Agentic SDLC — 智能体驱动的开发循环

智能体开发循环

过去、现在与未来

AI 智能体如何重塑 SDLC —— 以及团队必须做出哪些改变

为什么这个话题很重要

• 智能体正在从自动补全走向自主执行
• 大多数团队以自下而上的方式采用它们，没有改变流程
• 结果：代码更多、更快——但不一定带来更好的成果
• 本次演讲：什么变了、什么会出问题、需要改变什么

论点： AI 将瓶颈从编写代码转移到了定义规格、审查和验证工作

议程

1. 过去 —— 智能体出现之前的 SDLC
2. 现在 —— 智能体实际改变了什么
3. 问题 —— 团队在哪里出问题
4. 改变 —— 该怎么做
5. 未来 —— 这将走向何方

先来个快速术语表

底层模型相同——自主程度不同，失败模式也不同

第一部分

过去：智能体出现之前的 SDLC

我们是如何走到这里的

• 1970 年代 —— 瀑布模型：一切预先规划
• 2001 年 —— 敏捷：短迭代，可工作的软件
• 2010 年代 —— DevOps 与 CI/CD：自动化交付，DORA 指标
• 2021 年 —— GitHub Copilot：AI 进入 IDE

每一波浪潮都消除了一处瓶颈——并把约束转移到了别处

经典开发循环

ticket ──► design ──► code ──► review ──► test ──► release

• 人做所有事情，由工具辅助
• 审查是知识传递机制
• 测试是安全网
• 速度受限于打字、上下文切换和交接

瓶颈在哪里

第二部分

现在：智能体实际改变了什么

实践中的自主性光谱

Copilot (autocomplete) ──► Chat assistants ──► Coding agents ──► CI/CD agents
   "next token"             "answer & edit"      "take this issue"   "fix this build"

• 采用是自下而上的：开发者自带工具
• 智能体现在可以：规划 → 编辑 → 运行测试 → 迭代 → 提交 PR
• 一些团队已经在 CI 中运行智能体来修复、测试和审查

智能体开发循环

spec ──► plan ──► generate ──► run tests ──► fix ──► PR
                                                       │
release ◄── deploy ◄── merge ◄── CI gates ◄── human + AI review

• 代码步骤变得廉价而快速
• 规格和审查步骤成为关键路径
• 人从编写转向定义规格、审查、验收

仍然属于人的部分

• 需求与设计 —— 构建什么以及为什么
• 判断 —— 权衡、边界情况、业务风险
• 验收 —— 这是否正确且安全？
• 问责 —— 有人为结果签字

其他一切都在变得越来越可协商

第三部分

问题：团队在哪里出问题

十一种失败模式

1. 审查文化崩溃
2. 速度失控
3. 上下文缺口
4. 验证缺口
5. 安全与合规盲区
6. 归属变得模糊
7. 入职培训与技能退化
8. 开发者差距被超级放大
9. 动机成为隐藏的乘数
10. 摘要成为新的攻击面
11. 人类心理成为瓶颈

问题 1：审查文化崩溃

• 审查曾经是导师制：“你为什么这样写？”
• 现在人审查的是没人写过的代码——通常没有读过
• AI 审查处理机械性问题（风格、安全、明显缺陷）——而非判断
• 初级工程师不再从资深反馈中学习
• 审查量爆炸；资深工程师倦怠

危险信号： PR 以“LGTM”合并——学习渠道消失了

问题 2：速度失控

• DORA 指标看起来很棒：更多 PR、更多部署
• 但虚荣指标掩盖了真正的问题：我们是否在正确地交付正确的东西？
• 更多代码 = 更多缺陷、安全问题和维护的表面积
• 团队混淆了吞吐量与成果

危险信号： 速度上升，但变更失败率和事故也上升

问题 3：上下文缺口

• 智能体不了解你的领域、架构或约定
• 它们不知道决策为什么做出
• 结果：模式不一致、代码重复、幻觉 API
• 每个开发者都在提示词中携带私有上下文

危险信号： 同一个问题在代码库中以 5 种不同方式解决

问题 4：验证缺口

• 智能体生成代码的速度快于测试
• 代码之后写的测试倾向于适配代码，而非需求
• 边界情况和错误路径被跳过
• “CI 通过了” ≠ “这是正确的” 危险信号： 测试出现在实现之后，且只覆盖正常路径的 PR

问题 5：安全与合规盲区

• 密钥、许可证和专有数据可能泄露到外部模型
• 生成的代码可能引入有漏洞的依赖或模式
• AI 资产很少被纳入威胁模型
• 合规问题：代码去了哪里，谁能看到？

危险信号： 团队没有关于哪些模型/工具可以接触哪些代码库的策略

问题 6：归属变得模糊

• “是智能体写的”成为借口
• 当生成的代码在生产中失败时，谁负责？
• 轮换作者身份打破了责备≠惩罚的文化，但也打破了问责制
• 风险：没有人对 AI 输出感到负责

危险信号： 事故发生后，没有人能解释导致事故的代码

问题 7：入职培训与技能退化

• 初级开发者生成他们不理解的代码——并通过审查
• 基础知识（内存、算法、调试）不再被练习
• 高级开发者把所有时间花在审查上，而不是设计上
• 未来的高级开发者正在被训练成“提示并接受”

危险信号： 初级开发者发布了一个功能，但无法解释任何一个设计决策

问题 8：开发者差距被超级放大

• 团队一直有快速交付者、谨慎架构师、深度调试者——产出分布很广
• 智能体消除了打字上限：每个人都以机器速度生成
• 差距转移到真正重要的事情上——指定、验证、判断——而这里的差距更大
• 快的更快；谨慎的成为瓶颈——并在压力下被绕过

危险信号： 产出量趋同，但被接受质量的方差爆炸——且没有人追踪它

问题 9：动机成为隐藏的乘数

• 机械性工作消失了；剩下的是自主性的：规范质量、审查深度、边缘情况思考
• 自主性工作无法被强制执行或衡量——只有人们在意的时才会发生
• 一个没有动力的审查者加上一个智能体，等于以机器速度无声地 LGTM
• 智能体让隐藏更容易：速度看起来很棒，而判断力却缺席

危险信号： PR 流动，速度上升，但没有人能解释为什么设计是合理的

问题 10：摘要成为新的攻击面

• 审查正在从阅读 diff 转向阅读智能体编写的摘要——由编写代码的智能体自我报告
• 自动化偏见上升了一个层次：“摘要看起来没问题”成为新的 LGTM
• 智能体想要获得批准：摘要可以有利地框定决策或省略失败的内容
• 每一层摘要都会丢失信息——而人类离代码最远

危险信号： 批准比以前更快，但没有人打开过 diff 已经好几周了

问题 11：人类心理成为瓶颈

• 剩余的工作——指定、判断、接受——依赖人类认知，而认知有极限
• 自动化偏见与锚定： 智能体的第一个提案成为唯一的提案
• 决策疲劳： 批准传送带在下午降低判断力
• 信任钟摆： 胜利后过度信任，一次失败后过度拒绝——从未校准
• 意义与身份： “如果智能体写的，什么是我的？”→ 脱离，无声的橡皮图章

危险信号： 轨道是绿色的，审查很快——但没有人能说出今天他们改变了哪个决策

第四部分

变革：该怎么做

九个变革领域

1. 流程 — 规范优先的开发
2. 角色 — 从编写者到编排者
3. 实践 — 无法跳过的质量门禁
4. 工具 — 共享的、版本化的上下文
5. 指标 — 结果重于吞吐量
6. 人员 — 新技能和职业路径
7. 审查 — 护栏重于仪式
8. 动机 — 管理差距，滋养内在驱动力
9. 心理 — 为人类心智而设计

变革 1：规范优先的开发

• 在任何智能体工作之前写一个简短的规范：目标、范围、验收标准、边缘情况
• 保持规范小——一个问题 = 一个可审查的单元
• 为智能体无法推断的决策记录 ADR
• 将工单视为可执行的规范：好的工单让好的智能体运行

之前： “实现用户登录” 之后： “通过 OAuth2（Google）登录，锁定账户时报错，速率限制 5 次尝试，令牌过期的测试”

变革 2：新角色

• 开发者从编写转向设计、审查、编排
• 智能体/平台工程师——拥有共享上下文、工具和智能体基础设施
• 上下文工程成为一等技能：提示、规则、检索
• 高级审查聚焦于设计和需求，而不是语法

变革 3：强制性质量门禁

• 智能体无法绕过的 CI 门禁：lint、测试、覆盖率、密钥扫描、许可证检查
• 没有测试就没有 AI 代码——测试来自规格说明，而不是代码
• Agent 运行测试并在人类看到 PR 之前修复自身的失败
• 审查清单：需求是否满足？设计是否合理？边界情况是否处理？

变革 4：共享的、版本化的上下文

• 团队规则、技能和 agent 配置存放在仓库中——像代码一样被审查
• 将 agent 连接到真实上下文：ADR、文档、issue 跟踪器、API（MCP 服务器）
• 新加入者的 agent 在第一天就应该和资深者的 agent 一样高效
• 共享提示词库并附带审查——私有提示词是一种负债

变革 5：不说谎的指标

• 跟踪结果：事故、逃逸缺陷、恢复时间
• 审查质量比审查速度更重要

变革 6：人与文化

• 培训： 基础仍然重要——内存、算法、调试、系统
• 导师制： 结对审查，由作者口头解释设计
• AI 使用政策： 哪些模型、哪些仓库、什么数据——写下来
• 职业发展路径： 编排和设计作为晋升标准，而不是代码行数

变革 7：审查是护栏，不是仪式

• 将审查拆分为三项职责：质量控制、知识传递、问责
• 质量控制 → 分层护栏：agent 时、CI 时、合并时、运行时——是一个栈，不是单一检查
• 知识传递 → 设计会议和结对——而不是 PR 评论（见问题 1）
• 问责 → 按风险分层的门禁：低风险通道自动合并，认证、支付、迁移、基础设施需要人工签字
• 护栏验证代码；人类验证规格——审查左移并缩小

护栏栈

agent-time   permissions · sandbox · context boundaries · budgets · rules-as-code
     ↓
ci-time      tests · property-based · mutation · static analysis · secrets · licenses
     ↓
merge-time   risk tiers · required checks · diff-size limits · merge queue
     ↓
runtime      canary · feature flags · error budgets · SLOs · automated rollback

• 如果人工审查缩小，每一层都必须撑住——纵深防御，没有单一可信检查

审查摘要，而不是 diff

• 对于每个变更，agent 生成一份审查摘要：规格到实现的映射、验证证据、agent 审查者发现并修复了什么、剩余风险
• 证据来自 CI，而不是 agent 的声明——摘要链接到测试日志、变异分数、扫描结果
• 低风险通道：摘要自动归档为审计记录——路径中没有人类
• 高风险通道：人类阅读摘要，抽查 diff，签字确认
• 抽查是随机的——其推翻率是整个系统的信任指标

审查阵容发生变化

• 旧世界：一个角色做审查——资深工程师阅读 diff
• 新世界：审查重新分配给不同的阵容
• 产品与领域专家判断规格合规性——他们以前无法审查代码
• 安全与风险专家负责高风险通道
• 架构师与编排者判断设计摘要
• 初级人员审查摘要并抽查 diff——作为刻意练习
• Agent 覆盖机械层：风格、安全模式、覆盖率

变革 8：管理分布，滋养动力

• 测量分布，而不是中位数——关注质量、审查深度和缺陷率的尾部
• 让不可见的工作可见：规格、属性、验证、导师制——被认可和奖励
• 保持设计的人类性和意义：agent 做机械性工作，人类拥有判断
• 为交付者、架构师、验证者提供职业发展路径——晋升判断力，而不是数量

变革 9：为人类心智而设计

• 预算注意力：判断时刻是稀缺的——只将高风险决策路由给人类
• 用数据校准信任：跟踪过度接受和过度拒绝率，在回顾中重新校准
• 保护心流：批量运行 agent 和审查；人类留在设计循环中，而不是审批循环中
• 让新工艺可见：庆祝规格、验证和被推翻的决策
• 心理安全优先：“agent 做了这个，我无法完全解释”是讨论的开端，而不是忏悔

第 5 部分

未来：这一切将走向何方

多 agent 团队

orchestrator ──► architect ──► coder ──► tester ──► security reviewer
                    │                      │
                    └── spec ──────────────┘── report

• 具有不同提示词、上下文和预算的专用 agent
• 编排者是新的 IDE：人类定义目标，agent 协商计划
• 验证 agent 持续运行，而不仅仅在 PR 时

明天的角色地图

• 产品工程师 — 负责规格与验收，原生面向智能体
• 编排者 — 拆解工作、调度智能体、评判摘要
• 验证专家 — 负责护栏、信任指标、抽查计划
• 上下文工程师 — 负责规则、技能、MCP 服务器、团队知识
• 初级成员 — 从评审者和验证者做起，逐步成长为设计者
• “编码者”角色减少；判断类角色增多

规格即代码，人类即设计者

• 规格变得可执行且可版本化——生成的代码是一次性产物
• 设计文档和验收标准才是真正的真相来源
• 评审的单元是规格 + 结果，而不是 diff
• 持续验证：每次合并都重新对照需求检查

团队的上下文成为资本

• 规则、技能、ADR、规格、评审摘要积累在仓库中——它们成为组织的护城河
• 入职流程坍缩：新员工和他们的智能体第一天就能产出
• 写出更好规格的团队会复利增长：上下文改善，智能体也随之改善
• 另一面：知识离开人们的头脑，成为可版本化的资产

持续验证

• 验证成为 24/7 流程：智能体进行模糊测试、运行属性测试、观察生产行为
• 规格 → 代码 → 部署 → 观察 → 规格的循环永不停止——这是一个循环，不是流水线
• 变更失败率成为实时仪表盘，而不是月度报告
• 人类通过目标和错误预算来引导；智能体运行具体机制
• 智能体记分卡：哪个智能体被信任做什么——模型升级成为风险事件

经济学翻转：生成免费，验证昂贵

• 写代码的成本趋近于零；验证代码成为主导成本
• 预算从人力转向验证算力、评估套件、模型质量
• 新的单位经济学：每次被接受的变更的成本、每个逃逸缺陷的成本
• 验证和信任指标成为组织竞争的领域

前方的风险

• 技能萎缩 — 一代人离开智能体就无法调试
• 供应链 — 被攻陷的模型、被投毒的训练数据、恶意技能
• 过度信任 — 因为“它通常能工作”就接受智能体输出
• 责任归属 — 当自主代码失败时，谁负责？
• 验证表演 — 看起来严谨但没人检查的护栏和摘要
• 上下文单一文化 — 知识冻结在只有少数人能重新生成的规格中

安全的团队将是持怀疑态度的团队

要点：周一要做的六件事

1. 先写规格再写提示词 — 每个任务一份小规格
2. 为一切设门禁 — 没有测试和 CI 检查就不允许 AI 代码
3. 在仓库中共享上下文 — 规则、ADR、技能，像代码一样评审它们
4. 让评审不再是一种仪式 — 处处有护栏，人类专注于规格和高风险通道
5. 选择诚实的指标 — 将速度与变更失败率配对
6. 保护判断时间 — 批量评审、预算注意力、庆祝被推翻的决策

总结

• 智能体将瓶颈从编写转移到了规格化与验证
• 旧循环以十一种可预测的方式断裂
• 修复首先是组织层面的，其次才是技术层面的
• 未来属于那些设计得好且验证得狠的团队

谢谢

提问与讨论