包连续 5 次 300 秒超时,30 分 06 秒没有新轨迹,被 30 分钟无活动清扫器误杀。顺着这条线挖出三处根因,修复横跨 Go 服务端、Rust CLI 和前端三层,22 个文件 +212/−42 行。

02:34 提测包交出,113 分 33 秒,全程无人值守。第二天早上,人只回了两个字:提测。

所以,靠谱吗

靠谱的不是「无人」,而是「可核对」。

任务、运行、阶段产物、测试输出、真实截图都在同一个系统里,每一步都能追溯;状态机保证中断可恢复;脚本保证自述不作数;令牌门保证合入团队分支的最后一步一定经过人。

如果这四件事缺一件,我都不建议把任务整晚交给 Agent。反过来,如果都做到了,人确实没必要守在每个阶段旁边。

过程可以无人值守,结果必须有人把关。Agent 无法负责,人能。

评论

评论区空态插画

当前文章无评论,是时候发表评论了