给 AI 一句话,它能写出应用;把需求改一句,谁知道哪些代码、测试和验收结论必须重来?我认为,后一个问题更能看出一家需求研发平台的成色。
我的结论:值得建设的平台,应让“当前要做什么、允许怎么做、凭什么算完成”始终对得上。 编码 Agent 是其中的执行者。平台的价值还在于保存团队决定、协调工作,以及在决定改变时撤销已经过期的结论。
这篇核对了 28 个代表性产品或工具,覆盖五种入口。它们有的是研发管理平台,有的是执行工具或开源方法包,不能放进同一张排行榜。这里按切入位置比较,目的是看全主要路线,并汲取能组合使用的机制。
产品事实来自本次读取的官方页面,核对日期为 2026 年 10 月 13 日;“适合谁、该借什么”是我的判断。本文没有对这些产品做统一付费账号实测,公开功能也不等于已验证的交付能力。正文中的两个小实验,是我运行的机制检查与算术验算。
先对齐六个词
| 词 | 本文的意思 |
|---|---|
| AI-Native | 我的操作性定义:AI 能参与规划并执行工作,结果回到团队共享记录,后续动作能据此继续;它不是统一认证标签 |
| PRD | 产品需求文档:说明解决谁的什么问题、范围是什么、怎么算成功 |
| Spec,规格 | 将意图写成可审阅、可版本化的行为约束,例如“访客只能查看自己组织的记录” |
| Agent | 能读取环境、调用工具、修改产物,并根据结果继续工作的程序 |
| MCP | Model Context Protocol,让 AI 工具连接外部系统的接口协议;接通接口不等于获得全部权限 |
| 验收证据 | 某一需求版本、代码版本、环境下得到的检查结果;门禁负责据此放行或拦下 |
需求平台处在客户反馈与生产系统之间。要盯住五个活动部件:反馈来源、规格、执行环境、验收、上线结果。反馈变多,归纳能力更重要;并行执行变多,隔离和合并更重要;需求变化变快,版本与证据失效更重要。
flowchart TD
A[客户反馈与业务目标] --> B[需求与验收标准]
B --> C[设计与任务依赖]
C --> D[Agent 执行与代码变更]
D --> E[检查与人工判定]
E --> F[发布与用户结果]
F --> A
B -. 需求变更使旧证据过期 .-> E
看产品时,我会问:它首先接住的是哪一段?这解释了各家的设计差异。
路线一:从需求和协作记录出发,让 Agent 接入团队
这一路原本就拥有客户反馈、工单、项目和文档。它的机会是把这些记录变成 Agent 可以领取、推进和回写的工作。
| 观察对象/官方来源 | 公开机制与特点 | 我的取舍判断 |
|---|---|---|
| Linear | 将会话转为工单,自动分流;原生 Agent 可从工单启动云端沙箱编码、返回 diff,也支持外部 Agent 和 MCP | 适合以工单推进工作的产品团队;值得借的是人与 Agent 共用工作对象及活动记录 |
| Jira、Confluence 与 Rovo | Teamwork Graph 连接任务、文档和代码;向编码 Agent 委派工作、查看会话并审查决定 | 已有 Atlassian 资产的团队有上下文优势;具体能力需分清已开放与候补名单 |
| Productboard Spark | 从客户反馈发现机会、编写规格,通过 MCP 交给编码工具;将上线分析与原目标联系起来,输出带来源引用 | 对“为什么做、做完有无价值”的覆盖更明确;适合产品发现与研发执行分开的组织 |
Linear 已经超出“聪明的任务列表”:当前页面明确描述云端编码会话和 diff 审阅。与此同时,它的 Agent 文档也说明,平台传递的 guidance 如何被遵守,取决于具体集成。传递团队规则与强制执行团队规则,是两件事。
Productboard 的可借之处,是让规格带着客户证据进入开发,再回到上线效果。一个功能即使通过测试,也可能没有解决原来的客户问题。需求平台如果只统计关闭了多少工单,会错过这层差别。
Atlassian 有一项必须更新的状态:Rovo Dev 官网已提示,独立产品将结束生命周期,能力迁入符合条件的 Jira 订阅;新 Jira 页面里的部分规划和循环能力仍显示候补入口。不能把旧版 Rovo Dev 的功能清单直接当作今天全部可用的套餐。
还有一个很具体的接线细节:Rovo 验收条件检查文档写明,若工单 description 为空,即使摘要或自定义字段有验收条件,也不会搜索;查找关联工单先看分支名,再看提交消息。结果还区分满足、遗漏、需要人工检查。
这说明需求和代码“有关联”还不够:存放位置、关联规则和无法判定时的状态,也是平台能力的一部分。 这份文档仍带旧订阅前提,实际采购需连同迁移状态一起核对。
路线二:从规格与上下文出发,把计划变成执行依据
当 Agent 写代码更快,“它理解的目标是不是团队同意的目标”就更值得花时间。这一路把规格、任务依赖或团队知识放到工作中心。
| 观察对象/官方来源 | 公开机制与特点 | 我的取舍判断 |
|---|---|---|
| Kiro | 需求/缺陷分析、设计、任务形成三类文件;按依赖分波次执行,提供需求分析和属性测试能力 | 适合希望在仓库中保留行为约束的团队;规格与测试的连接值得借 |
| GitHub Spec Kit | 开源方法包:项目原则、规格、计划、任务、实现与 converge;另有独立缺陷修复和想法评估流程 | 适合低成本试验自己的流程;它提供方法与产物,不是托管研发管理平台 |
| Zenflow Code | 规格驱动工作流、隔离并行执行、自动测试和跨 Agent 审阅;支持自定义流程与触发器 | 适合需要重复运行工程流程的团队;公开“无偏移”等承诺仍需业务验收验证 |
| Intent | 围绕任务工作区与 Living Spec 协调 Agent,支持更换执行 Agent,将 Git 操作和审阅纳入工作台 | 适合多任务、多 Agent 的开发者;共享计划和隔离工作区比角色名称更值得借 |
| Qoder | 从上下文、规划、工具执行、验证到迭代;产品家族覆盖 IDE、CLI、云端执行等 | 值得研究其规格委派路线,但旧 Quest 窗口正迁移,不能按旧教程选型 |
| Tessl | 当前定位围绕 Skills、Loops、Factory:上下文注册与治理、评估、审阅、测试修复等循环 | 更像团队上下文与工作流底座;有助于解决规则散落、版本不明和重复建设 |
这六个对象并不相同。Kiro、Spec Kit 从流程产物入手;Intent、Zenflow 更强调工作协调;Tessl 当前首页强调上下文治理与循环,不能沿用早期介绍,把它只描述成“规格生成代码”。
Intent 的官方设计说明给了一个清楚的组合:工作区由 Git worktree 隔离;协调者提出规格,执行者实施,验证者对照规格检查。worktree 是同一仓库的独立工作目录,类似每位施工者有自己的操作台,最终仍须把成果合到同一套工程里。
Qoder 的 2025 年 Quest 设计文章则拆成 Spec First、Action Flow、Task Report:先对齐目标,过程中呈现动作与阻塞,最后提供变更和验证报告。这里引用的是设计来源。当前迁移公告写明,Qoder IDE 的 Quest 窗口将于 2026 年 10 月 15 日 23:59(UTC+8)退役,Editor 窗口不受影响,并建议迁移到新 Qoder。这是具体窗口的变化,不能写成整个 IDE 退役。
规格路线有个容易被误解的地方:让文档进入执行流程,不自动保证文档本身正确。 例如“所有已登录用户可查看记录”,可能漏掉“仅限自己的组织”。后续 Agent 再认真,也会忠实实现错误目标。
Kiro 已在属性测试文档里往前走了一步:从需求抽出普遍应成立的规则,再生成输入找反例。属性测试就是“换很多输入,仍应满足同一条规则”,不是只检查几个固定例子。但文档也明确它不是正确性证明,弱规则可能照样通过;当前能力表将其列为 IDE 能力,相关测试默认可选。
所以我会借规格与测试的连接,同时保留人或外部业务依据对规格的审核。生成、执行和判定不能共同依赖同一个未经检查的假设。
路线三:从研发执行出发,把工作委派出去
这一组首先解决“把真实仓库交给 AI,它能不能完成可审阅的改动”。入口逐渐从编辑器扩展到云端、终端、工单与自动化。
| 观察对象/官方来源 | 公开机制与特点 | 我的取舍判断 |
|---|---|---|
| Devin | 使用 shell、IDE、浏览器写、运行和测试代码;可接工单、接受人工接管 | 适合明确且容易验证的委派任务;其文档也强调清晰完成标准与合理拆分 |
| Factory Droid | App、CLI、云端等执行入口,扩展到审阅、QA、文档和事件响应,并提供企业治理与 API | 值得借的是一次任务如何扩展为可反复运行的组织流程 |
| OpenHands | 开源 Agent Canvas、SDK、Agent Server 与沙箱控制组件,也提供托管服务 | 适合需要定制执行底座的团队;自建需承担运行环境、升级和治理成本 |
| GitHub Copilot | 从仓库、Issue、PR 发起规划与云端执行,运行检查,回到变更审阅和自动化 | 已在 GitHub 协作的团队接入路径短;仍需把业务验收标准带进来 |
| GitLab Duo Agent Platform | Planner、Issue 到 MR、审阅、CI 修复、安全与自定义 flows;文档区分正式、测试和实验功能 | 优势在既有代码、流水线和安全上下文;不同版本、套餐与功能成熟度须分别核对 |
| Cursor | 理解仓库、Plan 模式、实施、修复、审阅,并连接现有协作工具 | 适合研发人员直接控制工作;共享需求记录和组织治理需结合团队流程考察 |
| Claude Code | 读取仓库、改文件、执行命令,结合 instructions、skills、hooks、MCP 与 CI | 可塑性高,适合作为执行引擎;定制流程的维护责任也落在团队 |
| Codex Cloud | 复用项目环境,每个任务独立工作区;检查变更与结果,继续迭代或提交 PR | 环境准备与任务隔离值得借;需与团队的需求、验收和发布记录连接 |
| Google Antigravity | Agent 管理工作台、IDE、CLI、SDK;管理并行任务和工作产物 | 适合以 Agent 为主要操作对象的开发方式;产物展示需进一步对应验收依据 |
对这一组,我更关心交接质量:工作是否在独立环境里进行?阻塞是否有明确原因?中断后能否继续?提交给人的到底是日志、diff,还是按需求组织的证据?这些问题对应好的 Agent harness 应保存和控制的部分。harness 可以理解为包住模型的工作环境、工具、状态和检查机制。
并行值得用,但任务隔离只解决“别踩到彼此的文件”,没有解决“合起来仍符合业务要求”。两个分支各自通过测试,合并后可能改坏同一个数据契约。研发平台仍要管理依赖、集成检查和验收责任。
路线四:从可运行应用出发,缩短想法到反馈的距离
应用生成平台擅长把需求、预览和运行环境放在一起。产品经理不用先等全部实现,就能看到可交互的结果。
| 观察对象/官方来源 | 公开机制与特点 | 我的取舍判断 |
|---|---|---|
| Replit Agent | 自然语言规划、项目设置、基础设施、测试与发布;Plan 模式可先讨论任务 | 适合希望减少环境搭建工作的应用探索与开发 |
| Lovable | 生成前后端、数据库、认证与集成;共享工作区、Git 同步和部署 | 适合业务应用迭代;代码所有权和与现有研发流程的衔接值得检查 |
| Bolt | 网站和应用生成,Plan 模式、预览、数据库、版本记录与发布 | 适合把想法快速变成可以讨论的应用;长期更改仍需维护上下文与数据行为 |
| v0 | 从文本、线框或设计生成代码与全栈应用,连接后端,部署到 Vercel 或走 PR 审阅 | 适合界面与全栈产品探索;不能再只把它描述成 UI 组件生成器 |
这一类的核心贡献,是让原型参与澄清需求。讨论“这个筛选器好不好”时,看到可操作页面往往比再写一段 PRD 有效。
但页面也是一种会误导人的证据。能切换筛选条件,不能说明权限正确;演示数据流畅,不能说明真实数据迁移安全。我会给原型加一份行为账:用了哪些假数据、哪些按钮已接后端、哪些规则尚待确认。这样原型可以加速决策,而不会无意中替真实交付背书。
路线五:把 AI 接入现有研发体系,国内也有多种入口
国内产品并非只沿一条路走。云效、PingCode、ONES 从企业协作资产出发;CodeBuddy、TRAE、Comate 更直接面向实施工作。Qoder 已放在规格与上下文路线中,不重复计数。
| 观察对象/官方来源 | 公开机制与特点 | 我的取舍判断 |
|---|---|---|
| 阿里云云效 | 项目、代码、测试、流水线与交付工具链;当前页面包含智能评审、MCP 接入和 AI 助手升级信息 | 适合已有云效流程的组织;值得借既有发布与权限体系,不能据工具链齐全推定全自主交付 |
| PingCode AI | Copilot 与可配置 Agent,覆盖任务生成评审、知识、工作流及项目数据 | 适合研发管理自动化;需检查具体流程能否从建议落到真实操作 |
| ONES Assistant | 连接项目、Wiki、测试上下文,创建更新工作项、保存文档;MCP 与既有权限、操作历史衔接 | 适合已有规范研发对象的企业;“AI 在现有权限下写回系统”是可借机制 |
| CodeBuddy IDE | 公开展示自然语言生成 PRD、设计与代码,连接 CloudBase/Supabase、Figma 与部署 | 适合将产品、设计和实施放近;企业多团队变更治理仍需具体试点 |
| TRAE | Agent 与 IDE 模式、多项目管理、自定义智能体、MCP、Rules,以及 SOLO 规划执行 | 适合开发者管理多任务与定制工具;先验证共享上下文和最终集成结果 |
| 百度 Comate | 公开描述需求梳理、PRD、任务拆分、实现与验证;具备 Spec/Plan 等入口与仓库理解 | 适合研究从想法到实施的联动;自动生成文档仍需业务方审查 |
上述事实来自各自产品说明,不是我对其交付成功率的测量。部署和权限方面,ONES 页面给出的方案尤其具体,但适用范围也明确取决于所购版本与部署方案。
比较国内外产品,我不会按地域给它们排成熟度。更有用的问题是:团队原有的需求、身份、代码和发布流程在哪里?迁移会损失哪些上下文?在已有记录之上增加 AI,可能比另建一套工作台更容易持续使用。
贯穿五条路线:它们究竟在争什么
我的判断是,这些入口逐渐相遇,是因为它们都需要掌握三样东西:被认可的意图、执行所需的上下文、结果的判定权。
只拥有意图,得把规格交给别的执行器;只拥有执行器,得把真实需求找回来;只拥有产物,仍得证明它解决了客户问题。于是需求工具往编码延伸,编码工具往计划和审阅延伸,应用平台往数据与治理延伸。
这是一种产品结构上的推断,不是所有公司必然合并成同一种平台的预言。一个深度集成的组合也可以跑通:Productboard 保存客户证据,Linear/Jira 保存工作状态,编码工具执行,现有 CI 与业务方验收。关键在于交接时没有丢掉来源、版本和责任。
需求研发平台之所以需要版本化规格与验收关联,是因为需求、代码和环境会独立变化,同一句“通过”不能跨版本自动成立。 这是我对根本约束的提炼。
反过来,如果任务一次性、目标不变、环境固定、失败代价很小,一段会话加本地检查可能就够用。没有这些变化约束,昂贵的对象模型和审批流程未必值得建设。
朴素做法在哪里先崩?甚至不用等到大团队:第一次需求变更后,旧截图还在,任务仍是 Done,新要求没有重验。再并行多个任务,只是让过期结论更难辨认。
这套思路的共同祖先是配置管理、需求追踪和持续集成。像构建产物必须对应源码版本一样,验收结论也应对应当时的要求。AI 扩大了执行速度与数量,却没有取消这一关系。
实验一:只看通过状态,会放过哪些旧证据
我用 Python 构造了一个最小检查,不调用任何模型或厂商 API。当前交付目标是需求 r2、代码 c2、环境 staging。五份合成记录分别代表当前通过、旧需求通过、旧代码通过、错误环境通过,以及当前失败。
r2、c2 是便于阅读的版本代号;实际系统应保存不可混淆的版本标识。staging 表示本次需要验证的预发布环境,因此在 local 的通过不能直接替代它。
复现约两分钟,需要 Python 3。复制整段运行:
python3 - <<'PY'
current = {'spec': 'r2', 'commit': 'c2', 'env': 'staging'}
cases = [
('current', 'r2', 'c2', 'staging', True),
('old_spec', 'r1', 'c2', 'staging', True),
('old_commit', 'r2', 'c1', 'staging', True),
('wrong_env', 'r2', 'c2', 'local', True),
('failed', 'r2', 'c2', 'staging', False),
]
counts = dict(naive_accepted=0, verified=0, stale=0, failed=0)
for name, spec, commit, env, passed in cases:
evidence = dict(spec=spec, commit=commit, env=env)
verdict = 'failed' if not passed else (
'verified' if evidence == current else 'stale')
counts['naive_accepted'] += passed
counts[verdict] += 1
print(f'{name}: passed={passed} verdict={verdict}')
assert counts == dict(naive_accepted=4, verified=1, stale=3, failed=1)
print(counts)
PY
我运行得到的原始输出:
current: passed=True verdict=verified
old_spec: passed=True verdict=stale
old_commit: passed=True verdict=stale
wrong_env: passed=True verdict=stale
failed: passed=False verdict=failed
{'naive_accepted': 4, 'verified': 1, 'stale': 3, 'failed': 1}
只看 passed 会接受 4 份记录;加入三个关联条件后,1 份仍有效,3 份过期,1 份失败。数字是我在合成输入上测得的,不是任何平台的错误率,也不是完整验收系统的效果评估。
这个实验只验证证据归属规则。它没有识别伪造日志、漏掉的验收项或错误的业务规格。verified 在此仅表示“通过且关联匹配”,不是“整个需求已被证明正确”。
不过,区分 stale 和 failed 已有实际价值:过期应触发重验,失败应修复行为,缺证据应补证据。如果平台都展示成一个红色失败,Agent 会修错地方;如果都展示成绿色通过,人会批准错版本。
真实环境比一个字符串复杂。数据库迁移、配置、依赖和测试数据都可能改变行为。首版可以记录环境快照或指纹;不同指纹之间能否复用证据,需要明确的兼容规则,不能简单宣称环境名相同就够了。
实验二:编码快四倍,交付到底能快多少
另一个容易被功能演示遮住的问题,是加速发生在哪段时间里。
我设了一条串行关键路径:需求澄清 8 小时、编码 6 小时、验证 4 小时、等待 2 小时,共 20 小时。这里全部是示例输入,不是行业均值;算的是同一交付的耗时,没有将并行工时相加。
如果编码快四倍,编码变为 1.5 小时,总耗时是 15.5 小时。不到一分钟可复算:
python3 - <<'PY'
baseline = 8 + 6 + 4 + 2
accelerated = 8 + 6 / 4 + 4 + 2
print(f'baseline_h={baseline}')
print(f'coding_4x_h={accelerated}')
print(f'end_to_end_speedup={baseline / accelerated:.4f}')
print(f'coding_only_ceiling={baseline / (8 + 4 + 2):.4f}')
PY
我验算的原始输出:
baseline_h=20
coding_4x_h=15.5
end_to_end_speedup=1.2903
coding_only_ceiling=1.4286
这个例子中,编码快四倍,端到端约快 1.29 倍;即使编码时间降到零,只改变这一段的上限也约为 1.43 倍。这就是把局部优化放回整条链路后的结果。
它不能预测某家产品的真实收益。如果 AI 同时减少澄清、验证或等待,收益会更大;如果引入返工或增加审阅负担,收益会更小。想估预算,应替换成团队实际关键路径数据,再计算。
所以,我会优先看产品是否能缩短“等别人补背景、等澄清、等验证、等审阅”的时间。保存客户证据、提前指出规格冲突、提供按验收项组织的报告,可能比继续压缩编码耗时更有价值。这是由上面的计算导出的选型方向,不是厂商性能结论。
汲取核心:我会组合这五种机制
如果要做自己的 AI-Native 需求研发平台,我会先定义这些机制,再决定用哪个模型、哪个执行 Agent。
| 机制 | 借鉴来源 | 首版保存什么 | 缺了会怎样 |
|---|---|---|---|
| 需求有出处 | Productboard,企业知识与协作平台 | 客户原话/业务目标、来源、负责人、待澄清问题 | AI 补写的合理故事被当成真实需求 |
| 规格参与执行 | Kiro、Spec Kit、Qoder | 已批准版本、验收项、范围外事项、任务依赖 | 计划写完就漂走,无法指出偏离哪一条 |
| 委派能交接 | Linear、Intent、Devin 等 | 任务身份、工作区、动作、阻塞、变更、可接管状态 | 换 Agent 或中断后,只能重新讲背景 |
| 完成依赖有效证据 | 验收检查、CI、测试与门禁 | 验收项、规格版本、提交、环境、结果和原始证据引用 | 昨天的通过替今天的交付背书 |
| 发布后回看目标 | Productboard 的上线评估路线 | 发布版本、观察期、指标定义、用户反馈 | 工单完成被误当成客户问题已解决 |
我会把核心记录组织成下面的关联链。它是本文提出的设计,未声称任何一家完整按此实现:
反馈来源 → 需求与批准版本 → 验收项 → 任务与变更
↓
发布记录 ← 验收决定 ← 带版本和环境的检查证据
↓
观察结果 → 新的需求或修正原假设
首版至少要回答:验收项是谁定义的?检查针对哪个版本?缺了什么?谁有权接受剩余风险?无需先建一套庞大的图数据库;表、链接和事件记录只要能稳定表达关系,也能起步。
需求变化应触发影响分析,不是全文重写
以“导出客户名单”为例,最初只要求管理员可导出,后来增加“邮箱必须脱敏”。平台应新建批准版本,并指出导出代码、样例数据、测试和旧验收中哪些受影响。已经完成的排序功能未必需要重做,旧的邮箱检查却不能继续算通过。
影响判断可以由 Agent 提议,但自动找到的依赖可能不全。高风险需求先保守重验,再用明确的依赖关系缩小范围。否则所谓“智能影响分析”会把遗漏变成隐蔽的绿灯。
Live/Living Spec 也需要区分权限:Agent 可以更新进展、提出设计变化;它不能为了让代码看起来达标,默默降低已经批准的业务要求。原有决定、提议变化和最终批准应该分开记录。
让交接协议稳定,执行器才容易更换
我会让执行器领取一份固定任务包:目标、批准规格、相关上下文、可用工具、工作区、停止条件和验收入口。它提交变更、执行记录、未解决项以及证据引用。
模型换了、IDE 换了,任务身份仍在。同一次失败的完整记录也应留下,预算把重试与修复算进去。MCP 可以承担部分连接工作,但任务生命周期、幂等写入和权限仍需要平台定义。幂等写入就是重复请求不会重复创建工单或重复发布。
不必一开始就开很多 Agent。先跑通一次任务的完整交接,再对独立任务增加并行;不然人只是从写代码,变成同时追问多个窗口“你做到哪了”。
验收规则需要独立于执行者的自述
执行 Agent 可以写测试、解释结果,但重要的验收标准应来自已批准规格、业务样例或外部检查。独立性首先来自依据与权限,并非换一个模型审一遍就自动成立。
若“别的组织不能下载这份名单”是要求,就应有跨组织账户的负向用例。模型生成的测试可能只覆盖成功导出,需要从业务要求补这个反例。修改验收标准本身,应该触发专门审核。
这一点也解释了为什么编码榜单不能替代需求平台选型。SWE-bench 原论文围绕既定仓库与 GitHub Issue 构造修复问题;这类评测帮助观察已有问题的实施能力。识别客户需求、协商冲突目标、决定上线后是否有价值,是另外的任务,不能由一个修复分数代替。
怎么选:从自己的缺口出发
以下是我的选型起点,不是购买推荐或厂商排名:
| 团队当前最缺的东西 | 先研究哪条路线 | 试点必须看见的结果 |
|---|---|---|
| 客户反馈很多,需求依据薄弱 | Productboard 式发现与规格 | 每项建议能回到真实反馈,并说明取舍 |
| 工单、文档、责任分散 | Linear/Jira/ONES/PingCode 式协作中枢 | 人与 Agent 共用工作状态,变更能被追踪 |
| 描述模糊,实施频繁偏离 | Kiro/Spec Kit/Intent/Zenflow 式规格流程 | 指出具体违反哪条要求,而非只给总体评价 |
| 需求明确,积压在实施 | 编码与委派执行工具 | 在真实仓库中交出可审阅、可验证的变更 |
| 想法尚未验证,环境搭建太慢 | Replit/Lovable/Bolt/v0 式应用生成 | 用户能试用,演示假设和真实能力有明确记录 |
| 已有稳定 CI、发布和权限体系 | 现有研发平台的 AI 集成 | AI 遵守既有流程,减少人工交接,保留回滚能力 |
如果跨团队的现有工具链已运行良好,我会先补交接关系;如果小团队缺少运行环境,集成式应用平台可能更快拿到用户反馈。两者优化的是不同约束。
试点可以固定四个任务类型:一个明确小需求、一个模糊需求、一个跨模块变更、一个中途修改验收标准的任务。每次留下原始输入、版本、人工介入、重试、检查结果和总耗时。小样本只能发现具体问题,不能据此宣布总体成功率。
我尤其会做“变更之后”的演示:初版通过后,增加权限或数据保留要求。观察平台有没有撤销受影响的旧结论、提示遗漏检查,并给出当前仍需人决定的部分。这比观看一次从零生成应用,更贴近持续研发。
度量也要用交付结果做单位:每个被接受需求花了多少模型费用和人工时间,从批准到验收经过多久,上线后有多少需求需要返工。保留需求复杂度分层,避免团队通过只选简单工单,把报表做漂亮。
小结:带去下一次产品演示的三问
这些路线值得借鉴的,是让团队意图进入执行、让结果带着依据回来。需求、代码和环境分别变化,决定了旧结论必须能过期;第一次改需求就会暴露这一缺口。
花五分钟,拿一个已经完成的真实需求,在演示前写下三问:
- 这次需求改变后,哪些旧验收不再适用?
- 当前结论能对应到哪条要求、哪个提交和什么环境?
- 无法证明的部分,是明确交给人,还是悄悄算作完成?
一句可以带给同事的话:我想知道的,是需求改了以后,平台怎么保证我们没有拿昨天的通过批准今天的上线。
参考来源
产品与工程实践
产品表中的名称直接链接本次核对的官方页面。下列来源用于正文中需要细看条件的论断:
- Linear:第三方 Agent 的权限、guidance 与活动记录。
- Atlassian:Rovo Dev 产品形态迁移提示;验收条件提取与关联工单规则。
- Kiro:规格结构与执行流程;属性测试能力、适用范围与限制。
- Augment:Intent 的规格、worktree 与协调/实施/验证设计。
- Qoder:Quest 最初的设计;当前 Quest 窗口退役与迁移公告。
- ONES:需求澄清、计划与知识协作方案。
论文与站内延伸
- Carlos E. Jimenez 等:SWE-bench: Can Language Models Resolve Real-World GitHub Issues?,用来说明仓库 Issue 修复评测的任务范围;本文没有复现该基准。
- 好的 Agent harness 应该具备什么:执行引擎的工作环境与控制机制。
- 面向 Agent 的门禁产品设计:将证据变成放行、等待复核与回滚动作。
- AI 时代的研发组织与岗位地图:平台之外,谁负责定义目标、判断结果和解决落地问题。