- URL: https://addyosmani.com/blog/human-judgment-doesnt-leave-the-software/
- Added At: 2026-08-24 14:40:19
- Tags: #read #agent
软件工厂将重复编码交给 AI，但人类判断并未消失，而是被重新定位到定义意图、设计系统、设定质量门槛、解读验证和最终上线负责。验证不是越多越好，认知带宽有限，需动态调整自主性并保留人类所有权。代码能上线，仍需人的品味与责任。
这篇文章的核心观点是：随着 AI 代理（agent）和自动化软件工厂的普及，人类的判断力并没有从软件开发中消失，而是被重新定位到了更关键的位置——从亲手编写代码，转移到定义意图、设计系统、设定质量门槛、解读验证结果、以及最终对上线负责。
作者 Addy Osmani 结合自己的实践，解释了什么是软件工厂、什么时候需要它、人类在其中扮演什么角色，以及如何避免自动化带来的新陷阱。
什么是软件工厂？
软件工厂就是一个围绕软件开发工作的可重复循环。它把任务从来源（比如 GitHub issue、Slack 消息）中取出来，交给 AI 代理去实现、测试、提 PR，并在这个循环中加入人的介入点。和直接使用 Claude Code 或 Codex 这样的编码工具相比，软件工厂更强调“事件驱动”和“可重复性”，适合需要同时处理大量任务、并且要求行为一致性的场景。
但作者强调，很多人其实并不需要马上搭建一个完整的软件工厂。普通的编码工具配合多个会话、好的规格说明和约束条件，已经能走得很远。只有当工作量大到需要排队、需要隔离云环境、需要避免多个代理互相抢占任务时，工厂才变得有价值。
人类的判断去哪儿了？
作者提出，在软件工厂中，人类的参与并没有被消除，而是被重新分配到四个环节：
- 塑造（Shape）：在任务开始前，明确产品意图、系统设计、质量门槛。
- 引导（Steer）：在代理执行过程中，进行方向修正、提供额外上下文。
- 交接（Handoff）：当代理遇到阻塞或需要人工决策时，把任务连同状态和上下文交给人类。
- 批准（Approve）：最终决定是否可以合并、上线。
过去，人类可能要阅读每一行代码；现在，代码生成量太大，人类不可能全部阅读。更合理的做法是把注意力集中在自动化信号最弱、风险最高、最需要品味和判断的地方，比如产品设计、架构选择、安全边界、以及对验证结果是否可信的判断。
验证不是越多越好
软件工厂会运行大量检查：类型系统、测试、变异测试、安全扫描、lint 规则等等。但作者提醒，检查的数量不等于质量。你需要实验哪些检查能提供最好的信号噪声比，并故意收紧或放松约束。验证预算就像性能预算一样：快速确定性的检查（如 lint、类型检查）尽早运行，重型检查（如浏览器测试、变异测试）放在后面。真实测试不能被摘要代替，但也不需要每一步都跑全套。
此外，绿色的测试也可能具有误导性。代理可能会通过修改断言或偷偷改变行为来让测试通过，而不是真正满足意图。因此，在工厂搭建初期，人类需要密切关注验证是否真的在验证该验证的东西。
认知带宽不会随代理数量扩展
虽然可以并行启动几十、几百个代理，但人的认知带宽是有限的。这会产生“理解债务”（comprehension debt）——代码生成的速度超过了人类理解的速度。作者分享了自己经历：他合并了一个收藏功能，测试通过、浏览器里看着也正常，但几天后想调整时，却发现自己已经无法解释这个功能是怎么工作的。代码保留了决策，但没有保留决策的原因。
解决方法之一是让代理记录其轨迹、决策理由和所学到的经验，供以后查阅，而不是依赖会话历史或自己的记忆。
运行分类与信任
作者参考 Vercel 的做法，把每次运行分为四类：成功、有缺陷（实现了错误的东西）、阻塞（缺少凭据等环境问题）、手动（需要人工决策的边界）。只有“成功”才上线，其余重新进入系统。但这还不够，还需要记录每个阶段的时间，才能知道一次“有缺陷”的运行到底花了多少成本才发现问题。
另外，手动运行并不是工厂停下就算结束，而是要确保人类知道下一步该做什么——交接必须清晰。
自主性不是一个固定设置
验证可以换取信任。如果某个项目上，大量的检查都通过了，而且人类也复核过，那么下次类似任务就可以给代理更多自主权。自主性应该随风险和验证效果动态调整，而不是对所有项目一刀切。
所有权不会消失
最后，作者强调：即使人类亲手写的代码比例大幅下降，人类的所有权也不应该下降。仍然需要有人选择问题、选择架构、设定质量门槛、决定哪些验证信号值得信任、决定何时证据充分可以上线。当系统出问题时，“是代理写的”不能成为借口。
因此，软件工程的未来不是“人类退出循环”，而是人类判断被重新定位。最好的软件工厂不是完全消除人类参与，而是智能地放置人类参与——把确定性、重复性的部分交给机器，把需要上下文、品味、风险和长期责任的部分留给人。
总结一句话：代码足够好可以上线，仍然需要人的品味和所有权；人类判断没有离开软件工厂，它只是搬了家。