AI 编程助手已经越过补全代码阶段。它能读报错改文件跑测试再根据结果继续改。团队现在要面对的问题变成了要给它多大的自主权。有人把这个方向叫“软件工厂”。人给目标Agent 拆任务、写代码、验证结果。多个 Agent 分工以后一条自动化开发流水线就有了轮廓。我看完 Latent.Space 对 AI Engineer World’s Fair 的记录后最想单独拎出来聊的是 Agentic Loop。AI 编程助手已经越过补全代码阶段。它能读报错改文件跑测试再根据结果继续改。团队现在要面对的问题变成了要给它多大的自主权。有人把这个方向叫“软件工厂”。人给目标Agent 拆任务、写代码、验证结果。多个 Agent 分工以后一条自动化开发流水线就有了轮廓。这个画面很诱人。它也很容易失控。原文来源Latent.Space: AIEWF Daily DispatchAgentic Loop 是一套反馈循环Agentic Loop 做的事并不神秘。它观察当前状态制定下一步计划调用工具修改文件运行测试读取结果然后继续下一轮。工程师平时也这样写代码。你改一点跑一下看报错再改一点。Agentic Loop 想把这段重复劳动交给模型和工具。这部分价值很清楚。开发里有大量细碎循环修类型错误补单测看 CI 日志处理 lint改一个边界条件。Agent 如果能稳定接住这些活工程师能少消耗很多注意力。循环本身不代表可靠。一个没有边界的循环会把错误放大得更快。它可能连续改十轮最后把代码库带到一个没人愿意接手的状态。软件工厂需要刹车支持 Agentic Loop 的人看到了一个趋势工程师会从“写代码的人”变成“调度代码生成过程的人”。你写清楚目标、约束、验收标准。Agent 执行。人类在关键节点检查。这个模式会继续发展。Anthropic 相关讨论里提到的 Claude Tag也在靠近这种异步委托形态。它不像聊天框里的助手更像一个能长期跟进某段上下文的工程参与者。但软件工厂难在控制。传统工厂有工序、质检、权限和停机按钮。Agentic Loop 进生产环境前也要有这些东西。否则团队得到的不是软件工厂而是一个会自动提交代码的黑盒脚本。团队缺的是控制层很多团队现在这样用 Agent给一个大目标塞很多上下文打开工具权限等它跑完人工看结果这个流程在 demo 里好看。放进真实代码库风险马上出现。Agent 从读代码走到改代码后团队就要把它当执行者治理。它如果还能写数据库、调内部接口、发 PR、触发部署风险会再上一级。团队至少要回答这些问题Agent 能读哪些目录Agent 能改哪些文件哪些命令可以自动跑哪些操作需要人确认跑几轮失败后必须停每一轮改动怎么追踪出问题后谁接手怎么回滚模型能力还会提升控制层不会自己长出来。团队需要把权限、日志、验证、接管写进流程。成本会筛掉一批幻想Agent 跑循环会花钱。一次任务里它会反复读文件、请求模型、跑命令、总结上下文。一个人类看一眼就能定位的问题Agent 可能转十几轮还在试。团队需要算一笔账这次自动化省下了人工还是把人工成本换成了 token 成本。Latent.Space 那篇提到越来越多团队已经把 token 使用量当成生产指标看而且权重很高。这个变化说明 AI 工程开始进入算账阶段。早期团队只关心能不能跑通。现在团队还要看质量、延迟、失败率、返工成本和代码债。一个 Agent 如果 80% 的任务能做对但剩下 20% 需要工程师花两倍时间排雷它没有真正提高效率。AI 写得越快团队越要守住代码库我现在最警惕的不是 AI 写不出代码而是它太能写。它能快速补一堆胶水代码也能为了让测试通过绕开原来的设计。短期看功能动了长期看没人知道那段逻辑为什么存在。代码库不靠产量保持健康。团队要有清晰的模块边界、测试标准、review 习惯和 ownership。缺少这些东西Agent 只会把混乱加速。AI 适合做 demo也适合做局部修补。团队把它带进 production 时仍然要靠工程纪律。AI 可以写代码。团队必须定义什么代码值得留下。先做小循环我不建议团队一开始就追全自动软件工厂。更稳的做法是把 Agent 放进小循环让它处理边界清楚、容易验证、失败可控的任务。可以先从这些地方试修 lint补单测根据失败测试生成候选 patch根据 PR diff 写变更说明根据 issue 草拟排查计划在沙箱里跑有限验证对低风险模块做机械改动这类任务不会让 Agent 一上来接管核心业务。团队能看清它在哪些环节可靠在哪些环节需要人接手。小循环跑稳以后再扩大权限。AI Native 公司会改流程Garry Tan 在 closing keynote 里提到一个说法增长快的公司会把 AI 当 workforce。这句话不能理解成“公司接了一个 AI API”。很多团队已经开了 Copilot也在产品里加了聊天功能但流程还没变。更深的变化发生在工程系统里。团队要重新设计任务拆解、代码组织、文档写法、测试入口、权限分层和 CI 输出。Agent 能不能干活很大程度取决于这些系统给不给它明确的路。一个聊天框不会让团队变成 AI Native。工程流程适配 AI 后Agent 才能稳定参与开发。我会这样落地如果今天让我在团队里试 Agentic Loop我会先定五条规则。1. 从低风险任务开始先让 Agent 做单测补齐、文档同步、lint 修复、依赖升级说明。失败了也容易回滚人也容易检查。2. 给 Agent 设置退出条件最多跑几轮哪些错误要停停下来要输出什么。比如测试连续失败 3 轮后暂停并说明它改过哪些文件、看到哪些错误。3. 权限分层读代码、改代码、跑命令、发 PR、部署分成不同权限。新 Agent 先拿最小权限。4. 留下 traceAgent 每一步都要留下记录。它为什么改这个文件跑了什么命令看到什么错误下一步为什么这样做都要能查。5. 同时看成功率和成本团队不能只看任务是否完成。单次任务花了多少钱、用了多久、是否需要人工返工也要进报表。AI早咖啡观点Agentic Loop 会成为软件工程的新自动化层。它能把重复反馈循环交给模型和工具。团队要为它设计边界、权限、验证和接管机制。未来的软件工程师不会退回纯手写代码。更值钱的能力会变成把任务拆到 Agent 能稳定执行给模型提供刚好够用的上下文设计能验收结果的测试和指标控制权限和成本在 Agent 失败时接管现场AI 编程的下一阶段不比谁生成代码更多。团队要比的是工程闭环质量。谁能把 Agent 放进一个可控、可测、可回滚的系统里谁才能吃到这波红利。