F0
手動
軟體史的大部分時間每一行都由人寫。工具負責編譯、檢查、報錯。鍵盤就是工廠。
關卡
- 沒有。這是起點。
●預測 · 釋出於2026年8月
自動駕駛的軟體工廠
工廠自主的六個等級、等級之間的關卡，以及我們對2026年能走多遠的預測。現在寫下來，方便你以後給我們打分。
關於AI的預測很廉價，因為沒人回頭核對。這個頁面是一份評分表，不是一種感覺：下面每一道關卡，對一支真正在交付真實軟體的團隊來說，非真即假。關卡開啟時我們會更新，但不會挪動球門。
目前等級
F3 · 委派
已開啟關卡
2.5/3 F3 · 1/5 F4
已越過F4關卡
2027 · 預測
評分表Fig. 1 · Human share of the effort behind a merged changeSchematic, by autonomy level. Hover for values.
工廠自主的六個等級
借用自動駕駛汽車的分級方式，用來衡量軟體的構建方式。有意思的躍遷是F3到F4：從你委派的代理程式，變成你指揮的工廠。
F3 · you are here
F1
輔助
2021至2023自動補全變好了。模型會建議接下來的幾個token，但沒有哪次交付不是人敲出大部分程式碼的。
關卡
- 多數新檔案中出現了模型建議的程式碼。
- 沒有人因此改變審查方式。
F2
監督
2024代理程式寫出完整的函式和檔案，人類盯著每一步、批准每一條命令。一個代理程式，一個人。更快，但仍是序列。
關卡
- 代理程式能端到端完成跨檔案改動。
- 合併前人類會逐行閱讀。
- 一個人同時最多驅動一個代理程式。
F3
委派
2025至今認真的團隊都在這裡代理程式從工單一路負責到差異。人類審查結果，而不是擊鍵過程。注意力從寫程式碼轉向定義工作和判斷成果。一名工程師在隔離工作區裡同時跑好幾個代理程式。
F4
編排
2026年的賭注工廠成群的代理程式規劃、實現、審查並測試彼此的工作。人類定方向、裁決例外、把握品味。人類注意力的單位不再是拉取請求，而是決策。
F5
自主
不是2026年的主張完全自動駕駛輸入結果，輸出軟體。人類只指定意圖、約束和預算。工廠自行排產、持續交付、監控上線內容，並自行回滾。大多數變更在無人參與的情況下合併，故障率不升。
關卡
- 多數生產變更在無人閱讀差異的情況下合併。
- 變更失敗率連續兩個季度不高於人類時代的基線。
- 工廠回滾自己的壞部署，比人類值班更快。
- 留在環路裡的人負責判斷，而不是產能。
預測Fig. 2 · Merged changes written by agents, zero human editsIndustry median, our estimate. Dashed is forecast. The first F4 teams cross the gate earlier. 2026年初 2026年中 2026年末 2027
2026年會怎麼走
一半是記錄，一半是下注。前兩條已經在發生。其餘的寫得足夠具體，足以被證明是錯的。
2026年初
審查成為瓶頸
已發生工程師的時間不再花在寫程式碼上，而是花在讀程式碼上。2025年就用上並行代理程式的團隊最先撞牆：十個代理程式在午飯前產出的差異，一個團隊到週五也認真審不完。
應對辦法是：讓代理程式審查代理程式，人類改為抽樣而不是通讀。信任靠統計建立，而不是逐個差異建立。
需要成真的條件
在盲測中，代理程式審查者發現植入迴歸的能力與中位水平的人類審查者持平。
2026年中
排程員出現
進行中崗位描述變了。工程師不再是有品味的打字員，而成了有品味的排程員：拆解工作、分派給代理程式叢集、在兩個改了同一個模組的代理程式之間做裁決。
把代理程式當作叢集而不是聊天視窗的工具，成為存取程式碼庫的預設介面。
需要成真的條件
一名工程師能同時維持10條以上並行工作流，且代理程式分支之間的合併衝突解決本身也基本自動化。
2026年末
夜班
預測長週期可靠性越過了一個門檻。傍晚6點派出去的活兒，早上9點常常已經可以合併，以至於不排夜班就像讓工廠空轉。
環境搭建、不穩定的測試、憑證串聯，這些在2025年讓無人值守執行折戟的無聊失敗模式，大多是被工程手段消除的，而不是被模型消除的。
需要成真的條件
無人值守執行8小時以上，在多數常規工單上無需人工解阻即可完成。
2027
第一批F4團隊
預測第一批團隊，規模都不大，在不逐行閱讀的情況下交付了以代理程式為主的程式碼，缺陷率並沒有惡化。背後沒什麼玄學：分層審查、灰度釋出、快速回滾，以及寫規格而不是寫程式碼的習慣。
所有人都在爭論這能否推廣。這場爭論本身就說明這一級別已經達到了。
需要成真的條件
至少有一支叫得出名字的團隊（包括我們自己）連續一個季度通過全部F4關卡，並公佈資料。
再往後：F5不是近期的主張
我們不預測2026或2027年實現完全自動駕駛。誠實地講，未知數有三個：代理程式審查能否扛住對抗性的複雜度；規格說明能否在大規模場景下取代讀程式碼，成為信任的錨點；以及算力成本能否讓夜班始終比它所增強的人力更便宜。F5寫進評分表，是為了在它出現時能認出來，而不是一個承諾。
評分表
行業實際走到了哪裡
這是我們截至2026年8月的判斷，依據是我們自己的團隊和我們密切關注的團隊。F3大多已開啟，F4大多還沒開啟。這道差距就是要做的事。
F3已開啟
常規工單無需中途干預
在隔離工作區裡做範圍清晰的工作時，這已是常態。
F3已開啟
每位工程師3條以上並行工作流
這是我們團隊和重度使用者的日常。
F3部分開啟
多數已合併的代理程式PR零修改
常規工作成立，棘手的重構還不行。
F4未開啟
一半的合併變更是零修改的代理程式程式碼
多數合併的差異仍需人類修改或大量引導。
F4未開啟
代理程式審查與人類審查持平
代理程式審查能抓到真實的bug，但還不能單獨信任。
F4部分開啟
10條以上並行工作流且不丟狀態
狀態好的時候能做到。監督成本成長仍然太快。
F4部分開啟
無人值守通宵執行，早上可合併
環境乾淨時可行。而環境很少乾淨。
F4未開啟
從工單到上線中位不足一天
審查和CI排隊把代理程式帶來的收益吃掉了。