AI编程智能体预算飙升，三家企业分享管控策略
编程领域迎来智能体主导时代
根据Kilo Code联合创始人Emilie Schario的观察，如今工程师只有约1%的时间在亲自阅读或编写代码，其余工作几乎全部由智能体完成。这一转变促使开发团队面临新的挑战：哪些系统可以安全地交给AI处理、模型出错时由谁负责清理、如何支持多模型架构，以及token费用飙升是否代表着真正的技术进步，还是仅仅消耗了企业IT预算。
对于Replit、Kilo Code和Symbotic的技术负责人而言，随着智能体AI越来越多地嵌入企业工作流程，这已成为一种自然而受欢迎的技术演进。
“除非代码真的出现了严重问题或需要调试，否则99%的情况下，工程师已经不再亲自阅读或编写代码，”Schario在VB Transform 2026大会上表示。
AI擅长全新开发，现有代码更新仍是挑战
仓储自动化公司Symbotic的AI与云杰出工程师Jared Go认为，当前阶段的关键在于引导AI的专注方向。”这是我的评判标准，”他说，”我们从安全性、优雅性、简洁性、代码精炼度和严密性等角度来评估。”这样，AI可以承担大部分繁重工作，人工代码审查的重要性随之降低。
Go指出，在后续环节中，人类的参与变得必不可少，因为智能体无法做出强有力的产品决策。”全新开发（构建全新的代码库）对智能体来说非常容易，而编写、更新或维护现有代码（brownfield）我们都知道才是真正的挑战所在。”
Replit则采取了略有不同的策略：虽然公司已经”高度智能化”，但在AI编程方面保持相对保守，产品工程主管Amol Jain解释道。一个智能体会审查每个拉取请求（PR）并为其分配风险评分；低风险PR由作者自行合并，其他PR则提交给人工审查人员进行代码阅读和反馈。
“我们的理念是人类在循环中监督，而不是直接参与其中，”Jain表示。Replit的内部工具实质上是软件工程师的自动驾驶系统；开发者向智能体分配任务，智能体则端到端地完成规划、实施和测试工作。
“这是一群在各自云虚拟机（VM）中运行的智能体，通过令牌代理实现访问控制，确保安全性，”Jain说道。他分享了一个例子：一位工程师无法复现或解决系统深处的一个”极其棘手的bug”。该问题被提交给AI管理智能体，后者指示其进入休眠状态。然后，管理智能体启动了一系列底层智能体来发现问题，随后又启动更多智能体找到了解决方案。六小时后，AI已经准备好了一个PR解决了困扰人类工程师的bug。
多模型架构代表未来趋势
随着客户对多模型选择的需求日益增长，AI提供商也在超越锁定模式，向更加灵活的方向发展。
Kilo Code在其网关中支持500多种模型。”您用于智能体工程的软件应与您使用的模型解耦，”Schario解释道。
例如，Schario表示，公司通常使用昂贵的前沿模型来架构项目，然后切换到成本较低的开源权重模型完成其余工作。
尊重模型提供商的限制也至关重要，例如当需要在封闭或隔离环境中工作，或特定地区的服务提供商时。”将您认为重要的事项、设定的限制、建立的数据保留政策、引入的密钥、可能提交的代码等纳入路由决策考量，”Schario说。
同样，Jain认为Replit比客户更能平衡成本与能力的关系。”我们本质上是在代表用户决定何时使用何种模型、以何种能力使用，以最小化成本并最大化能力。”
如何有效控制智能体使用成本
随着AI采用的增加，失控的成本成为重要考量因素，这也导致一些企业通过tokenmaxxing（最大化token使用）来跟踪和限制AI使用。
Schario表示，内部和客户都存在担忧。从客户那里，她经常听到：”我不小心花光了全年的AI预算…现在我该怎么办？”对此，Schario表示Kilo Code引导客户采用相同的流程：使用昂贵模型进行规划，然后使用开源权重模型以保证经济性。
此外，共享技能、强有力的指导以及模型上下文协议（MCP）将赋能模型。”真正认识到如何提升团队能力，帮助他们充分利用所使用的模型，将产生重大影响，”Schario说道。
与此同时，Schario注意到公司内部有一位工程师”使用频繁”，总是位居使用榜榜首。”我经常需要提醒他，’你在那里做什么？'”她说。看到每天工作花费600美元时，人们可能会反应”哇，这太多了”，但有时考虑完成的工作量可以证明这种成本的合理性。
“我目前关注的是每个PR的成本，”Schario表示，”这似乎是我衡量价值的最直接方式。”最终，AI改变了企业对投资回报率（ROI）的思考方式，因为支出本身不是问题。”没有回报的支出才是问题。”
就Symbotic而言，公司为员工设置了每月成本层级。公司开发了一个工具，让经理能够查看PR和使用趋势。然后，他们可以根据情况将用户的层级上调或下调，Go解释道。”设置上限并观察本月有多少人上调了上限，在尝试控制成本和提高效率方面有很大帮助，”Go说。
当Symbotic重度使用的Cursor公司取消了将公司锁定在平面请求费率的传统折扣，将所有人转向全价时，这引发了公司范围内的效率反思，Go表示。”人们会说，’你应该尝试这个模型…这个对C#代码效果更好，或者其他什么，'”他说。
但成本问题正越来越多地超出IT部门的范畴；例如，Replit将智能体应用扩展到工程领域之外，最终发现支持部门的一位用户”花费了大量资金”，Jain说。他们深入调查后发现，这是因为用户正在GPT 5.5 Pro Max上运行自动化程序。
“至少在那时，投资回报率相当清晰，”Jain表示，”我们可以看到工程生产力提升了3倍，所以还没有人对此提出疑问。”他强调，不”反生产力”的可见性、模型路由和合理的默认设置至关重要。”大多数任务不需要前沿模型。”
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！