一个人用 Agent 写代码,和整个团队一起用,差在哪?拆解腾讯 LoopForge

0 阅读4分钟

假设一个团队要修复订单导出的问题。研发给 Agent 下了任务,半小时后收到一个 PR(合并请求)。代码已经改完,评审却有三个问题要追问:这次改动是否应该碰导出格式?测试跑的是哪一版?如果方案有问题,另一位同事能从哪里接手?

这类问题很少出现在单人演示里。一旦交付要跨人、跨工具和跨时间,团队就需要在同一处看见需求、改动和检查结果。腾讯的 LoopForge 中文文档 提供了一个可拆解的例子。它把编码 Agent 放进团队的交付流程,同时保留对话式开发和有固定检查点的运行方式。

先把一次改动挂到同一条需求

个人用 Agent 时,对话本身就能暂时充当工作台。问题背景、上一个方案和测试结果都在窗口里,操作者知道哪些内容已经失效。交给同事时,这些信息就需要有明确的去处。只复制整段聊天,接手的人仍然得猜哪句话是最后结论。

LoopForge 的对话入口由 Main Bot 接收需求。按公开文档,它可以打开带仓库的 Docker 对话工作区,将子任务交给项目角色。对话交付和流程交付共享需求记录,运行详情可以查看节点状态、日志与产物。这样,需求和结果即使由不同入口产生,也有共同的追踪起点。

这里值得借鉴的是交接的粒度。比如订单导出需求可以留下一段问题描述、一份改动方案和一份验收记录。下一位同事接手时先看这些短产物,需要追问才展开日志,比从头翻聊天更快。

把需要判断的事和能自动检查的事拆开

LoopForge 把可重复的交付方式存成 SOP(标准作业流程)。一条缺陷修复流程里可以安排 Agent 做方案、实现和独立评审,脚本跑构建或测试,人工关口负责接受结果或打回。每次 SOP 运行有独立沙箱,节点声明产物和依赖。腾讯在 公开验收记录 中说明了哪些环节实际跑过以及验证范围。

一条需求经过 Agent 实现、脚本检查与人工验收

拿订单导出做例子。Agent 可以判断空值在哪一步被写成字符串,再给出小范围修改。脚本用固定输入跑一次导出,检查列顺序、空值和返回格式。人工最后决定下游系统还能否读取旧格式,以及这次改动是否需要一起发兼容说明。三个环节回答的是不同问题。

脚本能给出可重复的证据,人工关口要解决脚本回答不了的取舍。如果关口只展示一行「测试通过」,评审人还得自己找产物。把变更范围、失败日志和验收所用版本摆在同一处,审批才真正能帮团队控制风险。

从一类重复任务开始固化

对话适合先把不清楚的需求问明白。在规则已经稳定的任务上,再把已验证的步骤放进 SOP。团队可以先挑一种常修的缺陷,只保留实现、固定测试和人工验收三个节点。把失败能否定位、返工要重跑几步、接手的人能否看懂当作验证标准,比先做一条面面俱到的流水线更容易判断价值。

也要关注工作区的部署边界。LoopForge 的自托管文档把默认部署定位在可信团队,公开仓库的默认容器配置也有明确的宿主机权限前提。角色分工和流程留痕能改善团队交付,但环境隔离及组织授权仍要按实际部署单独核对。

我看 LoopForge 最值得拆解的地方,是它把协作问题落在了可以检查的对象上。AI 把代码写出来只是一次运行的结果。让下一位同事能看出做了什么、凭什么通过、退回去应该从哪里改,这件事决定了团队能不能稳定地用上 Agent。