两个 Grok 智能体组成“软件工厂”:让 AI 编程变成可审计的流水线

开发者用两个 Grok Bot、GitHub 标签、GitHub Actions 和 Claude Code 搭建了一条可审计的软件生产流水线,将任务发现、规划、实现和人工审查拆分成明确状态节点。

开发者在公共沙盒项目 harness-lab 中,把两个 Grok Bot、GitHub 标签、GitHub Actions 和 Claude Code 组合成一条软件生产线。Scout Bot 负责寻找值得跟进的技术线索,Builder Bot 负责把已确认目标转化为规格、工单和执行流程。作者只保留两个关键人工节点:审查并批准 spec,以及最后合并 PR。中间的研究、规划、开工、实现和审查,尽量由系统按标签状态推进。

Scout:把“发现任务”变成一个受约束的日常流程

Scout 的职责被严格限定为“找活”。它每天运行,关注一小组实际交付产品的实践者,并围绕 agent harness、agent loop、上下文工程、记忆、工具调用、MCP、沙盒、评测与护栏、验证、编码代理工作流、成本与延迟等主题进行搜索。它的提示词中有一条关键规则:把帖子视为线索,而不是结论;需要继续打开发布说明、文档、仓库、论文和基准测试方法等一手来源,区分厂商声明与独立结果,并指出缺失的基线。

Scout 不会直接推动开发。它把有趣内容写成带日期的研究笔记,存入私有工程笔记仓库,并维护一份包含 URL、主题、日期和结果的小型覆盖台账,避免重复汇报。只有当某个想法通过五项检查后,才会变成公开仓库中的 Goal issue,并贴上 ready-for-builder 标签。如果检查未通过,这条 issue 可能不带标签,也可能根本不创建。

这里的 Goal 也不是规格说明书。它包含两个部分:面向人的 “For you” 部分,用一屏说明做什么、为什么做、完成后的样子;面向 Agent 的 “For the agent” 部分,写明目标位置、验收检查、资料来源、约束、开放问题、不涉及范围和规模。Scout 的禁区同样明确:不做规划、不提 PR、不写代码、不在社交媒体发帖或回复,也不编造数据和引用。

Builder:从批准后的目标走向可执行工厂

第二个 Bot 是 HarnessLab Builder。它每天中午运行,只寻找一个处于 ready-for-builder 状态的开放 issue。如果没有,它就保持安静。多数时候如此,这也被视为正常状态。只有当任务出现时,Builder 才会进入规划链条。该链条基于 Matt Pocock 的 skills,并在一个固定 commit 上读取,不被复制或修改。

Builder 并不是第二个编码工具。仓库阅读和草稿起草由 Cursor cloud agents 完成,Builder 负责审查这些返回内容,并亲自执行所有 GitHub 写入操作。它被明确禁止合并、部署、force-push、用其他方式启动工厂,也不允许运行 /implement-spec。后者会把 PR 标记为可合并,而 harness-lab 的工厂会保持每个 PR 处于草稿状态,直到作者手动合并。

当规格通过作者批准后,Builder 会拆出工单,并贴上 ready-for-factory 标签。这个标签会启动 GitHub Actions 工厂。工厂通过 GitHub App 执行工作,实际编码由 Claude Code 完成,流程包括实现、审查和最多 2 次返工。最终产生的是草稿 PR,只有审查通过后,才进入作者的第二个关口:阅读并合并。

标签不是装饰,而是多 Agent 系统的状态机

这套系统最核心的设计,是“标签就是 API”。Bot 之间不直接通信,每个角色只读取标签、完成自己的任务、设置下一个标签,然后停止。每个角色能设置哪些标签,都写进了提示词。由此,标签同时提供三种工程能力:

  • 可见:在 issues 页面可以看到每个想法当前处于哪个阶段。
  • 可恢复:某个 Bot 中断后,可以重新读取标签并继续。
  • 可审计:GitHub 时间线会记录谁在什么时候设置了什么标签。

文章也披露了若干工程坑。首先,代表用户行动的 Bot 会被视为用户本身。Builder 通过 connector 以作者身份写入 GitHub,因此它添加的标签会归因于作者。由于工厂会在作者标签下启动,提示词必须限制 Builder 只能对已批准规格拆出的工单应用 ready-for-factory。其次,cloud agent 有时无法评论,可能遇到 403 权限问题,解决方式是让 cloud agents 把草稿写入文件,再由 Builder 发布。最后,某些标签 API 会替换整个标签集,如果 Bot 只写入一个标签,可能清掉其他标签,因此必须先读取现有标签,再写回完整列表。

行业意义:从“会写代码”走向可管理的 Agent 工程

这套系统也延续了作者此前讨论的评测驱动开发思路:结果不是由模型自我声明,而是通过验收检查、审查和最多 2 次返工来验证。harness-lab 的价值,不在于证明 AI 可以无人化交付软件。它更像一个工程实验:当 Agent 开始参与研发流程时,真正需要优先设计的是权限边界、状态流转和验证机制。Scout 限制发现,Builder 限制规划与写入,工厂限制实现和返工,人工保留批准规格与合并代码两个节点。

这种安排把 AI 编程从聊天式辅助,转向更接近软件工程的状态管理。任务是否能进入下一步,不取决于模型输出的语气,而取决于标签、验收检查、审查记录和人工关口。对于正在尝试多 Agent 开发系统的团队来说,这套实践提供了一个可参考的样本:先让 Agent 的每一步可见、可恢复、可审计,再谈自动化范围扩大。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/liang-ge-grok-zhi-neng-ti-zu-cheng-ruan-jian-gong-chang

Like (0)
点点的头像点点
Previous 23小时前
Next 21小时前

相关推荐