运行一个能够打开、审查并合并 PR 的 AI 软件工厂
AI 软件工厂是由五个带门禁的阶段组成的系统，围绕编码代理构建，其瓶颈已从代码生成转移至人工审查能力。成功的实施案例表明，在部署代理集群之前，应优先构建验证门禁和隔离工作区。任务：该案例描述了一种“AI软件工厂”架构，编码代理在五阶段流水线中运行：接收、隔离、工具、验证和合并门禁。工作流程强调在部署代理集群之前先构建自动化门禁和隔离工作区，如Spotify的Fleetshift所示。人类参与集中在最终的合并门禁以确保问责制，而代理则在一次性环境中处理代码生成。这种设置将瓶颈从编写代码转移到审查代码，需要强大的自动化验证以防止审查过载。；工具：custom-built or unnamed agent。人工角色：原始帖子未说明人类如何保持参与。；局限：前提条件包括预先选择的编码代理和用于隔离工作区的基础设施（例如容器或云沙箱）。主要约束是人工审查能力，如果自动化验证不足，这将成为瓶颈。运营成本包括生成所需的令牌支出和隔离所需的基础设施。集成不确定性存在于自动化门禁捕获微妙逻辑错误的能力方面，如复杂性能工作较低的成功率所示。合并门禁处的人类批准对于问责制是强制性的。。
工具
custom-built or unnamed agent
Agent Work Atlas 发布日期:
概述
AI 软件工厂是由五个带门禁的阶段组成的系统，围绕编码代理构建，其瓶颈已从代码生成转移至人工审查能力。成功的实施案例表明，在部署代理集群之前，应优先构建验证门禁和隔离工作区。
工作流程
该案例描述了一种“AI软件工厂”架构，编码代理在五阶段流水线中运行：接收、隔离、工具、验证和合并门禁。工作流程强调在部署代理集群之前先构建自动化门禁和隔离工作区，如Spotify的Fleetshift所示。人类参与集中在最终的合并门禁以确保问责制，而代理则在一次性环境中处理代码生成。这种设置将瓶颈从编写代码转移到审查代码，需要强大的自动化验证以防止审查过载。
原文报告的结果
在dotnet/runtime上，代理打开了878个拉取请求，两名审查者提供了36%的所有反馈，突显了严重的审查瓶颈。小型PR（1-50行）的成功率为76-80%，而性能工作的成功率仅为54.5%。添加特定的指令文件和防火墙配置使代理成功率从41.7%提高到71%。然而，来源未提供超出这些仓库特定成功率和审查者负载统计数据的整体业务影响指标。
人工角色
原始帖子未说明人类如何保持参与。
局限
前提条件包括预先选择的编码代理和用于隔离工作区的基础设施（例如容器或云沙箱）。主要约束是人工审查能力，如果自动化验证不足，这将成为瓶颈。运营成本包括生成所需的令牌支出和隔离所需的基础设施。集成不确定性存在于自动化门禁捕获微妙逻辑错误的能力方面，如复杂性能工作较低的成功率所示。合并门禁处的人类批准对于问责制是强制性的。
试一试
作为工程负责人实施AI软件工厂试点。我需要为[replaceable: 仓库名称]使用[replaceable: 编码代理工具]设置一个受控工作流程。首先，定义一个接收过滤器，仅选择标记为[replaceable: 问题标签]的小型、明确定义的问题（1-50行）。使用[replaceable: 隔离方法，例如git worktrees或容器]提供隔离工作区。配置一个验证阶段，在任何人工审查之前运行linting和测试。设置一个合并门禁，要求所有代理生成的PR都需要人工批准。在[replaceable: 数量]个样本问题上执行试运行。通过PR合并率和审查者反馈量来衡量成功。如果试运行显示>50%的失败率或过高的审查者负载，请停止并调整接收标准。在未确认验证门禁至少捕获80%的语法错误之前，不要部署到生产环境。输出一份报告，详细说明工作流程配置、试运行结果以及扩展的建议下一步。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。