别让快变成错：重构软件工厂理念

工业化工厂彻底改变了全球实体商品的生产方式：产量更大、成本更低、速度空前。如今，软件领域正经历着类似的变革。

大语言模型（LLM）降低了代码编写门槛，提升了个人产出能力，促使企业将软件开发视为一个生产系统。那些沿用了数十年的标准软件开发生命周期和CI/CD实践已无法承受这种新压力。这就需要软件工厂的登场——如同实体工厂，它需要的不仅是速度才能真正发挥作用。

“软件工厂”的概念在过去一年逐渐成形。Luca Rossi的”软件工厂时代”明确指出：AI不仅改变了人们编写代码的速度，更改变了整个软件生产系统。

这个概念可以有多种解读：可以是编码智能体和技能文件的集合；更快的CI/CD流程；更完善的审查系统；或软件交付流程的更多自动化。更好的理解方式是将其视为一套原则，而非单纯的工具类别。软件工厂不能仅仅是提示词、智能体和插件的松散集合。它需要一个平台，定义工作如何在整个系统中流转，以及代码如何生成、审查、测试、追踪、部署，以及在出现问题时如何改进。

否则，你只是在空房间里放置另一台一次性机器，并称之为工厂。

为何此时发生转变？

多种力量同时推动了这一变革。

企业一直需要比工程师能够生产的更多的软件。这就是Excel等工具存在的原因：它们常常填补了许多公司渴望拥有却无法开发的大量软件需求。

AI也降低了创建代码的门槛，这是众人关注的焦点。代码创建如今变得更容易，但并不总是更便宜或更好，正如许多知名公司为高昂的AI账单而忧虑所证明的那样。编写功能性代码的门槛实际上已经崩溃。

更重要的是，单个工程师现在能生成的代码量远超几年前。这改变了瓶颈所在：问题不再是”某人能多快写出这个代码？”甚至在某些情况下，也不再是”有人懂得如何编码吗？”而是”这个代码应该被写出来吗？”

更重要的是，我们能否真正创造出耐用可靠的产品，而不仅仅是积累技术债务？或者我们只是在比以往任何时候更快地抛出更多AI垃圾？危险就在于此。

现代软件工厂的隐患

这一切听起来很棒。毕竟，工厂让生产更快、更一致。

它们让人们能够以更低成本生产更多汽车和产品，使更多人能够负担得起这些产品。撇开环境影响不谈，你可能会认为这是积极的。

但正如工程领域的许多事情一样，总是存在权衡，而这次出现了新的风险。

当你通过机器（无论实体还是数字）提高个人的产出时，也会增加个人或机器可能犯下的错误。现在代码产出的速度已达到工业规模。即使是较小的组织，代码库也可能迅速膨胀到相当于十年前科技巨头公司的规模。

数据已经显示出问题。Faros AI发现，虽然每位开发者的任务吞吐量提升了33.7%，PR合并率上升了16.2%，但事件与PR的比例上升了242.7%，每位开发者发现的错误增加了54%。谷歌的DORA研究发现，更多的AI应用实际上与更差的交付稳定性相关。

作为数据 fractional head，我被请去解决这些问题。仅在去年，我就参与了两个项目，其中AI生成的数据基础设施逐渐开始随时间演变。

在多个工程师试图快速推进和缺乏标准的情况下，这些项目变得混乱无序。代码库通常会经历某种程度的演变，但随着不同风格的混合，LLM开始创造自己的变异。在短短几个月内，代码库就发展出五种不同的风格——这一过程以前需要数年。一层一层地，工程师们逐渐不再完全理解发生了什么。

这种模式与十年前自助式工具发生的情况相呼应：早期的生产力收益掩盖了下游的复杂性。

这就是为什么软件工厂不能只关注速度。

打造有效软件工厂的关键要素

构建软件工厂时，需要考虑几个关键原则。

• 平台优先于工具：许多团队正在逐步将AI整合到他们的编码工作流程中边缘部分——在仓库中添加PR审查智能体或技能文件。但构建真正的软件工厂需要一个平台，而非边缘工具的集合。平台提供统一的基础，工具不是分散在各个角落，而是积极共享数据、相互协作，作为一个单一的整体系统运行——标准、流程和工作内容相互连接。
• 可重运行性和可追溯性：真正的平台需要能够回溯任何运行过程，找出问题所在，并重新运行的能力——这就是一次性智能体无法构成工厂的原因。系统需要支持通过序列ID查找，并精确追踪它如何产生当前输出。这就是为什么状态机比循环更适合AI工作流：它们使重新运行过程和理解每个步骤发生的事情变得容易得多。
• 安全与防护措施：工厂并非安全场所，软件工厂也不例外。随着更多人在这些平台上开发，需要构建更好的防护措施和安全机制。测试和质量控制需要前置到流程前端——在尽可能低的阶段捕获错误可以降低修复成本并限制影响范围。
• 标准化：在企业层面，每个代码库都有其独特风格。在没有标准的情况下，在代码库上叠加代码助手会产生各种风格的混合体。标准化必须从一开始就融入流程。
• 质量控制：在传统的制造模式中，质量控制发生在流水线末端。产品被构建、检查、发现缺陷，然后进行修复。丰田的方法则不同。质量被融入流程本身——当出现问题时，工人被期望停止生产线。目标不是在末端捕获缺陷，而是首先防止它们流向下游。

软件工厂也是如此。质量控制必须融入整个流程，从规范编写开始。这意味着集成能够捕捉明显错误的静态代码分析，并为LLM提供模板，让它们知道代码应遵循的结构。没有这些，最终审查会成为瓶颈——或者团队只是抛出更多AI垃圾。

没有质量的速度不是生产力

提高代码输出速度并不等于真正的生产力，如果下游…

关注微信号：智享开源 ，及时了解更新信息。