172 lines
9.5 KiB
Markdown
172 lines
9.5 KiB
Markdown
---
|
||
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。 |