AI Engineer NYC 2026
Software Engineering Is Becoming Factory Engineering
Zach Lloyd · Warp(前 Google Docs 工程负责人)
工程师要从「造产品」转向「造那个造产品的东西」:软件工厂 = 工作入口 + 控制面 + 沙箱执行 + 数据面,加上从人类纠正中自我改进的 skill 回路;先从分诊做起。
内容概要
Zach 六个月没写一行代码但发布频繁。现场举手显示几乎所有人都在用 agent、同时跑多个,但不到一半让它们在云端自动运行。Warp 在构建五年后开源,并公开展示一座「原型工厂」:issue 在其中流转、agent 与贡献者协作。他把工厂描述为一张步骤图:输入来自追踪器、Slack、终端/IDE、监控;agent 分诊,简单明确的直接实现,难的先写规格;之后是评审、产品验证和监控,生产中的观察又成为下一轮输入。规模化需要四层基础设施;衡量交付的软件、人的时间和 token 的时间,而不是生成的代码量。自我改进靠观察者 agent:资深工程师纠正评审 agent 的评论,观察者据此改写评审 skill。
幻灯片截图
截图来自原视频,仅用于评论与学习。
要点(点击时间跳到原视频)
- 0:13
演进路线:聊天与补全(Cursor、Copilot)→ 交互式 agent(Claude Code、Warp)→ 自动化(工作在多个阶段间流转,不需要人逐次交接)。他预计这个转变会在 6–12 个月内加速。
- 4:24
Warp 构建五年后开源,6 万+ GitHub star、几百位贡献者、80 万+ 活跃开发者。动机:软件开发变便宜后,产品也更容易被克隆,单靠产品更难获取价值,开放构建能积累生态、社区和品牌。
- 7:55
有效的工厂需要:自动化、上下文与 skills、在必要时把人拉进来的方式、自我改进机制。他预计工厂最终会像 CI/CD 一样成为标配。
- 9:00
工厂是一张步骤图:输入(追踪器、Slack、终端/IDE、监控)→ 分诊 agent:简单明确的直接实现,复杂的先产出产品与技术规格并经人审 → 实现 → 评审与产品验证 → 部署与监控 → 生产观察回流为新输入。从分诊开始是最小可行的自动化起点。
- 11:57
规模化工厂的四层:工作入口、控制面(如何分发工作)、执行(云沙箱里运行,选择 harness 与模型)、数据面(记住做过什么、支持学习改进)。多数公司要想清楚自建是否会分散对自身产品的注意力(Uber 是自建的例子)。
- 13:20
衡量工厂效率:交付的软件、人的时间、token 的时间;生成代码多少本身不说明问题。
- 13:58
自我改进回路:工作 agent 使用 skills,观察者 agent 看 skills 的使用情况、找失败并改进。例子:资深工程师纠正评审 agent 的评论,观察者把纠正变成对评审 skill 的修改,下一次评审不再重复同样的问题。
- 14:48
「元工程」:不只造产品,还要造造产品的东西。热爱写代码的人会写得更少,热爱交付的人迎来最好的时代。他放出了一个开源仓库,演示如何搭分诊、写规格等工厂 agent(可不依赖 Warp 平台)。
- 17:50
给毕业生的建议:适应力、批判性思维、学习速度;系统知识仍然重要,因为总得有人理解架构、判断生成的代码和 agent 写的规格。Warp 招的人比以往更多。工厂产出的东西必须有用,发现、设计、愿景和品味依然是人的工作。
可以用在日常工作里的
- 工程
从分诊 agent 起步:按「简单明确 → 直接实现 / 复杂 → 先写规格并人审」两条路分流,再逐步自动化后续环节。
- 基础设施
用四层模型评估自建还是采购:工作入口、控制面、沙箱执行、数据面。
- 团队
把资深工程师对 agent 输出的纠正沉淀下来,由观察者 agent 定期改写对应 skill,形成可积累的团队知识。
- 指标
用「交付的功能 / 人时 / token 成本」衡量工厂,而不是代码行数或 PR 数。