智能体软件工厂时代已来
Stripe 的 Minions 能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配备检查工具；Warp Factories 则通过智能体、检查和人工审核，将工单和聊天任务转化为实际成果。智能体软件工厂的时代已经到来。
你是否厌倦了像保姆一样照料 Codex、Claude Code 或 OpenClaw？尽管拥有能构建功能的智能体，开发者仍需记忆中断点、解释功能契合度并决定下一步行动。一旦离开，开发进程便随之停滞。
软件工厂改变了这一局面。你只需确定最终目标，提供必要的上下文和权限，即可委托其自主工作。返回时，你将看到检查结果、验证证据或因特定原因无法继续的说明。随后的对话可专注于结果评估与剩余决策。正如实践所示，构建第一个软件工厂无需复杂配置，从一个智能体和一项自动化任务即可起步。
何为“工厂”：自主与异步
软件工厂的核心特征是自主且异步的执行：
- 自主性（Autonomous）：智能体在授权范围内选择并执行步骤，根据反馈调整方法并持续推进。
- 异步性（Asynchronous）：工作无需人工持续关注。用户可暂时离开，稍后查看成果。
软件工厂结合了定时作业的无人值守能力与编码智能体的交互式修订能力，提供充足的上下文、工具和反馈以执行委托任务。这一概念虽已提出数十年，但直到智能体出现，才真正具备可操作性。其适用范围涵盖从个人定制工具到大型复杂系统的所有软件工作。
以发票追踪器为例，用户可向智能体下达简报：“创建符合模板的发票应用，追踪未付、已付或逾期状态，保持本地化，重启后保留记录，并展示总额与状态正确的验证过程。”达成共识后，智能体独立工作，用户可在返回时查看应用及验证证据。若检查失败，智能体将在约定范围内调查调整；若遇到无法决断的产品问题，则交还人类决策。
这种模式模糊了构建与运营的边界。智能体不仅构建软件，还可利用软件记录（如发票状态）结合客户通信准备跟进邮件。重复性需求可被固化为代码功能，而智能体则处理响应环境的动态工作。这使得非工程师也能凭借业务专长指导工厂构建软件，处理通用工具难以覆盖的特例逻辑。
软件工厂的四层架构
基于 Monica Rogati 提出的 AI 需求层次，软件工厂依赖以下四个层级：
- 工具带（Harness）：模型运行的环境，包括工具、工作空间、执行与反馈机制。它赋予智能体读写文件、运行软件及获取错误信息的能力，确保在检查失败时能进行排查。
- 个性化（Personalization）：提供工作所需的上下文，如项目方向、规则、参考资料及技能。通过权限限制和沙箱环境，控制智能体对工具和系统的访问范围。
- 自动化（Automation）：无需每次指令即可启动和继续工作的机制。通过时间表或事件触发任务，明确“就绪”标准及结果存放位置。
- 持续学习（Continual learning）：从成功或失败的运行中学习，改进指令、检查程序或工具，并将优化应用于后续工作。
贯穿所有层级的两项关键实践是：规范（Specification）与验证（Verification）。规范明确预期结果、约束条件和成功标准；验证则检查工作是否符合这些要求。智能体协助完善规范并执行检查，人类负责判断需求匹配度及结果接受度。
1. 智能体工具带
使用 Codex、Claude Code、Hermes 或 OpenClaw 等工具即拥有了基础工具带。对于发票追踪器，智能体可构建应用、创建发票、记录付款，并通过重启验证数据持久性。若出现逻辑错误（如已付款仍显示逾期），智能体可自行调查修复；若涉及商业决策或缺乏权限，则应停止并请求人工介入。
工具带需运行在云端机器或保持唤醒的本地设备上，以确保在用户断开连接时工作不中断。
2. 个性化配置
为避免重复解释上下文，需将项目规则、参考资料和技能保存至智能体可访问的位置：
- 规则：如“保留现有发票记录”、“更改支付状态计算前需征求同意”。
- 参考资料：发票模板、付款条款及示例。
- 技能：用于测试发票创建、付款更新和数据持久性的可重复程序。
可通过 AGENTS.md 等指令文件指向这些材料。同时，必须设置权限和沙箱，仅靠书面指令无法有效强制执行安全边界。
3. 自动化执行
自动化使工厂能在无人干预下启动。例如，早晨的自动化任务可检查待办列表，拾取如“添加部分付款”的任务。需注意避免重复启动、忽略空队列，并设定时间与成本限制。保存进度以便后续会话接续，无需重建对话。
协调多智能体工作
当存在多个智能体时，需共享任务列表或问题跟踪器以管理状态。协调智能体分配任务并提供上下文。例如，“发送逾期跟进邮件”需等待“添加部分付款”任务完成并验证余额后方可进行；而“导出 PDF”若无冲突则可并行。
角色也可拆分：一个智能体构建功能，另一个准备测试场景，第三个审查变更。验证手段包括确定性测试（如余额计算）、智能体验证（识别遗漏或不一致）及人类评估。Anthropic 的评估指南指出，组合多种检查方法能更全面地保障质量。
此外，工厂还可协助运营软件。定时智能体可审查逾期发票，结合客户通信准备跟进内容供人类批准。若发现软件缺失必要信息，可反向驱动工厂添加新功能，实现构建与运营的交织。
4. 持续学习
工厂应具备自我改进能力。若重启后付款数据丢失但检查通过，需分析原因：是缺少重启方法还是跳过检查？智能体可提议新增技能，如在变更存储记录时强制重启并验证余额。通过原始失败案例测试该技能，并在后续任务中应用。
人类需审核并决定是否采纳这些改进，确保更改在授权范围内且可逆。Warp 的自我改进工厂即采用此模式：失败检查触发对提示词或配置的修改建议，附带证据提交人工审核。随着模型能力提升，还需定期重新评估并移除过时程序。
实践案例与下一步
软件工厂可用于构建研究工具、家庭内网或私人社区空间。Hugo 在其媒体业务 Vanishing Gradients 中应用此模式：自动化程序检索采访转录文本，准备主题、问题及标题选项；直播后，智能体提议视频剪辑、字幕添加及上传草稿。Hugo 负责最终发布决策，并根据结果更新系统技能与检查机制。
要决定工厂的下一步优化方向，需观察痛点：若智能体无法运行应用或检查故障，改进工具带；若需重复提供上下文，加强个性化；若开发等待人工启动，增加自动化；若相同失败反复出现，建立持续学习循环。从核心工作入手，始终将规范与验证融入流程，逐步委托更多任务。