从零搭建AI软件工厂：Cursor工程师的多Agent协作实战经验

引言：软件工厂的愿景与现实

Cursor工程师Eric在AI Engineer大会上分享了他在Cursor内部dogfooding产品、逐步构建"软件工厂"的实战经验。所谓dogfooding，是指公司内部日常使用自己开发的产品，这一实践源自微软早期"eat your own dog food"的文化，目的是在真实工作场景中发现产品的不足并快速迭代改进。Eric坦言，虽然我们还没有完全达到全自动化的软件工厂阶段，但公司内部的许多子系统已经在相当自主地运行。

正如现实世界的硬件工厂需要流水线、管理层和可观测性一样，软件工厂同样需要借鉴这些概念。这次分享涵盖了从自主性层级、工厂构建前提、运行工厂到规模化扩展的完整路径。

软件自动化的六个层级

Eric引用了Dan Shapiro在今年初发布的博文，将软件自动化分为六个层级：

• Level 0-1：辣味自动补全（Spicy Autocomplete），这是Cursor在2022-2023年的起点
• Level 2-3：结对编程阶段，人与Agent来回交互，Agent生成大部分代码，人类负责审查
• Level 4：管理者模式，尽可能将工作委派给Agent，人类主要审查输出而非代码本身
• Level 5：暗工厂（Dark Factory），完全黑盒运行，Agent自主编码、测试、部署，人类只提供意图和指令

"暗工厂"这一概念源自制造业术语，指完全无人值守、甚至无需照明的全自动化工厂——因为没有人在里面工作，所以不需要开灯。在软件领域，这意味着从需求理解、代码生成、测试验证到部署上线的全流程无人干预，系统像一个黑盒一样持续产出可用的软件制品。

Eric表示自己目前处于Level 4阶段——对大多数软件项目，他会尽可能将工作委派给Agent，偶尔才会直接查看代码。

为什么要构建AI软件工厂

构建软件工厂的核心动机有三个：

吞吐量提升：Agent可以7×24小时运行，不需要睡眠和食物，你可以同时运行更多Agent来提高产出。

一致性输出：流水线式的工作方式能产生一致的输出。如果工厂构建得当，产出质量会非常稳定。但如果缺乏护栏，Agent的行为会越来越随机——这恰恰是需要加强约束的信号。

放大创造力：你可以更好地发挥自己的品味和创意，而不是等待自己一行行写出代码。

构建工厂的核心要素

原语与模式（Primitives & Patterns）

代码结构至关重要。模块化的代码库让Agent能够在单一目录下发现所有相关文件，而不需要在整个代码库中grep搜索。Eric提出了一个精辟的观点：如果你作为人类能轻松上手一个新代码库，Agent大概率也能做到。

使用模式同样重要——是否有标准化的认证方法、启动脚本、测试编写方式？如果有这些样板代码，你就可以让Agent参照已有实现来复制。这本质上是将隐性知识显性化：当团队的最佳实践被编码为可复用的模板，无论是新入职的人类工程师还是AI Agent，都能快速理解"这里应该怎么做"。

护栏设计（Guardrails）

护栏包含三个维度：

1. 钩子（Hooks）：限制Agent不能修改特定敏感代码区域，如加密、认证等模块。钩子本质上是一种预提交检查机制，类似于Git的pre-commit hook，在Agent尝试执行某些操作前进行拦截和验证。
2. 规则（Rules）：Eric强调规则应该动态涌现，而非预先安装所有可能的规则。当你发现Agent偏离轨道时，才应该创建对应规则。这与敏捷开发中"恰好足够"的文档理念一脉相承——过度的前置规则会造成维护负担，而响应式创建的规则往往更精准、更有针对性。
3. 测试（Tests）：让Agent能验证自己的工作，运行测试确认没有破坏现有功能

赋能器（Enablers）

这是最令人兴奋的部分——给Agent更多能力：

• 技能与MCP：让Agent访问外部上下文、理解如何实现特定功能。MCP（Model Context Protocol）是Anthropic于2024年底推出的开放协议，它为AI模型与外部工具、数据源之间的交互定义了标准化接口，类似于AI世界的USB接口。通过MCP，Agent可以连接数据库、调用API、读取文档等，大幅扩展其能力边界。
• Feature Flag：Agent可以自主添加feature flag，合并PR后告诉你"如果想试试就开启这个flag，不喜欢就回滚"。Feature Flag（功能开关）是一种成熟的软件工程实践，允许团队在不重新部署代码的情况下动态启用或禁用特定功能。它广泛应用于灰度发布、A/B测试和风险控制——当Agent生成的新功能出现问题时，只需关闭开关即可瞬间回滚，无需回退代码。
• 环境自启动：Agent能否自行启动开发环境？如果可以，就能在独立VM上无限扩展

运行工厂：从工人到管理者的转变

心态转换

当工厂运转起来后，最重要的是转变心态：

• 从工人变为管理者
• 从同步变为异步
• 从写代码变为审查输出

Eric指出，这与人类组织管理的原则完全一致：小团队→增加人手→需要经理→经理的经理。Agent世界也是如此，你只是不断向上攀升抽象层级。

并行化与上下文管理

作为管理者，你需要思考如何划分和并行化工作。关键原则：

• 一个工作单元对应一个Agent
• 避免两个Agent同时修改同一代码区域（会产生合并冲突）
• 保留代码的"部落知识"——理解数据流向、用户需求、关键模块
• 前置加载上下文：通过计划或详细规格说明，在发送任务前给Agent足够信息

"部落知识"（Tribal Knowledge）是软件工程中一个重要概念，指那些存在于团队成员头脑中但未被文档化的隐性知识——比如"这个API之所以这样设计是因为历史上某个客户的特殊需求"，或者"这段代码看起来冗余但删了会导致边缘case崩溃"。在Agent协作中，将这些知识显性化并注入上下文变得尤为关键。

Eric分享了他的日常工作模式：通常同时运行5-10个Cloud Agent，在等待期间要么规划下一个任务，要么处理同步的小事务。他喜欢"同步规划，异步执行"的节奏。

隔离环境的重要性

Eric强烈推荐使用隔离的VM环境而非共享工作区：

每个VM可以运行独立的数据库、内部工具和Cursor应用本身。虽然更贵，设置也更复杂，但一旦搭建好，就能扩展到100甚至1000个Agent。

Cursor内部每天可能运行数千个Agent，都在代码库的副本上工作。这种隔离策略借鉴了容器化和微服务架构的思想——每个Agent拥有完全独立的运行时环境，彼此之间不会产生资源争用或状态污染，从而实现真正的水平扩展。

自动化飞轮：实际案例

Eric展示了Cursor内部的多个自动化实践：

日报自动化：自动从Slack和GitHub聚合信息，生成每日工作总结。

PR评论学习：自动收集合并PR中的人类评审意见，作为高价值信号存储，帮助Agent持续学习。这里的核心洞察是：代码评审中的人类反馈包含了大量关于代码质量、架构偏好和团队规范的隐性知识，是比任何静态文档都更鲜活的训练信号。

智能Code Owner：替代传统的静态code owner机制。系统会评估PR风险等级——低风险（如变量重命名）直接自动批准，高风险则拉入相关人员审查。这解决了20%情况下code owner造成的瓶颈问题。传统的CODEOWNERS文件是GitHub提供的一种机制，指定特定代码路径的审查负责人，任何对该路径的修改都必须经过指定人员批准才能合并——但在高频提交的团队中，这常常成为流程瓶颈。

持续学习插件：自动分析历史对话记录，提取记忆和规则。比如你反复纠正Agent"用这个组件而不是那个"，系统会自动生成对应规则。

Feature Flag自动清理：当feature flag以100%比例运行超过两周，系统自动创建Linear工单，触发Cloud Agent移除该flag。这解决了软件工程中一个常见的技术债问题——feature flag如果不及时清理，会导致代码中充满条件分支，增加复杂度和维护成本。

规模化：从5个Agent到1000个Agent

观察与改进

规模化的核心是建立反馈飞轮：

1. 观察Agent产出的结果
2. 发现偏差（如错误的数据库schema命名）
3. 创建规则或设计系统来纠正
4. 让Agent在下次迭代中使用这些改进

这本质上是一个PDCA（Plan-Do-Check-Act）循环在AI协作场景下的应用——持续观察、持续改进，让系统的输出质量随时间单调递增。

GUI测试与验证

Eric演示了使用Cloud Agent的computer use功能进行GUI测试——Agent启动本地服务器，实际点击界面元素，录制操作视频供人类快速验证。这对于前端变更的验证尤其有价值。Computer use是一种让AI Agent直接操作图形界面的能力，Agent可以像人类一样移动鼠标、点击按钮、输入文字，从而验证UI层面的正确性。

Cursor Workers：本地化扩展

Cursor刚发布的Workers功能允许在任何机器上运行与Cloud Agent相同的基础设施和编排层。你可以在Mac mini、本地VM或任何云平台上启动worker守护进程，通过Cursor Cloud统一管理。这意味着团队可以利用已有的计算资源（如闲置的开发机或私有云）来运行Agent，而不必完全依赖Cursor的云端资源，同时在数据敏感的场景下也能满足合规要求。

关键建议与总结

Eric最后给出了五条核心建议：

1. 明确意图：清晰思考要解决的实际问题
2. 不要外包重要决策：安全、支付、认证等关键决策必须由人类做出
3. 构建工具和系统：找到飞轮并将其代码化
4. 存储上下文：保存Agent对话记录和优质产出物，帮助Agent理解什么是好的
5. 让Agent自由：思考Agent需要什么。Lovable的一个团队给Agent设置了"吐槽工具"，Agent会在Slack频道抱怨自己无法访问的资源——这些抱怨反而成了极有价值的改进线索

软件工厂不是一蹴而就的，它需要持续的投入和迭代。但随着模型能力的提升，构建和维护这些系统的投入会越来越值得——因为它们提供的是框架和护栏，而这比手动编写代码本身更有长期价值。

核心要点

• 软件自动化分为六个层级，从自动补全到完全自主的暗工厂，当前大多数开发者处于Level 2-3的结对编程阶段
• 构建软件工厂需要三大核心要素：代码原语与模式、护栏（钩子/规则/测试）、赋能器（技能/MCP/隔离环境）
• 从工人到管理者的心态转变是关键——同步规划、异步执行，前置加载上下文，使用隔离VM环境实现无限扩展
• 自动化飞轮包括智能Code Owner、PR评论学习、Feature Flag自动清理、持续学习插件等实际案例
• 规则应该动态涌现而非预设，存储上下文和构建工具系统比手动编码更有长期价值