深度 · 小互解读

Harness Engineering 远远不够：为什么软件工厂模式会失败？

22000 名开发者两年的真实工程数据：产出涨 66%，每个 PR 对应的线上事故涨 242.7%。
一分钟速览
  • 现在最火的做法叫「关灯工厂」：AI 写代码、AI 审代码，人一行都不读。HumanLayer 创始人 Dex Horthy 连发上下两篇长文说这条路跑不通，而且这不怪你姿势不对，问题出在模型是怎么被训出来的
  • 他引的 Faros 数据覆盖 22000 名开发者两年：人均完成的大需求确实涨了 66%，但每个 PR 对应的线上事故涨了 242.7%，一次评审都没过就合进主干的 PR 涨了 31.3%
  • 根子在打分方式：模型练编程时，裁判只看「要修的那个测试过了没、别的测试挂了没」，两个都满足给 1 分。怎么修的一分都不影响得分，所以到处套 try catch 把异常吞掉，也是满分
  • 而「写得烂」没法进奖励，因为它没有快速裁判：跑测试几秒出结果，烂架构的账单几周几个月后才到，中间那条因果链倒推不回去
  • 他给的解法不要求你少用 AI，只要求把力气挪到动手之前：产品评审、系统架构、程序设计、竖切四段。按他的估算，一小时规划把评审从 6 小时压到 20 分钟，而八成的预期痛苦在最开始十分钟里就消掉了
⚑ 立场提示：Dex Horthy 卖的 HumanLayer 就是一款让人重新参与到 AI 干活流程里的协作工具，商业动机跟本文结论同向，他自己也在文章一开始就挂了这条声明。下面引的 Faros 数据，口径是同一批公司在「AI 用得少」和「AI 用得多」两个阶段的对比，不是对照实验。Faros 自己强调这些关联在统计上显著，Dex 则把它定性为一个相关性信号，不足以当铁证。

2026 年 7 月，HumanLayer 创始人 Dex Horthy 在 AI 工程师世界博览会（AI Engineer World's Fair）上做了一场主题演讲，题目就叫《软件工厂为何失败》。会后他把这场演讲扩写成一篇长文，因为 X 对单篇能放的图片视频有数量上限，7 月 24、25 日拆成上下两篇发了出来。

上篇的副标题是「外壳还不够」。业内把套在 AI 编程模型外面的那层东西叫 harness，中文一般译作外壳：给模型什么工具、怎么喂上下文、跑几轮、失败了怎么重试、上几道自动审查。这一年所有人都在往这层外壳上使劲，追求的是一条不用人插手的流水线。他要论证的是：这条路解决不了软件质量的问题，因为问题不在外壳，在模型是怎么被训出来的。

下篇叫「把灯重新打开」，讲的是他自己团队踩完坑之后改用的那套做法。下面把两篇合起来讲。

演讲原片，19 分 17 秒，AI Engineer 官方频道 2026 年 7 月 23 日发布，文章是这场演讲的扩写版。字幕为本站翻译烧录，中文在上、英文原文在下，画面下方另加了一条黑边承载字幕，不遮挡讲者的任何内容。原片见 YouTube。
上篇 · 外壳还不够现状

软件工厂的现状与盲目「全自动化」

Faros AI 拉了 22000 名开发者、4000 个团队两年的工程数据。这些数字没有一条来自问卷，全是直接从代码仓库、持续集成流水线、事故系统、工单系统和编辑器里抓出来的。他们在同一批公司内部做对比：AI 用得少的那段时间，和 AI 用得多的这段时间。

产出那一栏很好看。再往后看，事故和 bug 全在涨。

产出：确实变多了
+66%
人均完成的
大需求（epic）
+33.7%
人均任务
吞吐
+16.2%
人均合并的
PR 条数
代价：出现在下游
+242.7%
每个 PR 对应的
线上事故
+54%
人均 bug
（上一年是 +9%）
+441.5%
代码评审的
中位耗时

这里的 PR 指程序员提交的一次改动，等着别人过目再合进主代码。第四个数字要留意：它是「每个 PR 对应多少事故」，已经把提交量变多这件事除掉了，交得更勤本身解释不了这个涨幅，是每一次交出去的东西更容易出事。Faros 自己的解释是：跳过评审的人多半没打算跳过，更可能的原因是审的人跟不上 AI 出活的速度。同期，一次评审都没过（人审、机审都没有）就合进主干的 PR 涨了 31.3%。

Faros 报告：合并前的代码质量在下滑
合并之前：每个 PR 的评审意见多了 25%，单条意见长了 22.7%。
Faros 报告：线上质量在下滑
上线之后：每月事故总数涨 57.9%，每个 PR 带的 bug 涨 28.7%。图片来源 Faros AI《AI Engineering Report 2026》。

Dex 拿这组数字开场，是想说明一件事：代码确实产得更多了，只是账没在产出这一栏结，结在了下游。

软件工厂是什么，关灯关掉的是哪一步

先说清「软件工厂」指什么。它就是一条流水线：想法进队列，有人做，有人审，上线，出了事再回炉。这套东西不是 AI 时代才有的。

作者画的 2022 年版软件工厂：需求从 CEO、产品、工程师那儿进队列，有人做、有人审、上线、监控报警，用户抱怨和线上事故再绕回队列。视频来源 Dex Horthy。

AI 来了之后，这条线只换了一格：「有人做」变成「Agent 做」。Ramp、Stripe、WorkOS、Brex 今年都发过文章，说自家 75% 的代码是 Agent 写的（这是作者对各家说法的转述，各自按什么口径算没有逐家核过）。但换完这一格，麻烦就来了：做一件事从几小时几天掉到几分钟几小时，审一件事还是几小时几天。于是审的那一格成了整条线上最堵的地方。

你可以继续往上加自动化：让 Agent 审代码、让 Agent 拿浏览器把以前的功能全跑一遍看有没有被改坏、把线上事故直接扔回队列让它自己修。但审这一格总还是慢。于是有人干脆把它拿掉了。

点下面三个标签，看同一条流水线三代的变化
想法进队列 有人做 Agent 做 有人审 上线 上线之后，用户反馈和线上事故回到队列 成了瓶颈 砍掉它 想法进队列 有人做 Agent 做 有人审 上线 上线之后，反馈和事故回到队列

2022 年的样子：做和审都由人干，两边都是几小时到几天。

Agent 接手「做」这一格之后：做只要几分钟到几小时，审还是几小时到几天，于是审成了整条线最堵的地方。

关灯工厂的选择：把人审这一格直接划掉，省下的力气全押到自动测试、沙箱、自动审查、监控和灰度上。

「关灯」这个说法是 Dan Shapiro 起的，取的是工厂里没有人、连灯都不用开的意思。最常被拿出来讲的案例是 StrongDM：这条线上没有人写代码，也没有人读代码。到这一步，整条线上只剩一个问题了：还能往队列里塞多少活。

关灯软件工厂示意图，人测试和人评审两格被红笔划掉
作者画的关灯工厂。右下角「human tests the change」和「human reviews the change」两格被红笔涂掉，旁边写着 NO THANKS。图片来源 Dex Horthy。
站内相关
AI 工程师大会闭幕激辩：自动编码 loop，炒作有没有跑赢工程纪律

他自己关掉这一步，四个月后靠手工重铺两周收场

这套听起来很美。Dex 真去干了：2025 年 7 月，他的团队全面关灯，只读需求和工单，小活中活全交给后台 Agent，整套都上。

然后就撞上了那种 Agent 怎么都修不好的问题。他说凡是认真这么跑过几个月的人，结局都一样：你把相关的代码和文档全翻出来喂给它，你让它换十种办法把这个毛病再犯一次给自己看，都不行。最后只能自己动手，翻那个已经三个月没读过的代码库，一行行找哪里坏了。而在他找的这段时间里，网站是停的，用户在骂。

第一次出这种事，他忍了，跟自己说这点风险换来的速度是值的。同样的事又发生了几回，到 11 月大约第三次的时候，他们判断重写比继续修更省事，于是联合创始人打开 VS Code（连 Cursor 这类 AI 编辑器都没用），手工把那一整套写法重新铺了两个星期。