软件工厂到底是个啥？

亚当承认这批评情有可原——如果你没有改变 SDLC：还是那十个工程师、还是去年的 Scrum 例会，只是现在源源不断提交没人看得懂的一千行 Claude PR、与目标错位，单纯把速度拧快。这就像冲浪时被困在碎浪区里，永远划不出浪墙，被反复拍翻。而出路悖论式地是更多 AI，而非更少：更多自动化、更多结构、让更多系统被设计出来——所以它变成了一个系统设计问题。你觉得它是垃圾工厂，是因为你的切身经历就是垃圾工厂；此时有人来推销「让垃圾工厂更快」，诚实的回答当然是「绝对不要——那正是正在杀我的东西」。

亚当先画出两条正在展开的前沿——实验室们，以及凡人们如何用手上拿到的 LLM 建出还能运转的系统——并坦言组织层面的解法极少有人、也许没人真正找到。最难的从来不是技术：这场转型会击碎现有的控制点。一旦拥有可信赖的工厂，工程师可以不经许可地实现、重构、上线任何想到的功能——于是产品经理慌了，他们的职责本是走在工程师前面、告诉他们做什么，而没人能追上这种产出速度。组织上的转向是：产品只对着主题审阅结果，而且因为返工成本极低，不满意就改。这种重组太反直觉，所以极少有人做成。

没人知道，亚当说；他的信念是「能」，但没人知道那是什么，因为数量级的跃迁会击碎一切。纵观千年的自动化史——无论是否数字化——结局都是工作形态改变、人们做得更多，上限只在需求；而软件的需求上限至今没有找到：只要算力足够，软件是无限的，不是会枯竭的资源。具体到 LinkedIn：下周就能给新操作系统做出原型，两周大概能完成重写平台。氛围编程的 Adobe 套件展示了机会的形状——很惊艳，但还没人做出「更好的一个」；同一件东西的更快复制品很少是下一代。真正令人兴奋的是把工厂当创作出口：到了彼岸，问题就不再是「AI 会画图了」，而是你将造出什么从前造不出来的新东西。

黑盒测试排第一：建工厂之前最该先建的东西，因为它让重构安全，从而让工厂安全。集成测试相对仍有价值——与源码共同演进，能更早抓到回归。单元测试则是悬而未决：AI 很少写出功能错误的代码；「先写测试再写方法」的那条思考回路，AI 并不需要（ThoughtWorks 的研究发现，让智能体做 TDD 结果反而更差）；而强类型系统——TypeScript、Rust——接住了单元测试过去接的东西。他说哪怕 Swamp Club 的工程负责人把全部单元测试当实验删掉，他也不会惊讶；最坏情况，让智能体重写一遍就是。更深的一层重构认知：当某类失败反复出现，你不去骂机器人傻，而是回去修工厂——你已经不再直接造那个东西，而是在造「造东西的机器」（乃至造机器的机器）；把你的架构和词汇写下来，让系统向它对齐，持续迭代。

因为这是对 skill 的增强，不是取代。这个时代开局的赌注——模型会越来越聪明，把一切都丢给神机，它自会理清——在两处落空：它并不能可靠地理清，而且非常烧钱。skill 该描述的是施加判断、品味或推理的那些位置，并把它们当成系统的一个个部件：定义输入输出，度量输出对不对。无障碍 skill 实际上就是一套会运用判断的测试套件——偶尔也会出错——但比过去拥有的任何东西都好一个数量级。Swamp 的对抗性 skill 永远不让 Lighthouse 分数掉下去——他职业生涯里第一个拿到 100% Lighthouse 的产品就是这么来的。