Files
Obsidian/X-Articles-CN/智能体软件工程 | 别再用人类的尺子量 AI 的活了:智能体原生工作估算.md
T
coco 8b94d76799 a
2026-07-21 13:57:15 +08:00

172 lines
9.5 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
title: "智能体软件工程 | 别再用人类的尺子量 AI 的活了:智能体原生工作估算"
source: "https://x.com/blackanger/status/2028638661588443345"
author:
- "[[Unknown]]"
published: 2026-03-03
created: 2026-03-06
description:
tags:
- "clippings"
---
> **《智能体软件工程》可能是一系列文章,记录我从传统软件工程向智能体软件工程的迁移过程。**
## 一个老程序员的顿悟
我写了近二十年代码了。估算工期这件事,早已刻进肌肉记忆——拆任务、排优先级、乘以经验系数、加上联调和 buffer(冗余量),最后给出一个"两到三周"。这套方法论伴随我度过了瀑布、敏捷、DevOps 的每一次范式迁移,从未失灵。
直到 AI 编程到来。
我最近用 AI Agent 做一个 CLI 工具。脑子里的第一反应是这个工具的实现过程:解析参数、核心转换、校验逻辑、错误处理、测试,一整套下来,按古法编程怎么也得两三天。结果 Agent 从动手到交付,连半小时都没用完。
效率提升了吗?表面上看,当然。
但更深层的问题随之浮现:**我甚至无法正确预判 AI 需要多久。**
我的整个估算框架是锚定在"人类开发者"这个基座上的。多少行代码、多少次 debug、多少轮 code review。当执行者从人变成智能体,这套尺子就彻底失灵了。
更讽刺的是,AI Agent 自己也犯同样的错。你问 Claude 或 GPT:"做这个功能要多久?"它会一本正经地告诉你"大约 2-3 天"。因为它的训练数据里,Stack Overflow 和技术博客就是这么写的。Agent 在用人类的经验估人类的时间,然后自己十分钟干完。
我开始意识到,当软件工程迈向智能体软件工程(Agentic Software Engineering)的过程中,**第一个需要变化的,就是这种"拿人的尺子量 AI 的活"的心态。**
所以我写了一个 Skill,[agent-estimation](https://github.com/ZhangHanDong/agent-estimation), 专门解决这个问题。
## 问题的根源:人类时间锚定
我把这个现象叫做 **Human-Time Anchoring**(人类时间锚定)。
它的运作机制是这样的:
AI Agent 在生成估算时,会不自觉地调用训练数据中的"集体经验"。一个 REST API 项目?论坛上说要一周。一个带实时图表的全栈 Dashboard?技术负责人在 Sprint Planning 里估了三个迭代。这些数字是人类开发者在人类的认知带宽、上下文切换成本、沟通损耗下产出的经验值。它们对人类成立,但对一个可以每 3 分钟完成一轮"思考→写码→执行→验证→修复"循环的 Agent 来说,完全不适用。
这导致了一个系统性偏差:**AI 几乎总是高估自己的工期。**
而我们这些老程序员,反过来也在犯同样的错:我们拿自己过去的经验去预期 AI 的产出速度,然后在"哇,这么快?"和"等等,它真能做到吗?"之间反复横跳。
问题不在于 AI 编码快不快。问题在于:我们还没有一套 **AI 原生的度量体系** 来衡量它到底有多快,以及哪些地方其实没那么快。
## 一种解法:让 Agent 用自己的单位思考
我设计的这个 Skill(Agent Work Estimation Skill),核心思路只有一句话:
> **先用轮次(Round)估算,最后才转换成人类时间。**
这里的"轮次"是 Agent 的原子操作单位——一个完整的工具调用循环:
思考 → 编写代码 → 执行 → 查看输出 → 决定是否修复
一轮大约 2-4 分钟。这不是拍脑袋的数字,而是实际观察 AI Coding Agent 在真实项目中的运行节奏得出的经验值。
在这个基础上,我定义了四层估算单位:
**单位定义规模轮次(Round)**一次工具调用循环约 2-4 分钟**模块(Module)**由多轮构成的功能单元2-15 轮**波次(Wave)**无相互依赖的模块批次,可并行1-N 个模块**项目(Project)**所有波次顺序执行 + 集成 + 调试波次之和
单 Agent 顺序编码用"轮次",多 Agent 并发编码用"波次"。这就是 **AI Native 的估算方式**。
## 五步估算法
**第一步:拆解模块**
把任务分成可以独立构建和测试的功能模块。核心问题是:"如果我一次只做一件事,我会按什么顺序做?"
**第二步:估算每个模块的轮次**
这里有一组校准锚点:
**模式典型轮次示例**模板化 / 已知模式1-2CRUD 端点、配置文件中等复杂度3-5自定义 UI、状态管理探索性 / 文档不足5-10陌生框架、平台特定 API高不确定性8-15未文档化行为、新算法
关键的校准规则很直觉:如果 Agent 一次生成就能跑通,那就是 1 轮;如果要生成、报错、修复,那就是 2-3 轮;如果库的文档稀烂需要靠猜,那就是 5 轮起步。
**第三步:加风险系数**
**风险等级系数何时使用**低1.0成熟生态、清晰文档中1.3小幅未知,可能多 1-2 轮调试高1.5文档稀缺、平台怪癖极高2.0可能撞墙、需要换方案
**第四步:计算总量**
**顺序模式** :
模块有效轮次 = 基础轮次 × 风险系数 项目轮次 = Σ(模块有效轮次) + 集成轮次(基础总量的 10-20%)
**波次模式(多 Agent 并发)** :
波次耗时 = 波内模块的最大有效轮次 项目轮次 = Σ(波次耗时) + 协调轮次 + 集成轮次
**第五步:最后才转换为人类时间**
人类时间 = 项目轮次 × 每轮分钟数
默认每轮 3 分钟。但这个参数可调——快速迭代可以用 2 分钟,需要用户手动测试的场景可以用 5 分钟。
重点是:**人类时间是输出,不是输入。** 整个推理链条里没有"一个开发者大概需要……"这种话。
## 实战校准:三个尺度的对照
小项目示例:CLI JSON-to-YAML 转换器(约 8 轮)
**模块基础轮次风险有效轮次**参数解析 + I/O11.01JSON→YAML 核心11.01Schema 校验31.34错误处理 + UX21.02
总计 8 轮,约 24 分钟。如果按人类经验估,你会说"一天",甚至"两天"。
中型项目示例:桌面键盘广播器(约 36 轮)
一台 Mac 键盘控制 27 台设备,涉及 HTTP/WebSocket 服务、Makepad UI、macOS CGEvent 键盘捕获、二维码生成等模块。
顺序执行:约 108 分钟(1.5-2 小时)。
如果用 3 个 Agent 并行的波次模式:
- Wave 1:HTTP 服务、二维码、手机端(无依赖,并行)→ 3 轮
- Wave 2:主 UI、客户端管理、分类过滤 → 10 轮
- Wave 3:键盘捕获 → 8 轮
- 集成 → 5 轮
- 协调开销 → 3 轮
并行时间约 57 分钟,比顺序快 47%。按人类经验?你大概率会估"两到三周"。
大型项目示例:全栈实时 Dashboard(约 63 轮)
React 前端 + Rust 后端 + WebSocket 流式推送 + 图表组件 + 认证。
顺序执行约 189 分钟(3-3.5 小时)。三 Agent 并行约 108 分钟。
人类估时?"三个月"不算夸张。
## 六个必须避免的反模式
这些是这个 Skill 存在的根本原因。每一条都是我在实践中踩过的坑:
**1\. 人类时间锚定。** "一个开发者大概需要两周"。不。从轮次开始推。
**2\. 凭感觉加 buffer。** "以防万一加点余量"。不。用风险系数,每一分钟的膨胀都要有理由。
**3\. 混淆复杂度和代码量。** 500 行模板代码不等于难。一行 macOS CGEvent API 也不等于简单。按不确定性估算,不按行数。
**4\. 忘记集成成本。** 模块各自跑通,合在一起就炸。永远加集成轮次。
**5\. 忽略用户侧瓶颈。** 如果用户需要手动授权、重启应用、在真机上测试——调整每轮分钟数,别凭空加轮次。
**6\. 假设并行是免费的。** 多 Agent 协作有协调成本,合约定义、冲突解决都需要额外轮次。
## 不止是估算方法,更是思维范式的迁移
写这个 Skill 的过程中,我越来越觉得,这不仅仅是一个技术问题。
我们正处在一个过渡期。软件工程的基本假设,"人写代码、人 debug、人沟通、人做决策",正在被 Agent 重新定义。但我们的思维惯性还停留在旧范式里。我们用 Story Point 估算 Agent 的工作量,用 Sprint 规划 Agent 的迭代周期,用"人天"衡量 Agent 的产出——这就像用马车的速度去规划火车的时刻表。
AI Coding 的效率提升并不是简单的"同样的事做得更快"。它改变了工作的粒度。人类开发者的原子操作是"一天的编码",Agent 的原子操作是"一轮工具调用"。当原子尺度变了,所有建立在旧原子之上的度量体系都需要重建。
同时我们也不能走向另一个极端,盲目乐观地认为 AI 什么都能秒杀。macOS 权限 API 的诡异行为、未文档化的框架边界、跨系统集成的隐式依赖——这些不确定性不会因为执行者是 AI 就消失。风险系数的存在就是为了尊重这个现实。
## 写在最后
这个 Skill 是开源的,遵循 Agent Skills 开放标准,支持 Claude Code、Cursor、Codex CLI 等主流 Agent。你可以直接安装:
npx skills add ZhangHanDong/agent-estimation
但比安装一个 Skill 更重要的是:**开始练习用 Agent 的视角看问题。**
下次你想说"这个功能大概要三天"的时候,停一下。问自己:Agent 做这件事需要几轮?每轮的不确定性有多高?有哪些模块可以并行?
当你开始这样思考,你就已经踏入了智能体软件工程的大门。
这不是 AI 替代人的故事。这是人学会用新的尺子丈量新世界的故事。