本文翻译自 StrongDM Software Factory，原载于 Hacker News。

什么是软件工厂

我们构建了一个软件工厂（Software Factory）：一种非交互式的开发模式，通过规范（specs）和场景（scenarios）驱动智能体（agents）自动编写代码、运行测试，并在无需人工审查的情况下不断收敛至正确实现。

如果你更喜欢从第一性原理出发，我可以提供一些约束和指导方针，这些原则的迭代应用将加速任何团队形成相同的直觉，最终建立自己的软件工厂。

以禅宗或箴言的形式：

• 我为什么要做这个？（隐含意思：模型应该来做这件事）

以规则的形式：

• 代码不得由人类编写
• 代码不得由人类审查

以实践的形式：

• 如果你今天每位工程师在 tokens 上的花费还不到 1000 美元，你的软件工厂还有改进空间

StrongDM 的 AI 故事

2025 年 7 月 14 日，Jay Taylor、Navan Chauhan 和我（Justin McCarthy，联合创始人兼 CTO）共同创立了 StrongDM AI 团队。

催化剂源于 2024 年底观察到的一个转变：随着 Claude 3.5 第二版（2024 年 10 月）的发布，长期视界的智能体编码工作流开始累积正确性而非累积错误。

正确性的累积 vs 错误的累积

在此之前，LLM 在编码任务上的迭代应用会累积各种可想象的错误（误解、幻觉、语法错误、违反 DRY 原则、库不兼容等）。应用或产品会逐渐退化并最终”崩溃”——千疮百孔而死。

到了 2024 年 12 月，通过 Cursor 的 YOLO 模式，模型的长期编码性能已经无可辩驳。与更新后的模型一起，YOLO 模式为我们首次展现了非交互式开发或生长式软件的曙光。

找到旋钮，拧到最大

在我们 AI 团队第一天的第一个小时，我们制定了一份章程，这引领我们走向一系列发现（我们称之为”解锁”）。回想起来，章程文档中最重要的那行是：

别碰代码！

最初这只是一个直觉，一个实验。如果不手写任何代码，我们能走多远？

并不远！至少：在没有添加测试之前并不远。然而，专注于眼前任务的智能体很快开始走捷径：return true 是通过狭隘测试的好方法，但可能无法泛化到你想要的软件。

仅仅测试是不够的。集成测试呢？回归测试？端到端测试？行为测试？

从测试到场景与满意度

智能体时代的一个反复出现的主题：我们需要新的语言。例如，”测试”这个词已经被证明是不够且模糊的。存储在代码库中的测试可以被懒惰地重写以匹配代码，代码也可以被重写以通过测试。

我们重新定义了场景（scenario）这个词来表示端到端的”用户故事”，通常存储在代码库之外（类似于模型训练中的”保留集”），可以被 LLM 直观地理解并灵活验证。

由于我们生长的软件本身具有智能体组件，我们从布尔定义的成功（”测试套件全绿”）转变为概率性和实证性的定义。我们使用满意度（satisfaction）这个词来量化这种验证：在所有场景的所有观察轨迹中，有多少可能满足用户需求？

在数字孪生宇宙中验证场景

在之前的模式下，团队可能依赖集成测试、回归测试、UI 自动化来回答”它能工作吗？”

我们注意到之前可靠技术的两个局限：

1. 测试太僵化——我们用智能体编码，但也用 LLM 和智能体循环作为设计原语；评估成功通常需要 LLM 作为裁判
2. 测试可以被欺骗——我们需要不容易被模型作弊的验证

数字孪生宇宙（Digital Twin Universe） 是我们的答案：我们软件依赖的第三方服务的行为克隆。我们构建了 Okta、Jira、Slack、Google Docs、Google Drive 和 Google Sheets 的孪生，复制它们的 API、边缘情况和可观察行为。

有了 DTU，我们可以以远远超过生产限制的量和速率进行验证。我们可以测试对实时服务危险或不可能的失败模式。我们可以在不触及速率限制、不触发滥用检测、不累积 API 成本的情况下，每小时运行数千个场景。

非传统的经济学

我们在 DTU 上的成功说明了智能体时代深刻改变软件经济学的众多方式之一。创建重要 SaaS 应用程序的高保真克隆一直是可能的，但从未在经济上可行。几代工程师可能都想要一个完整的内存中副本来测试他们的 CRM，但自我审查了构建它的提案。他们甚至没有把它带给经理，因为他们知道答案会是不。

那些构建软件工厂的人必须实践故意的天真（deliberate naivete）：找到并消除 Software 1.0 的习惯、惯例和约束。DTU 证明了六个月前不可想象的事情现在是常规。

核心原则总结

StrongDM 的软件工厂实践给我们带来了几个重要启示：

1. 非交互式开发成为可能：随着 Claude 3.5 等模型的进步，长期任务可以累积正确性而非错误
2. 场景优于测试：端到端的用户故事比传统的单元测试更适合智能体开发
3. 数字孪生验证：构建依赖服务的克隆可以安全、高效地进行大规模验证
4. 重新思考经济学：AI 改变了软件开发的成本结构，以前不可行的方法现在变得常规

个人思考

这篇文章最让我触动的是”故意的天真”这个概念。在 AI 时代，我们需要主动质疑和抛弃那些在 Software 1.0 时代形成的”常识”。

比如，以前我们会说”写测试太贵了”，但在 AI 时代，让 AI 写测试、写场景、甚至构建数字孪生，成本微乎其微。我们自我审查的那些”疯狂想法”，可能正是下一个突破口。

另一个重要洞察是从布尔验证到概率验证的转变。当软件由 AI 生成时，”测试通过”不再是一个二元判断，而是需要考虑”在所有可能的情况下，有多少概率是正确的”。这种思维方式的转变，可能比任何工具都更重要。

进一步阅读

• 原则：我们相信的关于用智能体构建软件的真理
• 技术：应用这些原则的重复模式
• 产品：我们每天使用的工具，相信其他人也会受益

感谢阅读。祝你们在构建自己的软件工厂时好运。

本文翻译自 StrongDM AI 团队的技术博客，介绍了他们如何利用 Claude 等大模型实现完全自动化的软件开发流程。对于探索 AI 辅助开发的团队来说，这篇实践总结提供了宝贵的经验和思考。