当Agent一天造300个PR，工程师还能做什么？
- 内容介绍
- 文章标签
- 相关推荐
较深夜两点，GitHub 的通知面板像疯了一样在闪烁。一个由 DeepSeek 底座驱动的 Agent 协作集群，在较短较短 24 较小时内提交了 300 个 Pull Request 。涵盖了从 Bug 恢复、依赖升级到崭新功能模块的实现。代码，甚至连 Commit Message 都写得像个资较深工程项目师那样克制且专业。
也许.… 这种场景已经成了部分前卫团队的日常。面对这种“工业生产化”的代码产出速度， 很更多习惯于手动敲代码的开发者陷入了一种较深较深的焦虑：如果 AI 一天能干我一年的活，那我当前这个工程项目师到底还能做哪些？
从“编码者”到“周边环境设计师”：认知的剧烈坍塌
他破防了。 过去十年， 我们定义工程项目师的核心能力是：精通某种语言、熟悉框架、能够将业务逻辑转化为较高效的代码。但当前，代码本身正在变得“廉价”。当 Agent 能够基于 Harness Engineering自主循环——读取日志、 定位错误、修改代码、运行测试、根据报错 迭代——直到 PR 通过 CI 检查时单纯的“写代码”能力已经失掉了竞逐壁垒。
换言之... 这其实是一次认知的坍塌。我们习惯于把时间段花在 How上，而 Agent 把 How 的投入成本降到了近乎零。当前的核心矛盾不再是“产出欠缺”，而是“审核瓶颈”。当一天产生 300 个 PR 时 人类工程项目师如果还是用传统方式的 Code Review 模式去一行行审阅，那么人就成了整个流水线上的最较大阻塞点。
为哪些我们不能简洁地信赖 AI？
很更多人会问：既然 AI 能跑通测试且通过 CI，为哪些还需要人？这里涉及到一个核心概念——信赖债务 。
AI 生成的代码虽然在功能上是正确的，但在架构演进的可维护性和潜在的边缘 case 上依然存在风险因素。如果一个系统由数千个由 AI 生成且未经较深度明白的 PR 构建而成，那么当前这个系统将变成一个巨较大的“黑盒”。一旦出现较深层的架构崩溃或可靠漏洞，没有任意一个人了解这段代码为哪些这么写。这就是为哪些工程项目师的角色必须要转型：你不再是那个地方的搬砖的人，而是那个地方的设计施工标准和验收机制的建筑师，太顶了。。
Harness Engineering：后端工程项目师的崭新战场
如果你是一名后端工程项目师，当前最应当关注的是 Harness Engineering。 搞起来。 简洁Harness 就是给不可靠的较大模型套上的一层“工程项目外壳”。
我满足了。 模型本身只负责生成文字， 它没有文件系统权限，不了解怎么跑 Shell 命令，也不懂你的公司内部部署流程。而 Harness 层则提供给了工具链：文件读写、 Git 操作、Linter 集成、测试落实以及最十分沉关键的——反馈回路 。
,工程项目师的工作岗位沉重心转移到了以下三个维度：
1. 构建约束与护栏
到时候….. 你不再写具体的函数逻辑,而是定义规则。举个例子：“禁止修改 /core/security 目录下的任意代码”、 “全部 API 修改必须要同步更崭新 Swagger 文档”、“数据库迁移脚本必须要包含回滚方案”。通过设计这一些坚硬性约束,你确保了 Agent 在较高速狂奔时不会冲出赛道。
2. Skill 定制与版本管理
Agent 的能力取决于它拥有的 Skill。今后的较高级工程项目师将专注于开发领域特定的 Skill——比如一个专门解析繁杂分布式死锁的诊断 Skill,或者一个能精准提取业务需求的解构 Skill。这一些 Skill 需要像柔软件版本一样进行迭代和 A/B 测试,以提升 Agent 的任务成功率。
3. 上下文工程项目
可能.…. 给 Agent 一个模糊的需求是不有可能的。怎样构建较高效的项目记忆？怎样利用向量检索让 Agent 在处理第 299 个 PR 时依然记住第 1 个 PR 修改的底层逻辑？这需要对系统架构有极较深的洞察力,才能为 AI 提供给较高质量的上下文输入。
技术手段碎碎念：关于效率与可见性的思考
面对 AI 的冲击,我们该怎样自救？
面对一天 300 个 PR 的冲击波,最糟糕的选择是试图在编码速度上与 AI 竞逐。那是用血肉之躯去对抗算力集群，啊这...。
- 放弃对每一行代码全部权的执念 $\rightarrow$ 接纳作为审查者的角色
- 从追求“零 Bug” $\rightarrow$ 转向追求“迅速恢复能力”
- 从关注实现细节 $\rightarrow$ 转向关注系统拓扑和数据流转
回归本质：解决业务问题的能力
请记住,无论 Agent 能生成更多更少个个 PR,它永远无法定义哪些是“正确的产品方向”。AI 能够帮你把路铺良好,但它不了解路该往哪里走。在当前这个时代,能够将繁杂的业务需求解构为可自动化的工作岗位流,能够判断某个技术手段方案有没有在商业活动上可行,这种基于经验和直觉的决策能力将变得空前昂市场价格较高。
当 Agent 一天造出 300 个 PR 时,这并非意味着工程项目师失去工作了,而是意味着我们终于从繁琐的反复劳动中被解放了出来。 我坚信... 我们正在经历一场从“手工匠人”到“工厂主”的角色跃迁。
今后的顶尖工程项目师应当是这样一个形象：他有可能已经半年没手写过一个完整的类了,但他掌控着一套极其精密的人机协作系统；他定义协议,设计约束,优化反馈环路;他通过调度一群较高性能的任务智能体来交付实际价值。 行吧... 在这种模式下 a a 代码只是副产品 a a 系统设计的美感和交付效率才是真实正的竞逐力。
较深夜两点，GitHub 的通知面板像疯了一样在闪烁。一个由 DeepSeek 底座驱动的 Agent 协作集群，在较短较短 24 较小时内提交了 300 个 Pull Request 。涵盖了从 Bug 恢复、依赖升级到崭新功能模块的实现。代码，甚至连 Commit Message 都写得像个资较深工程项目师那样克制且专业。
也许.… 这种场景已经成了部分前卫团队的日常。面对这种“工业生产化”的代码产出速度， 很更多习惯于手动敲代码的开发者陷入了一种较深较深的焦虑：如果 AI 一天能干我一年的活，那我当前这个工程项目师到底还能做哪些？
从“编码者”到“周边环境设计师”：认知的剧烈坍塌
他破防了。 过去十年， 我们定义工程项目师的核心能力是：精通某种语言、熟悉框架、能够将业务逻辑转化为较高效的代码。但当前，代码本身正在变得“廉价”。当 Agent 能够基于 Harness Engineering自主循环——读取日志、 定位错误、修改代码、运行测试、根据报错 迭代——直到 PR 通过 CI 检查时单纯的“写代码”能力已经失掉了竞逐壁垒。
换言之... 这其实是一次认知的坍塌。我们习惯于把时间段花在 How上，而 Agent 把 How 的投入成本降到了近乎零。当前的核心矛盾不再是“产出欠缺”，而是“审核瓶颈”。当一天产生 300 个 PR 时 人类工程项目师如果还是用传统方式的 Code Review 模式去一行行审阅，那么人就成了整个流水线上的最较大阻塞点。
为哪些我们不能简洁地信赖 AI？
很更多人会问：既然 AI 能跑通测试且通过 CI，为哪些还需要人？这里涉及到一个核心概念——信赖债务 。
AI 生成的代码虽然在功能上是正确的，但在架构演进的可维护性和潜在的边缘 case 上依然存在风险因素。如果一个系统由数千个由 AI 生成且未经较深度明白的 PR 构建而成，那么当前这个系统将变成一个巨较大的“黑盒”。一旦出现较深层的架构崩溃或可靠漏洞，没有任意一个人了解这段代码为哪些这么写。这就是为哪些工程项目师的角色必须要转型：你不再是那个地方的搬砖的人，而是那个地方的设计施工标准和验收机制的建筑师，太顶了。。
Harness Engineering：后端工程项目师的崭新战场
如果你是一名后端工程项目师，当前最应当关注的是 Harness Engineering。 搞起来。 简洁Harness 就是给不可靠的较大模型套上的一层“工程项目外壳”。
我满足了。 模型本身只负责生成文字， 它没有文件系统权限，不了解怎么跑 Shell 命令，也不懂你的公司内部部署流程。而 Harness 层则提供给了工具链：文件读写、 Git 操作、Linter 集成、测试落实以及最十分沉关键的——反馈回路 。
,工程项目师的工作岗位沉重心转移到了以下三个维度：
1. 构建约束与护栏
到时候….. 你不再写具体的函数逻辑,而是定义规则。举个例子：“禁止修改 /core/security 目录下的任意代码”、 “全部 API 修改必须要同步更崭新 Swagger 文档”、“数据库迁移脚本必须要包含回滚方案”。通过设计这一些坚硬性约束,你确保了 Agent 在较高速狂奔时不会冲出赛道。
2. Skill 定制与版本管理
Agent 的能力取决于它拥有的 Skill。今后的较高级工程项目师将专注于开发领域特定的 Skill——比如一个专门解析繁杂分布式死锁的诊断 Skill,或者一个能精准提取业务需求的解构 Skill。这一些 Skill 需要像柔软件版本一样进行迭代和 A/B 测试,以提升 Agent 的任务成功率。
3. 上下文工程项目
可能.…. 给 Agent 一个模糊的需求是不有可能的。怎样构建较高效的项目记忆？怎样利用向量检索让 Agent 在处理第 299 个 PR 时依然记住第 1 个 PR 修改的底层逻辑？这需要对系统架构有极较深的洞察力,才能为 AI 提供给较高质量的上下文输入。
技术手段碎碎念：关于效率与可见性的思考
面对 AI 的冲击,我们该怎样自救？
面对一天 300 个 PR 的冲击波,最糟糕的选择是试图在编码速度上与 AI 竞逐。那是用血肉之躯去对抗算力集群，啊这...。
- 放弃对每一行代码全部权的执念 $\rightarrow$ 接纳作为审查者的角色
- 从追求“零 Bug” $\rightarrow$ 转向追求“迅速恢复能力”
- 从关注实现细节 $\rightarrow$ 转向关注系统拓扑和数据流转
回归本质：解决业务问题的能力
请记住,无论 Agent 能生成更多更少个个 PR,它永远无法定义哪些是“正确的产品方向”。AI 能够帮你把路铺良好,但它不了解路该往哪里走。在当前这个时代,能够将繁杂的业务需求解构为可自动化的工作岗位流,能够判断某个技术手段方案有没有在商业活动上可行,这种基于经验和直觉的决策能力将变得空前昂市场价格较高。
当 Agent 一天造出 300 个 PR 时,这并非意味着工程项目师失去工作了,而是意味着我们终于从繁琐的反复劳动中被解放了出来。 我坚信... 我们正在经历一场从“手工匠人”到“工厂主”的角色跃迁。
今后的顶尖工程项目师应当是这样一个形象：他有可能已经半年没手写过一个完整的类了,但他掌控着一套极其精密的人机协作系统；他定义协议,设计约束,优化反馈环路;他通过调度一群较高性能的任务智能体来交付实际价值。 行吧... 在这种模式下 a a 代码只是副产品 a a 系统设计的美感和交付效率才是真实正的竞逐力。