把 SDLC 整个交给 AI 的公司
一家给大企业做 AI 转型的公司，把软件生命周期里能交给 agent 的和不能交的分开了。附一份可以照着搭的最小实现步骤，以及三个常见误判。
新来的工程师接手一个项目，代码看得懂，但看不懂为什么这么写。翻提交记录，只有"fix bug"；问人，人已经离职。
模型进来之后，这件事从"麻烦"变成了"阻塞"——agent 连问都没处问。
一、发生了什么
Latent Space 最近一期请了 Tenex 两人：联合创始人 Alex Lieberman，和首位员工 CJ Hess。
Tenex 帮大企业从"没有 AI"走到"AI 原生"。18 个月前它还是 AI 驱动的开发外包团队，现在客户一半是财富 2000 强，一半是营收一亿到五亿美元的中型企业，公司 75 人，九成是工程师或顾问。
CJ 讲的内部工作流叫 MetaHarness，四件东西：一套共享的技能规范；把计划、决策、验收标准、证据全部以 Markdown 或 HTML 签进 Git，和代码放一起；一层命令行工具，让模型能建计划、生成图表、生成客户汇报；再加一个可观测界面。
能交的很具体：写计划、记决策、做可视化、写代码、跑长任务、做代码评审。CJ 的做法是一个模型主写、另一个模型评审，本地来回迭代。不能交的也具体：理解客户到底遇到什么问题、收集上下文、架构设计、决定该建什么，以及搭流程本身。他有句话很直白：你没法自动化一个不存在的流程。
几个数字：工程师人均月产出按公司自己的故事点口径，今年翻了约一倍；花在 token 上的钱和工资的比例大约一到二比一。都是受访者自述，没有第三方核验。
二、跟你有什么关系
管研发的人。 瓶颈大概率不是模型不够强。访谈里的漏斗：九成企业已给员工开了通用模型账号，六成做过培训，一半给工程团队铺了编码 agent，非工程流程有 agent 上生产的只有 5%。
写代码的人。 价值正从"写"移到"定义"。CJ 说自己写代码的时间少了，更多花在把客户语境翻译成模型能用的形式。谁能把问题说清楚，谁就稀缺。
三、照着搭一个最小版
读到这儿，可以顺路看 OpenAI 自述：怎么建 AI 原生工程组织 OpenAI 把软件生命周期拆成七段，每段写清 agent 干哪一轮、人留哪一步。这篇提炼三条今天能照搬的做法，也标出它没写的那部分。- 先选一个流程，不是选工具。挑一件每周都做、步骤稳定、结果可验收的事，比如处理线上告警或给客户出周报。
- 把"为什么"写下来。不是写怎么做，是写判断依据：为什么选 A，什么情况下必须停下来问人。这一步最费时间，也最值钱。
- 建一个仓库内目录，放三类文件：计划、决策记录、验收标准。Markdown 格式，跟代码一起提交、一起评审。
- 给 agent 一个入口。一个脚本就够，让它能读这些文件、能建新的计划文件、能把结果写回去。不要一上来就上平台。
- 设一道人工闸门。哪一步必须人签字，写进文件，别放在某个人脑子里。
- 每季度重估。Tenex 那边每季度校准故事点，因为模型一变强，同一个点的含义就变了。
注意规模：Tenex 自己承认这套结构对单项目小团队是过度设计。五个人照抄，只会把时间花在维护文档上。
四、三个别信的说法
"AI 原生研发就是让 agent 多写代码。" 访谈里反复强调的恰恰相反：代码是仓库的记忆，但你还得知道当初为什么这么决定。没有决策记录的仓库，agent 接手只能猜。
"按故事点付薪一定会被刷分。" 两位受访者说没发生，理由是把顾问和工程师的激励设计成对立：顾问对客户留存负责，会驳回没用的工作。但这是创始人视角，没有离职率、没有未通过评估的人、没有初级工程师的数据。四倍薪资差本身就说明有人被筛掉了。
"只有 5% 的企业把 agent 用到非工程流程，说明空间巨大。" 这个数字来自创始人在会场的非正式观察和客户样本，不是调研。可以当方向感，不能写进商业计划书。
五、一句话结论
能自动化的前提是流程已经存在；先把流程写清楚，比换更强的模型划算。
信息来源
功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。
每周一封，只发新教程和可复制模板。不发广告，随时退订。