笔记 · AI 工作流 ·

交给 Agent、人来审、人做主

OpenAI 把软件开发七道工序都拆成三类职责:Agent 做第一遍,人审核把关,方向和责任留给人。

读书笔记原文:《人要干两个多小时的活儿,AI 已有一半把握:OpenAI 的人机分工图》↗OpenAI(小互中文解读,原文《Building an AI-Native Engineering Team》) · xiaohu.ai

为什么读

用 AI 做事时最难判断的是:哪些可以放手,哪些必须自己盯着。这篇给了一个可以直接套用的分工框架,不只适合工程团队。

我记下的要点

  1. 任务长度约每 7 个月翻一倍。 测评机构 METR 用「模型还有约 50% 把握时,人做这件事要多久」来衡量。2025 年 8 月领先模型约为 2 小时 17 分钟,几年前只有约 30 秒。但「一半把握」也意味着长任务交出去仍常失败。
  2. 三类职责:Delegate、Review、Own。 计划、设计、编码、测试、代码审查、文档、部署运维,每道工序都分成交给 Agent 做第一遍、人来审、人做主三块。
  3. 测试先行,并确认它会失败。 让 Agent 在另一个会话里先写测试,人审过后确认新测试是失败的,说明它真能发现问题;再让 Agent 写功能、跑测试,直到通过。人要防的是偷工减料和什么都没测的空壳测试。
  4. AI 审查的意见要少而准。 啰嗦的意见和满屏格式警告一样会被忽略。指南还提到,AI 审查能减少缺陷,但不一定让合并更快。
  5. 文档按风险分三层。 低风险的重复文档整体交给 Agent;核心服务、公开 API 这类由 Agent 起草、人审后发布;有法律、监管或品牌风险的对外文档由人负责。
  6. 从小任务起步,先建护栏。 权限、自动测试、AGENTS.md 先准备好,再逐步扩大 Agent 的职责。

我的想法

小互在文中归纳了三道筛选:这件事是执行还是拍板?需求清不清楚?出错影响大不大?我觉得这三问对产品人也完全适用,不用等到写代码才用。

回看今天建站,我其实也是这么分的:页面代码交给 Claude,三版风格稿由我挑,选纯静态、不用 Docker 和后台这种取舍是我自己定的。只是当时没有意识到这是一个框架。

「确认测试会失败」这一步我以前没想过。测试通过不说明什么,要先证明它能抓到错。

我打算试试

  • 把网站接下来要做的几件事,按「交给 Agent / 我来审 / 我做主」列一张表