开源、开箱即用，这套 AI 软件工厂装好就能把需求变成产品

AI 软件工厂还处在探索阶段，远谈不上成熟，却被许多人看作软件开发的下一个方向。Cole Medin 在这条路上钻研已久，他的 Archon 工作流已渐渐成形，只是要用它，仍得从零搭建环境。最近他再进一步，把这些积累收进一个开箱即用的软件工厂，装好就能让 AI 把需求变成成品。它究竟能走到哪一步，他自己也坦言，目前还在 alpha。GitHub 项目已经放在文末。

什么是 AI 软件工厂

先说概念。AI 软件工厂是一条几乎全自动的 AI 编码流水线，Cole Medin 常把它叫作 dark factory。往里投一份PRD（产品需求文档），系统自己拆任务、派 coding agent 写代码，再自动审 PR、合并分支、部署上线。

从需求到上线，没有一个人审阅过代码。

Cole 一开始就料到读者会怀疑。这类系统不是纸上谈兵，已有公司把它接进一部分开发流程，他还亲手帮几家企业搭过这样的工厂。

现阶段，软件工厂最合算的用途，是快速做出原型、低成本验证想法，Cole 称之为 spike。将想法交给工厂，用产出的原型检验需求，试错成本比以往低一个量级。这也是他押注的重心。他已经宣布，未来会把大量精力投入一个开源软件工厂，让任何公司下载即用。

为什么恰好是现在

软件工厂能跑起来，不是靠某一项突破，而是三样东西正好凑到了能用的节点：

1. coding agent 已经能独立写代码

   不再只会补几句提示。

2. 大模型也比从前更强

   能接住更长、更乱的需求。

3. harness 成熟了

   也就是把 agent 框进固定流程的那套外围装置。

单看任何一样都不够，可一旦串成流水线，从需求进到代码出，才从设想变成真能落地的事。

Cole 特意澄清一句，免得被当成疯子。他不认为 AI 会在一年内取代所有工程师。软件工厂会在未来几年成为多数公司工具箱里的常规工具，能在这个阶段先摸清自动化边界的人，会占到先机。

自治度分五级，开到 L5 就没了方向盘

软件工厂这套说法的源头，是 Dan Shapiro 年初发的一篇博客。他用开车来类比 AI 编码的自治度，把 coding agent 放手的程度分成五级。这个坐标系是理解后文的钥匙，值得看仔细：

1. L1

   代码基本由人写，AI 只做少量辅助。

2. L2

   AI 帮的更多，主导权仍在人手里。

3. L3

   agent 写全部代码，人深度介入每个任务的规划与验收。Cole 教学的主推档位是这一级，因为它把可靠性放到最高。

4. L4

   介于 L3 与 L5 之间，人只保留监督。

5. L5

   车里还剩一个控制台，人给出高层方向，方向盘已经拆掉。规划文档进，成品代码出。

Cole 反复引用这套类比，还自嘲说，旁人又可以拿他再次搬出 Dan Shapiro 的博客来下酒了。他真正看重的，是接近 L5 的状态，所有小决策都交给 agent，人只保留大方向。对多数人而言，这近乎理想状态，前提是它足够可靠。

L3 与 L5 的差别值得多说一句。L3 把可靠性托付给人逐条验收，L5 把可靠性全部押在系统外围的 harness 上。Cole 也承认，他平时教的主要是 L3，而软件工厂的目标，是把可靠性做到 L5 也能成立。

第一个成品：一行代码都没写的 Dynachat

问题落到实地只有一句，dark factory 到底可不可靠？Cole 今年亲手做了一次验证。他把搭建全程公开记录，建起一套完整的 dark factory，再用它做了一个 AI 导师应用，叫Dynachat。

Dynachat 是一个 agentic chat 应用，能力可以拆成两条：

• 读取 Cole 公开发布的视频内容，回答只以这些公开资料为依据

• Dyna 社群的读者，还能让它检索课程与工作坊的专属材料

整个应用从零到上线，Cole 没有写、也没有看过一行代码，目前仍在生产环境运行，可以当场试用。

Cole 对这次实验的结论很克制。他成功了，但还没触到 dark factory 可靠性的上限。Dynachat 本身不复杂，简单应用探不出工厂的极限。他把整套搭建方法打包成一个 build a dark factory 的 skill，放进自己的主 skills 仓库，供人照着从零复刻。

授人以渔多年，这次也发一条鱼

Cole 把这次选择称为一次哲学上的变脆弱。做频道多年，他的信条一直是教人自己造出东西，如同教人钓鱼，而不只是递上一条鱼。这个信条他仍然保留，只是再补一类内容，直接交付开箱即用的工具。

转变的诱因，是 Cole 一直想做出一个能病毒式传播的开源项目。他拿几个数字当参照。OpenClaw 接近 40 万星，Hermes agent 24 万星，另有一个高星开源 agent 项目据说到 20.9 万星。

Cole 自认最接近的是 Archon，一个他至今仍在投入的工具。但 Archon 再强，也到不了几十万星。原因他说得很直接。此前的工具都要用户从零搭自己的流程，装好后也看不到现成成果，第一印象不够惊艳，很难传播开来。于是他换了一条路，做一个开箱即能出成果的软件工厂。

这条新路线与旧信条并行。软件工厂把 Cole 在多家公司实施这类系统时与公开实验中积累的教训，一并收编进去。它自带一套明确主张，底层直接内置 Archon 工作流，装好即可使用，把规划文档一路变成部署上线的代码；想按自己的习惯调整，后面还留着旋钮。

还在 alpha，但已经可以试

Cole 反复强调，这不是安装教程。软件工厂还很新，处于 alpha，但已经可以试，装起来只有三步：

1. 把 README 顶部那段 prompt 发给 coding agent

2. 回答几个问题，系统就自动装好

3. 此后扔进任意 PRD，工厂端到端产出成品

他这次公开亮出产品，更多是预告和邀请。展示正在做的东西，也邀请大家一起来把这套系统推到更可靠。Cole 也坦言，自己对工厂能造任何东西持保留态度。这条路接下来要做的，就是一起找出可靠性的边界。

可靠性这件事，Cole 心里有一杆秤。需要高可靠的关键任务，人还是要多留在环内，另一些任务则可以放心交给软件工厂。判断交给工厂还是留在手上，看的是 harness 做到多硬。他已反复从零建厂来迭代主仓库，耗费大量 token，只为把 harness 这套外围打磨得更可靠。

用什么压测上限：视频游戏

Cole 除了交付软件工厂这个主仓库，还需要真实的复杂应用来检验它的成色。Dynachat 这类 web 应用做起来太轻松，功能稍多便显冗余，难以再考验工厂的上限。想继续加压，就得换更复杂的载体。他的答案听来有些孩子气，却极为认真，那便是做视频游戏。

游戏没有做完的一天。关卡能一直增加，玩法能持续变复杂，永远留有空间去考验系统处理大型、多模块构建的能力。Cole 自幼酷爱游戏，把爱好与技术验证结合在一起，恰好成了继续推进这条路的动力。

后续连载，是否值得跟进

Cole 计划以连载的形式持续做下去。不断打磨软件工厂，展示用它完成的项目，也分享搭建 harness 过程中积累的教训与最佳实践，尤其是如何用 Archon 及其工作流驱动一切。他特别强调，这些经验有更大的价值，所有让软件工厂变可靠的做法，都是在训练人更好地使用 coding agent。即便始终停留在 L3、坚持人在环内，从极限自治中总结出的可靠性方法，同样适用。

若想验证软件工厂是否可信，不妨挑一件不重要的、即使写坏也无妨的小工具，交给它完整处理一遍，观察它如何拆解任务、如何自我纠错。读完全文，把术语与五级标尺收藏起来，日后与人讨论 AI 编程时可直接派上用场。

最后用一句话收束，软件工厂离真正可用还有多远，取决于 harness 能加固到什么程度，也取决于它敢拿多复杂的项目来检验自己。

素材来源说明

本文基于 Cole Medin 的视频《AI Software Factories Are the Next Big Thing（And I'm Building You One）》。觉得有用，建议先收藏备用。

相关资源

这些链接值得一起收藏，挑一个项目先试一遍。

#AI软件工厂 #CodingAgents #开源 #AI编程 #软件工程 #AI自动化 #PRD #代码生成 #智能体 #开发效率