O'Reilly Radar 提出智能体软件工厂四层需求层次

O'Reilly Radar· Hugo Bowne-Anderson 与 Eleanor Berger·2026-10-23 18:54· 4 小时前AI 评分66

智能体软件工厂的需求层次

AI 导读

Hugo Bowne-Anderson 与 Eleanor Berger 提出智能体软件工厂的四层需求层次：harness、个性化、自动化和持续学习，核心是自主且异步执行，从单个 Agent 加一个自动化即可起步。

正文 · 原文

以下文章最初发表于 Vanishing Gradients Substack ，经作者许可在此重新发布。

Stripe 的 Minions 将工程需求转化为候选拉取请求。 Ramp 的 Inspect 让编码智能体在后台工作，并提供检查其改动的工具。 Warp Factories 通过智能体、检查和人工审核，将工单和聊天中的工作推进下去。 智能体软件工厂已经到来。

你是否已经厌倦了照看 Codex、Claude Code 或 OpenClaw？

你的智能体能够构建功能，却仍然要由你负责记住它们停在哪里、解释每个功能如何融入项目，并决定下一步做什么？你在每次对话中取得进展，然后开发就等你回来。

不必如此。软件工厂让你可以委派更多这样的流程！

你们就一个结果达成一致，给系统提供所需的上下文和权限，然后让它在你做别的事情时继续工作。当你回来时，应该有一个可以检查的结果，附带检查了什么的证据，或者有工作无法继续的具体原因。你接下来的对话就可以聚焦于结果和仍需做出的决定。

正如我们将向你展示的，你的第一个软件工厂根本不需要那么复杂：它可以从一个智能体加一个自动化开始。

是什么让它成为工厂

决定性的组合是自主且异步执行。

自主：智能体选择并执行朝向既定目标的步骤。它可以检查发生了什么，调整方法，并在其权限范围内继续。
异步：这项工作可以在无需你持续关注的情况下推进。你可以离开，回来再看结果。

定时任务可以在没有你的情况下运行。编码智能体可以在交互式会话中选择并修改方法。工厂将这两种能力结合起来，并具备足够的上下文、工具和反馈来执行委派的工作。

软件工厂的构想已有数十年。现在我们有了智能体，才真正能够运营它们。这些原则适用于传统上由人类团队完成的软件工作，从面向团队和个人的定制工具，到大型复杂的软件系统。

为了说明这些原则，我们将在本文中全程使用一个发票跟踪器，这是我们自己业务中需要的一个应用。同样的方法也适用于研究工具、发布系统以及面向团队的软件。假设你经营一家小企业，想要一个符合你工作方式的发票跟踪器。

构建一个应用，从我的模板创建发票，并跟踪哪些未付、已付或逾期。暂时保持本地运行。重启时保留记录，并向展示我总额和付款状态正确的检查。

你可以与智能体就这份简要说明达成一致，让它在你处理其他事情时继续工作，然后回到应用中查看检查了哪些内容的证据。如果某项检查失败，它可以在约定的范围内进行调查和调整。如果遇到它无法做出的产品决策，它应该把这个问题带回给你。

你可能会想象一种清晰的分离：工厂构建发票跟踪器，然后完成的应用程序履行其职责。这是一种运行方式。但智能体也可以帮助操作它们构建的软件，这种组合很有用。

跟踪器可以存储发票并计算未结余额。智能体可以将这些记录与客户通信一起使用来准备跟进：一位客户已承诺周五付款；另一位正在对一笔收费提出异议。你不需要把每种情况都变成新的软件功能，智能体才能提供帮助。你给它相关的上下文、权限以及检查其工作的方式。

这改变了你需要构建的内容！某些行为属于代码，例如一致地计算余额。其他工作可以委托给根据情况做出响应的智能体。如果出现重复性需求，你可以要求工厂将其构建到软件中。工厂构建智能体可以使用的工具，而使用这些工具的经验有助于你决定下一步构建什么。

你仍然决定什么值得构建、它应该服务于谁以及哪些权衡重要。智能体也可以帮助你做出这些决定。实际的变化是，实现可以在你的对话之间进行，包括运行检查和响应失败。

这使得工厂不仅与工程师相关，也与具有产品、业务或创意专业知识的人相关。你可能确切知道如何向客户开具发票、记录付款和追讨逾期账单，而对编写软件兴趣不大。这些知识让你能够引导工厂构建适合你业务的软件，包括通用工具处理不佳的例外情况和连接。

At every layer: specify what you want and how success will be checked, then verify the result. — *在每一层：明确你想要什么以及如何检查成功，然后验证结果。*

Monica Rogati 最初的 AI 需求层次描述了成功 AI 工作之下的基础。我们发现这种依赖框架对工厂也有帮助，包含四个不同的层次。

Harness 是模型周围存在的环境：工具、项目文件的工作区、执行和反馈。它让智能体能够读取文件、更改软件并运行它。如果检查失败，harness 必须给智能体足够的信息来调查发生了什么。
个性化 是你工作的上下文和能力：项目方向、规则、参考资料、技能以及与其他系统的连接。智能体需要知道你想要完成什么以及它应该保留哪些现有决策。权限限制对工具和系统的访问；沙箱限制可以运行操作的环境。
自动化 是一种无需你每次给出新指令即可启动和继续工作的方式。计划或事件可以触发任务或拾取就绪的工作。它还需要关于什么算作就绪以及在哪里留下结果的指导。
持续学习 是一个从完成和失败的运行中学习、改进工厂并将这些变化带入后续工作的过程。这可能改变指令、检查程序或智能体使用的工具。

自动化需要一个能够完成工作的执行框架，以及关于要做什么的指示。持续学习需要可检查的运行记录，以及将改进投入实际使用的方法。这些能力可以共同发展：一个熟悉的执行框架、一份简短的说明和基本的自动化就足以起步。随着工作暴露出缺失之处，你可以进一步个性化。

有两项实践贯穿每一层：规范与验证。

规范明确预期结果、约束条件和成功标准。在我们的发票说明中，这包括在重启后保留记录，以及正确计算付款状态。
验证检查软件以及智能体执行的工作是否符合这些要求。

智能体可以帮助你完善规范并执行检查。你的职责是判断这些要求是否涵盖了你所需的内容，以及证据是否支持接受该结果。随着工厂承担更多工作，这些实践为你提供了一种指导它并评估返回结果的方式。

现在让我们看看每一层的情况。

1. 智能体执行框架

首先，你需要一个智能体执行框架。如果你使用的是 Codex、Claude Code、Hermes 或 OpenClaw，你已经有了一个。它为模型提供读取和编辑文件、运行你的软件以及查看所发生情况的工具。

对于我们的发票跟踪器，智能体可以构建应用、创建发票、记录付款，并重启它以检查发票和付款记录是否保留。如果已付款的发票仍显示为逾期，它可以调查、修复问题并重试。你不必事无巨细地说明每一步。但如果它需要就你的业务如何处理部分付款做出决定，那就是需要你来回答的问题。如果它缺乏访问权限或授权，智能体应停下来并指出阻碍。

你还需要一个供执行框架运行的地方。云机器可以让智能体在你的笔记本电脑关闭或断开连接时继续工作。你也可以在自己的计算机上运行它，但机器需要保持唤醒并连接网络，工作才能继续。

2. 个性化

接下来，给智能体提供按你的方式工作所需的上下文。对于我们的发票跟踪器，这意味着你的模板、付款条款和记录付款的惯例。你不想每次开始新任务时都重新解释所有这些。

把它放在未来的工作者能找到的地方：

规则：保留现有发票记录；更改付款状态计算前先询问
参考资料：你的模板、付款条款和示例发票
技能：用于测试发票创建、付款更新和持久化的可重复流程

像 AGENTS.md 这样的指令文件可以指向这些材料。OpenAI 的执行框架工程说明描述了使用一份简短指南指向维护中的项目文档。给新来的或按计划运行的工作者一个小任务，并检查它是否确实遵循了指导。

要明确说明指令何时适用。Eleanor 曾让一个智能体编写测试，结果它为 README 编写了测试。热情并不是问题

你还需要设置权限和沙箱，以控制智能体可以访问和执行的内容。仅靠书面指令并不能强制执行这些边界。

3. 自动化

One agent works in the background; you assess what comes back. — *一个智能体在后台工作；你评估返回的结果。*

现在，让我们给工厂一种无需等待你就能启动的方式。一个日程或事件可以带着任务简报、项目指南和工具来启动一个 agent。你回来时看到的是结果、检查过的证据，或者一个需要你关注的具体阻塞点。

一个在后台工作的 agent

对于我们的发票跟踪器，一个早晨的自动化可以检查已保存的任务列表，并接手下一条已商定的任务，比如添加部分付款。你已经决定了想要什么以及如何检查成功。agent 继续干活，而你去做别的事情。

有几个实际细节需要处理好。不要重复启动同一个任务，不要理会空队列，并设置时间和花费的限制。保存进度，以便后续会话可以继续，而无需你重建整个对话。

一个 worker 可能就够了。但也许你有可以并行运行的独立任务，或者你希望另一个 agent 来审查一项更改。这就是协调发挥作用的地方。

Coordinate ready work, then check the combined result. — *协调就绪的工作，然后检查合并后的结果。*

协调工作

有多个 agent 时，每个人都需要一个地方来查看什么已就绪、什么正在进行、什么在等待其他东西。共享的任务列表或问题跟踪器可以保存这些信息。你商定哪些任务已就绪；一个协调 agent 或自动化来分配它们、提供相关上下文，并记录发生了什么。

假设一个任务添加部分付款，另一个处理逾期跟进邮件，第三个处理 PDF 导出。跟进需要正确的未结余额，所以它们要等待付款行为被检查。如果更改不重叠，PDF 导出可能独立进行。

你也可以拆分角色。一个 agent 构建功能，另一个准备付款场景来测试它。第三个可以审查完成的更改。

分配合并更改和验证整个应用程序的责任。不同的问题需要不同的检查。确定性测试可以确定余额是否计算正确，以及付款在重启后是否仍然存在。Agent 验证可以帮助识别遗漏的需求或更改之间的不一致。人类判断可以评估工作流是否符合你的实际工作方式。你通常希望组合使用，对同一结果进行不止一种检查。Anthropic 的评估指南描述了这些互补的方法：基于代码的检查、基于模型的检查和人工评估。

Combine deterministic checks, agent verification, and human judgment according to what you need to establish. — *根据你需要确立的内容，组合确定性检查、agent 验证和人类判断。*

一旦你检查了组合功能可以协同工作，你可以让工厂构建一个适合手机的界面，以便你在移动中检查发票和记录付款。

工厂还可以帮助运行发票工作流以及改进其软件。一个定时的 agent 可以审查逾期发票、查阅客户通信，并准备跟进事项供你批准。如果这项工作反复需要跟踪器未记录的信息，你可以给工厂一个任务来添加它。构建和运营相互促进：agent 使用软件，而使用中发生的事情为其下一次改进提供信息。这就把我们带到了持续学习。

4. 持续学习

Use run evidence to test and adopt improvements to future work. — *使用运行证据来测试和采纳对未来工作的改进。*

你的工厂也可以在运作方式上做得更好。假设重启发票跟踪器后付款记录消失了，尽管智能体报告其检查已通过。你当然希望它修复这个 bug。但为什么它的检查没有发现这个问题？

记录任务分配、检查和遇到的困难，以便审查智能体能够识别反复出现的问题并提出改进建议。是执行者缺少重启应用的方法，还是它干脆跳过了那项检查？

如果它跳过了检查，智能体可以提出一项技能：每当变更影响存储记录时，保存付款、重启应用并验证剩余余额。先针对最初的失败进行测试，再在后续任务中测试。它是否也能发现存储的客户信息中的问题？当任务只更改标题时，它是否会避免不必要的检查？

这些结果有助于你决定是采纳、修改还是拒绝该方法。在你已获授权的范围内应用变更，并保持其可逆。Warp 的自我改进工厂体现了这一方法：失败的检查可以促成对提示词、技能或配置的修改建议，并附上相关运行记录作为证据提交人工审查。

随着项目和模型的变化重新评估方法。Anthropic 关于长期运行应用开发的工作描述了随着模型能力提升而移除某些流程，并检查其效果。

保存下来的经验需要传递给后续的执行者并改善他们的结果。这种学习通过改变模型周围的指令、工具和方法来实现，而不需要重新训练模型本身。

你会构建什么？

你的工厂可以构建一个研究工具，用于收集来源并让你整理简报；一个用于共享计划和文档的家庭内网；或一个私密的社区空间。从对你有用的东西开始，然后在发现缺失之处时给工厂更多任务。智能体还可以帮助运营你构建的东西，从准备研究简报到整理收到的材料。

Hugo 用这种组合来运营他的媒体与教育业务 Vanishing Gradients。在嘉宾准备通话之后，一个自动化流程会获取转录文本，并准备访谈主题、问题、标题和缩略图选项供审查。在直播之后，智能体可以提出片段建议、剪辑视频、添加字幕并准备上传草稿。保存的编辑指南和技能会塑造这些工作；由 Hugo 决定发布什么。

他还维护着这个系统，在智能体遗漏指令时改进检查，并根据结果更新技能。更自主的持续学习仍是他正在探索的方向。他在《我如何用智能体软件工厂打造一个媒体帝国》中描述了这套设置。

你为你的社区、受众或业务反复做的一件简单任务是什么，你可以从哪一件开始自动化？

决定你的工厂接下来需要什么

看看是什么让你不断回到这项工作中。如果智能体无法运行应用或检查失败，就改进测试框架。如果你不断重复项目背景和决策，就将其个性化。如果开发需要等你启动每个任务或管理每次交接，就增加自动化。如果同样的失败在多次运行中反复出现，就构建一个学习循环，改变后续工作的方式。

从你关心的工作开始，并检查返回的结果。一个智能体可以使用全部四个层次。在有助于你委派更有用工作的地方添加能力，同时在整个过程中始终将规范制定与验证作为流程的一部分。

来源：O'Reilly Radar · oreilly.com