KeyFrame內部研究專用

Inside Kikimora: We Built a Dark Software Factory

Tessl AI·8月17日週一·15 min英文

三句話摘要

用自主 AI 智能體自動開發軟體的「暗工廠」模式如何改變軟體工程流程與團隊文化。 當 AI 智能體能自動完成大部分程式碼工作後,軟體工程師的核心價值轉向系統理解與架構決策,而組織則需透過 Dark Factory 等自動化工廠根本改變工作方式,才能真正釋放這個時代的生產力潛能。 軟體工程核心價值的根本轉變。AI 智能體已能撰寫比工程師更好的程式碼,因此工程師的價值不再來自編碼能力本身,而是對整個系統的理解、技術約束與業務約束的整合能力。

重點整理

重點
  • 1

    軟體工程核心價值的根本轉變。AI 智能體已能撰寫比工程師更好的程式碼,因此工程師的價值不再來自編碼能力本身,而是對整個系統的理解、技術約束與業務約束的整合能力。

  • 2

    自動化工廠的完整無人循環。Dark Factory 透過 Linear issue 作為統一入口,AI 智能體自動分析、解決問題並生成 PR,然後持續監督直至合併,整個過程無需人工干預。

  • 3

    文化採用需要領導層親身示範。工程師習慣於追求完美與確定性,轉變為「信任系統並在使用中改進」需要根本思維轉變,最有效的方式是領導層親自使用(包括 CEO 不經工程知情就透過工廠發佈生產程式碼)。

  • 4

    工廠概念超越技術團隊的擴展。不僅工程師,行銷、設計、人力資源等非技術部門也開始使用工廠自動化工作流程,證明這是更廣泛的組織生產力工具。

實用技巧與重點

乾貨
  • 工具與系統:
  • Kiki Mora:內部 Dark Factory 名稱,以斯拉夫民間精靈命名
  • Linear:問題追蹤系統(作為工廠入口)
  • GitHub:PR 管理與合併平台
  • Tesla agent:協助識別、提取與格式化工作流程的工具
  • Skills registry:工廠使用的工作流程註冊表
  • 數字與指標:
  • 速度提升:每週約 30% 加快
  • 上線時間:三週完成整個工程團隊上線
  • 工作委託比例:90% 工作委託雲端工廠,10% 手動優化
  • 原型完成時間:Kiki Mora 於週四構建,週末自我改進
  • 流程與方法:
  • 工作流程:Linear issue → AI 智能體自動解決 → GitHub PR → 持續監督至合併
  • 支援進化:從每人一名支援 → 自動化 issue 分類系統
  • 日誌分析:給工廠簡單指令「查看日誌找改進模式」,系統自動優化

結論

結論

當 AI 智能體能自動完成大部分程式碼工作後,軟體工程師的核心價值轉向系統理解與架構決策,而組織則需透過 Dark Factory 等自動化工廠根本改變工作方式,才能真正釋放這個時代的生產力潛能。

完整解析

詳細

Dark Factory 的概念源自製造業——燈火通明卻無人員在場的工廠。講者的團隊將其作為「強制函式」,迫使組織面對軟體工程正在快速變化的現實。從 2025 年 11 月開始,當 Claude 等 AI 編碼助手開始產出高品質程式碼後,整個公司的工程師都從「我在用 AI 編碼工具」轉變為「你為什麼還沒用」。到了 1 月、2 月,速度提升帶來的後遺症隨之出現——流程的每個環節都開始成為瓶頸,因為它們原本都假設前一環很慢。當時 Anthropic 宣布用兩週時間用 AI 從 Zig 轉換程式碼為 Rust,高層意識到必須根本改變軟體交付模式,才能跟上競爭的步伐。

為了突破,團隊決定讓每個人各自從零開始構建一個 Dark Factory 原型。乍看之下這在傳統軟體工程中是荒謬的,但在快速迭代的 AI 時代,這卻是最聰明的決策。Maria 在週四構建了 Kiki Mora(以斯拉夫民間傳說中在夜間幫助整理家務的精靈命名——如果你是好主人,它會幫助你;如果你懶惰,它會反過來惡作劇),並讓它在週末自我改進。最終系統簡潔得不能再簡潔:開發者在 Linear 中建立 issue,工廠自動選取,AI 智能體自動解決並開啟 PR,然後持續監督這個 PR,根據評論自動調整,直至合併。三週內團隊完成了全體工程師的上線,雖然過程緊張到工程主管在第一週就向領導層預警可能延期,但最終「砸」了這個目標。

真正的挑戰不在技術而在文化轉變。工程師過去的身份與價值來自「能寫好程式碼」,現在卻要相信 AI 能寫得比自己更好。最大的心理障礙是「我需要確定它完美運作才會嘗試」,但這無法透過漸進式改變達成,必須一刀切採用。領導層透過親身使用來示範承諾——CEO 甚至不經工程知情就直接透過工廠發佈了生產資料庫遷移(雖然後來被發現,反而促進了後續改進)。這種文化轉變的根本是重新定義工程師價值:不再是編碼能力,而是對系統整體、技術與業務約束的理解能力。講者自己的工作時間分配也改變了——90% 工作由雲端工廠完成,他只投入 10% 時間在前端細節優化上。

隨著工廠成熟,他們建立了 Tesla agent 幫助其他團隊構建自己的工廠。最令人驚豔的是工廠概念超越了技術團隊——設計師、行銷、人力資源都開始使用工廠自動化工作流。一名設計師說「我第一次發了 PR,從未感到如此被賦權」。這正是技術驅動根本性社會轉變的方式:當某項工具使有價值的工作對更多人變得可達時,工作本質就會改變。速度每週提升 30%,工廠甚至能自我改進——給它簡單指令「查看日誌找改進模式」,它就自動優化流程。講者認為,這不只是生產力提升,更是整個組織心態與能力的根本性轉變。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。