本文内容整理自 AICon 上海站分享《AI研发下半场的组织进化与 Agent Centric Engineering实践》（演讲者：董鑫），经由AI音视频总结工具 Ai好记 进行视频转文字与整理。以下为精炼后的核心观点与内容摘要。

---

AI编程的认知泡沫与现实

一个有意思的数据：全球绝大多数人还没有真正使用过AI，付费和专业开发者更是少数。行业对AI的态度往往在两个极端间摇摆——要么过度乐观觉得「程序员要失业了」，要么过度悲观觉得「AI写不了复杂项目」。

真实的局面是：AI在个人编码任务上确实能带来数倍的效率提升，但团队整体的交付效能并没有同比例增长。为什么？

核心原因在于，开发人员只有大约20%的时间在真正写代码。剩下的80%花在哪了？

活动	耗时占比	是否被AI优化
实际编码	~20%	✅ AI编程工具能显著提升
需求对齐	~15%	❌ 人与人沟通
跨团队沟通	~15%	❌ 组织协作成本
联调与排查	~15%	❌ 需要上下文理解
等待与阻塞	~10%	❌ 流程依赖
其他(文档/评审等)	~25%	❌ 部分可优化

问题很清楚：AI提升的是个人写代码那20%的效率，但另外80%的「人际鸿沟」——沟通、对齐、甩锅、等待——被完全忽略了。这就是「个人效率提升」与「团队效能鸿沟」之间的矛盾。

Agent-Centric：以智能体为核心的研发范式

解决这个矛盾的方法不是让AI更好用，而是重新设计研发流程。

演讲者提出的核心思路是「Agent-Centric Engineering」——把AI Agent放在研发流程的核心位置，而不是把人放在核心、AI只是辅助工具。

关键区分：「研」与「发」

维度	研（Research）	发（Development）
特点	高度自由探索、依赖隐性经验	流程固定、可重复、可验证
适合的AI模式	人机结对编程（Coding）	Agent工作流自动化
人的角色	深度协作、头脑风暴	定义规则、做决策
提效方式	加速探索速度	规模化自动化

「发」的环节——Bug修复、Issue分析、代码审查、自动化测试——这些流程固定的长链路任务，最适合用多Agent工作流来替代人的手动操作。

「研」的环节——架构设计、技术选型、方案探索——这些需要深度判断和隐性经验的任务，更适合人机结对编程模式，Agent提供建议，人做决策。

Harness系统：多Agent协作的工作流平台

Harness是演讲者团队开源的一套AI赋能研发平台。它的核心设计是用多个具备不同角色的Agent组成一个「团队」：

Agent角色	职责
执行者	负责具体任务的编码实现
蓝军	挑战和检验执行Agent的工作成果
裁判	对冲突和分歧进行仲裁
主管	整体调度和任务分配

这个团队可以7x24小时协作执行。当一个Bug修复任务进来，系统会把它分解成标准化工作流：分析→编码→审查→测试→修复确认，每个环节由不同的Agent独立完成或交叉验证。

Human IO Loop：人机协同新范式

演讲者提出了一个核心的人机协作模型——「Human IO Loop」，这个模型把「Human-on-the-loop」和「Human-in-the-loop」结合了起来。

模式	定位	具体工作
On the Loop（人在环上）	制定规则与边界	定义任务边界、设定质量标准、规划优先级
In the Loop（人在环中）	必要时介入仲裁	解决Agent间的冲突、处理边界情况、确认关键决策

对比「Human-in-the-loop」（每一步都要人确认），Human IO Loop更强调Agent的自主性和人的战略角色。人在上面制定规则，只有在关键时刻才下去介入。

研发效能的瓶颈转移

当AI足够强大时，生成代码本身不再是瓶颈。真正制约团队产出的是什么？

人的判断力与创新方向选择。

有几个原因：

1. 代码变「便宜」了：AI生成的代码量激增，但低质量或没价值的代码也随之增加
2. 决策变「昂贵」了：决定「该做什么」和「不该做什么」变得更加关键
3. 判断力成为稀缺资源：能定义有价值问题、做出正确技术选型的人，价值在上升

演讲者引用了Cursor和v0这两个产品的例子——决定它们成功的不是技术实力（其他团队也能做出类似的技术），而是创始团队对「开发者真正需要什么」的判断。

对技术团队的管理启示

对于正在引入AI编程工具的技术团队，几点思考：

不要只买工具，要重新设计流程。 把AI编程工具丢给开发者，期望个人效率自动转化为团队效能，这条路大概率走不通。需要重新审视需求流转、任务分配、代码审查这些环节，让AI Agent参与进来。

区分研和发，用不同的AI策略。 固定流程的开发任务适合Agent自动化，自由探索的研究任务适合人机结对。混为一谈会导致两边都做不好。

人的价值在上升，不是在下降。 AI降低了代码生产的门槛，但「写什么代码」「为什么写这段代码」「这段代码值不值得写」——这些判断人的价值反而更大。

未来展望：液态组织

演讲者还提到了一个有趣的概念——「液态组织」。未来的研发团队可能不再有固定的角色划分，人员像液体一样根据任务需求动态组合。Agent负责大量标准化工作，人负责决策和判断，组织的边界更加灵活。

这个设想的核心前提是：相信大于看见。 AI能力的进化速度在指数级加速，技术范式迭代极快。从业者需要具备前瞻性，而不是等一切成熟了再跟进。

---

FAQ

Q：Harness开源了吗？可以在哪里找到？
A：Harness是开源项目，可以直接在GitHub上搜索获取。

Q：Agent Centric Engineering适合小团队吗？
A：更适合有一定规模的团队。小团队沟通成本天然就低，个人效率提升的收益更直接。但流程设计思路对任何规模都有参考价值。

Q：Human IO Loop模式有失败案例吗？
A：关键的挑战在于Agent自主性的度——自主性太强可能偏离方向，太弱则退化成传统Human-in-the-loop。需要根据团队成熟度和任务类型动态调整。

---

以上内容由 Ai好记 转录整理。
Ai好记是一款音视频转图文笔记的AI音视频总结助手，支持解析B站、抖音、小红书、小宇宙等平台链接及本地与网盘的音视频文件，转录后自动生成精华速览、要点总结、思维导图和结构化笔记，帮助你把几小时的视频内容变成可搜索、可复习的图文笔记。