軟體工廠將人類判斷轉向驗證

AI 編碼代理讓運行軟體工廠成為可能，這些工廠可以同時處理多項開發任務，但它們並不會消除人類判斷的必要性。關鍵挑戰在於決定哪些地方應由人類定義產品意圖、系統設計、安全邊界與品質標準。 當工作必須具備可重複性並由事件驅動時，例如在隔離的雲端環境中處理 GitHub issue、Slack 請求或待辦事項，軟體工廠最為有用。自動化工作流程可以進行任務分流、指派代理、執行測試並開啟 pull request。人類仍應引導模糊不清的工作、審查高風險變更，並做出最終的上線決策。 文章建議採用分層驗證，包括型別檢查、linting、自動化測試、變異測試、瀏覽器檢查與安全掃描。檢查越多並不代表品質會自動提高。團隊應衡量訊噪比、驗證時間、每個已合併 pull request 的成本，以及產生誤導性「綠燈」結果的風險。 作者進行的 82 分鐘工廠實驗顯示，驗證與人工審查可能大幅延長執行時間。一項快速搜尋任務花了 7 分鐘，而一項收藏功能在遭到拒絕並經過人工決策後，需要 56 分鐘。這次經驗也揭示了理解債務：開發者可能會批准一些日後連自己都難以理解的程式碼。 對交易者而言，這主要是企業 AI 與開發者工具的故事，而不是直接的加密貨幣催化因素。它可能長期支持市場對 AI 基礎設施與軟體自動化的興趣，但對加密貨幣價格或市場流動性沒有明確影響。