30 秒看懂
Sonar 的 Manish Kapur 与 Anthropic 的 Addy Osmani 讨论快速生成代码和上线前验证之间的差距。Osmani 介绍 Anthropic 让智能体进行第一轮审查，并重视浏览器检查等验证证据；Kapur 建议在开发流程中实施分层验证。 两人区分了有人监督和更自主的软件工厂，讨论智能体权限与沙箱，并认为即使代码由智能体编写，人仍需对结果负责。
- 1吞吐量与合并失败Kapur 引述 CircleCI 对 2,800 万个工作流的分析：吞吐量提高 59%，约十分之三的生产合并尝试失败。
- 2亮灯与黑灯工厂Osmani 描述了一个连续谱：一端是全过程有人判断的智能体工作流，另一端是只在例外情况下升级给人的更自主流程。
- 3Anthropic 的审查流程Osmani 介绍 Claude 的第一轮审查、实际检查及检查编辑内容的钩子；人再审查生成的证据。
- 4让验证具体可操作Osmani 强调端到端、属性和视觉测试，而不是把验证当成一个未定义的步骤。
- 5多层验证Kapur 建议在开发循环的不同位置结合确定性检查、智能体审查和供应链分析。
- 6自动化之后仍有人负责两位演讲者支持标识智能体编写的工作；Osmani 表示，变更仍须由人承担责任。
要点建议
- 验证和审查必须跟上智能体生成代码的数量。
- 智能体可以生成测试和证据，但人仍需负责评估证据和结果。
- 端到端、属性和视觉检查可以针对不同变更建立信心。
- 分层检查可以结合确定性分析、智能体审查和供应链安全。
- 随着智能体部署规模扩大，身份、权限、遥测和沙箱控制都很重要。
按章节阅读整理后的全文
验证的缺口
Kapur 介绍 Osmani，并询问团队如何在编码智能体提高吞吐量时审查变更。他们引用行业数据并定义软件工厂。
Manish Kapur 开场询问，有多少与会者让编码智能体创建过拉取请求，又有多少人在合并前审查了每一行。他提出未经人工审查就合并与经过审查后合并之间的差距，并欢迎最近加入 Anthropic、此前在 Google 工作约 14 年的 Addy Osmani。
Osmani 表示，他负责使用 Claude Code 构建产品的开发者体验。团队会把发现的改进机会反馈到产品中，并每天发布多次更新。
Kapur 引述 CircleCI 对 2,800 万个 CI 工作流的分析：吞吐量提高约 59%，但约十分之三的生产合并尝试失败。他说自己也在客户中看到类似趋势，并请 Osmani 解释将软件工厂视为大规模循环的想法。
Osmani 区分了两种工厂：亮灯工厂中，智能体反复规划、构建、检查和交付，人始终运用判断；黑灯工厂则更加自主，只在例外情况下引入人工。他认为团队分布在这一连续谱上，都在尝试以可信的方式提高自动化程度。
Kapur 引述 Sonar 的调查数据：85% 的组织使用编码智能体，76% 的开发者生成 AI 代码的速度超过了自己验证代码的速度。他询问，在审查成为瓶颈时，工程领导者最迫切需要解决什么。
大规模建立信心
Osmani 讨论测试、规范和 Anthropic 的第一轮审查流程。人工审查者检查智能体生成的证据。
Osmani 表示，团队希望更快交付，同时对结果有信心。测试、基准和规范让智能体能够检查工作，如今智能体也能以更低成本帮助生成这些检查。他认为，让正确性和完整性变得可验证，可以显著改善结果。
Kapur 询问 Anthropic 据报道如何从 5 月每天约 2,500 项变更增长到每天约 3 万项。Osmani 还提到一次 Claude.ai 更新：工程师、产品设计师等多种职能在短时间内贡献了约 3,000 个拉取请求。
Osmani 介绍说，Claude 会先进行一轮审查。智能体需要能够像用户一样实际体验产品：执行端到端任务、打开浏览器、使用工具、运行 lint 和其他必要检查。编辑发生时，钩子会检查差异，帮助团队迅速修正缺口。
Anthropic 也使用代码审查产品来进一步自动化审查。Osmani 鼓励团队把自己的标准和判断写入共享的 CLAUDE.md 或 AGENTS.md 等文件，让智能体审查时能够参考这些规则。
人仍需负责检查智能体提供的证据。对于浏览器界面，Osmani 希望看到实际浏览器测试的证明，可能包括交互视频，或移动端和桌面端截图。目标是为人的判断提供尽可能充分的验证证据。
从更快编写到可信交付
两位演讲者讨论调查数据、有用的验证测试，以及软件工厂中人工参与程度的连续谱。
Kapur 引述 Sonar 对 1,000 多名开发者的调查预览：84% 表示 AI 让功能和修复更快进入生产。幻灯片还将拉取请求变大及未经审查就进入生产的代码增加 31% 等数据归因于 Faros AI。他认为，后者对受监管和关键任务应用尤其令人担忧。
Osmani 预计，进一步提升将来自更好的模型，尤其是更好的验证实践。仅仅告诉团队“验证工作”太笼统，团队必须确定哪些测试能提供证据。他提到端到端测试、属性测试和视觉验证测试可为自动合并建立信心。
Kapur 引述调查估计，当前有 5% 的公司使用软件工厂，更多公司预计将采用。Osmani 重申，工厂是大规模循环，人工参与程度有不同层次。更可靠的验证可以让团队走向更高自主性，但许多团队尚未到达那一步。
Kapur 将这一过程比作流水线：定义意图和规范、编写代码，并执行其他开发步骤。亮灯工厂在多个步骤中保留人工参与；黑灯工厂则以全天候独立运行为目标。
分层验证与控制
Kapur 概述 Sonar 的分层方法。Osmani 强调智能体规模扩大时的身份、遥测、权限和沙箱。
Kapur 介绍 Sonar 的观点：验证应当分层，并发生在智能体、CI 和维护等每一个循环中。第一层使用确定性检查捕获缺陷和安全问题；智能体审查层可以调查逻辑与意图。
另一层供应链检查负责已知漏洞、恶意软件和恶意包。Kapur 认为，每一层都应针对自己擅长发现的问题进行优化，而不是依赖单一验证形式。
Kapur 引述调查称，一些组织批准了智能体，却缺少共享控制。Osmani 表示，企业发现自己拥有大量智能体，它们接触系统和数据，有时还向生产环境部署，但企业并不清楚它们在做什么。
Osmani 认为，除了智能体身份和遥测，控制、权限与沙箱也是主要关注点。Kapur 把这些边界称为“引导栏”：目标是引导智能体沿预期路径运行，并留在允许的沙箱内。
责任与自主化之路
在快问快答中，他们讨论标识智能体代码、人工责任和验证技能。Kapur 以独立检查的重要性作结。
被问及到 2027 年底多数团队会使用亮灯还是黑灯工厂时，Osmani 预计会出现带有少数自主“黑暗角落”的亮灯工厂，而不是所有地方都完全采用黑灯工厂。
Osmani 个人支持在拉取请求中标识由智能体编写的代码。他说 Anthropic 更关注最终结果的质量，标识智能体工作也能帮助团队决定需要哪些约束和额外检查。
Kapur 也赞成短期内保留标识，包括为了金融服务领域的可审计性。Osmani 强调，变更仍需要人负责：即使他启动了一次 Claude 运行，出了问题也应由他负责修复。
对于领导者，Osmani 建议帮助团队明确验证的含义，并找出当前测试与放心让智能体主导合并之间的差距。初级开发者可以积累端到端测试、属性测试等不同测试方法的经验。
被问到智能体的拉取请求何时可以安全合并时，Osmani 回答说，团队需要有信心确认风险已尽可能得到缓解。Kapur 以三点作结：审查维持交付速度、衡量实际合并进入生产的内容，以及通过每个循环中的独立自动验证逐步赢得自主权。
同频道的其他文章
21:47EN → 简体中文
AI Engineer· 2026年10月28日Patrick Smyth：AI 时代的开源供应链安全Patrick Smyth · ChainguardChainguard 的 Patrick Smyth 讨论漏洞利用加速、依赖中的恶意软件、零日漏洞，以及开发者工作流不断扩大的攻击面。
14:09EN → 简体中文AI Engineer· 2026年10月28日Taylor Luttrell-Williams：用 SonarQube Hunter Agent 发现逻辑漏洞Taylor Luttrell-Williams · SonarSonar 的 Taylor Luttrell-Williams 介绍安全智能体如何梳理代码库、调查逻辑漏洞，并将验证过的发现与常规扫描结果一起呈现。
16:29EN → 简体中文AI Engineer· 2026年10月28日Chris Vela：用 Runpod BenchPod 对 vLLM 配置做基准测试Chris Vela · RunpodRunpod 的 Chris Vela 演示如何通过仪表盘比较大语言模型服务配置，依据具体工作负载的数据选择性能设置。
18:35EN → 简体中文AI Engineer· 2026年10月28日Kamil Potrec：智能体认证、委托与网关控制Kamil Potrec · KeycardKeycard 的 Kamil Potrec 解释智能体为何需要独立身份、限定范围的凭证与可审计授权，以及网关能在哪些方面提供帮助。
18:56EN → 简体中文AI Engineer· 2026年10月27日John Feminella：9 亿美元的银行失误与 AI 智能体的五项控制John Feminella · Two Sigma一次付款失误说明，善意和审批提示并不足够。Feminella 介绍如何为智能体提供有用的自主权，同时设置实际控制。
18:12EN → 简体中文AI Engineer· 2026年10月27日Tim Tyler：把 AI 智能体视为数字劳动力的问责框架Tim Tyler · GraviteeGravitee 演讲者借鉴组织管理人类工作的方式，为智能体建立身份、负责人、权限和监督机制。