Prasanna Sankar：智能体写出更多代码后，协调成为瓶颈

Prasanna Sankar 介绍了构建 Vorflux 的经历，目标是增加一个人能与编程智能体协调的工作量。他说，随着智能体运行更久、并行任务更多，瓶颈从写代码转向管理和合入工作。

Sankar 回顾了从 Microsoft 到创办包括 Rippling 在内的公司的经历。他说，近期编程模型和运行时间更长的智能体促使他构建一个用更多算力节省人类时间的系统。

把工作搬到云端，需要一个能够真正运行和测试应用的环境。他列出依赖、端口、身份验证、密钥和种子数据等配置问题；其团队使用智能体帮助准备机器。

他说团队会花时间反复修改计划，因此 Vorflux 使用并行探索生成更详细的计划，然后根据依赖关系组织相互独立的实现工作。

测试应产生人们无需在本地重建环境也能检查的结果。Sankar 将浏览器测试、功能视频或预发布链接描述为审查结果的方法。

他介绍了用多个模型从不同角度审查修改，再由合并队列保持分支更新并合入拉取请求。这些是团队针对观察到的瓶颈作出的产品设计选择。

Sankar 说，当更多任务同时运行时，项目管理变得更困难：人需要记住哪些工作已开始、哪些被阻塞，以及结果是否有用。他把下一版产品定位于协调这些工作。

他提出的机器人会关注客户通话后续事项或生产告警等信号，在团队设定的目标和限制内启动工作。他把常规后续执行与最初决定要构建什么的创造性工作区分开。

Sankar 承认，简单自动化可能让团队收到大量拉取请求、只消除症状而不解决根因，还可能在无人需要的工作上花钱。他用新员工作比喻：职责逐渐扩大，工作过程保持可见。

他举了一个产品例子：机器人从客户通话中识别后续事项，征求批准，联系工程师并准备修复。他说工程师审查了修改，而他批准了发给客户的后续消息。

他的长期设想是常规循环响应通话、告警和缓慢构建，而人专注于新问题。他承认机器人会犯错，有些职责还不能交出去。