科技Bestblogs·stepto.net··AI 生成
暗工厂软件：智能体能否在无人审查下交付？
文章基于对1300多家公司的Jellyfish遥测数据分析指出，零人工审查的PR在90百分位处占比为0.0%，纯AI审批仅占0.5%，表明「暗工厂」模式在实践中极为罕见。作者介绍了StrongDM的替代验证方法（留出场景、满意度指标、数字孪生宇宙），并引用CodeRabbit数据说明AI代码问题密度更高（每PR 10.83个 vs 6.45个）。结论是大多数公司应采用风险分级策略，优先投资规格说明和发布控制，而非追求完全自主。原文 ↗原文 ↗
核心观点
- ▍尽管「暗工厂」模式引发热议，但实际采用率极低，大多数公司应采用风险分级策略而非完全自主的AI软件开发。
- ▍取消人工代码审查需要更强的替代验证方案，如StrongDM的留出场景、满意度指标和数字孪生宇宙。
- 01Jellyfish对1300多家公司的遥测数据显示，零人工审查的PR在第90百分位处占比为0.0%，第99百分位处仅9.4%；纯AI审批仅占0.5%。
- 02在中位数公司中，智能体触及了27.7%的拉取请求，但完全自主审批的比例极低。
- 03CodeRabbit分析发现，AI共同创作的变更中问题数量多出1.7倍（每个PR 10.83个 vs 6.45个），其中逻辑和正确性问题常见度高出75%。
- 04StrongDM的「场景」是智能体无法针对其优化的留出用户故事；「满意度」指标衡量可能满足用户的运行比例；「数字孪生宇宙」克隆第三方服务行为以支持高容量测试。
- 05欧盟产品责任指令将在2026年12月之后将软件视为产品，而现有法律框架假定存在人工审查，导致责任、披露和审计方法存在空白。
反方 / 局限
- — 最强烈的反对意见是循环性：编写代码的同一类技术也在决定代码是否有效，智能体既写代码又评判代码。
- — AI生成代码的问题密度更高，主要关注点在于缺陷的数量和频率，而非新型缺陷类型。
- — 法律和责任框架尚未为未经审查的AI软件做好准备，存在责任、披露和审计方法方面的空白。
概念锚点
前置背景
技术原理
平行视角
争议局限
未来推演
延伸追问