想象一下，你带领着一个工程团队，而你对其中 20% 的开发者存在严重的信任问题。

这些开发者足够可靠，你会让他们写代码，但他们需要大量监督。他们不能单独评审他人的工作，当然也不能批准将代码合并到重要系统。就开发者而言，他们是二等公民。

传统软件工程会把这种状况视为严重的结构性问题。高效的开发团队建立在信任高自主性个体的基础之上——这些人（再加上良好的流程和保障措施）能够编写、评审并交付代码，而不需要被微观管理。

然而，这正是当今典型工程团队所处的境地，只不过我们所说的这 20% 开发者是 AI 智能体。大多数团队要求每个智能体都有人陪同监督——而监督者根本不够用。

智能体信任问题，两张图看清

在 Jellyfish，我们追踪工程组织如何使用 AI 编码工具和智能体，以及这种使用如何与产出相关联，比如实际交付了什么代码、正在构建什么产品和功能，以及这些东西的成本是多少。通过我们的平台，我们可以洞察约 1,300 家公司中的约 30 万名工程师，以及超过 1 亿个拉取请求，这是行业内最大的软件工程工作流数据集。

在最近一期月度《AI 工程趋势报告》中，有两张图尤其突显了工程团队如今在扩大自主编码智能体使用规模时面临的挑战。

第一张是自主智能体活动，我们将其定义为一公司已合并 PR 中由自主编码智能体编写的比例（即由编码智能体编写代码、提交 commit 和/或发起 PR）。中位公司目前为 22% 的 PR，高于一个月前的 18%。处于第 90 百分位的公司为 53%。

按公司百分位划分的自主智能体活动。来源：Jellyfish AI Engineering Trends，2026 年 9 月。

对任何在 2026 年使用过 AI 编码智能体的人来说，这些工具的惊人采用率不应令人特别意外。智能体运行框架和模型能力的进步，使 AI 编码智能体能够接管很大一部分编码工作量。但可以说，这只是“原始编码”部分——你仍然需要批准、合并和部署这些代码。

让我们看另一张图：“由智能体完成合并的 PR”，即由智能体评审并合并、没有人工评审的拉取请求。这种做法远没有那么普遍。中位公司约 0.6% 的 PR 实现了仅由 AI 评审，而排名前 10% 的公司达到 9%，并且还在攀升。

按公司百分位划分的由智能体完成合并的 PR。来源：Jellyfish AI Engineering Trends，2026 年 9 月。

因此，在一家典型公司中，智能体现在编写了约五分之一的代码，但几乎所有代码在流程中的某个环节都需要人工介入。这种人工监督是建立信任和确保质量的合理方式，但它也构成了对编码智能体还能额外提供多少产能的硬性约束。

每个人都在谈论软件工厂，但一个每个单元在出厂前都必须经过人工检验员的工厂并不是工厂 – 它只是一个拥有更多传送带的手工作坊。

评审瓶颈是一个 ROI 问题

评审瓶颈不仅让工程师们压力山大，也让领导团队压力山大，因为它是 ROI 问题的一个重要成因。

我说的“ROI 问题”是指，上游代码创建速度的提升远比下游影响更显著。例如，在 2026 年期间，我们通常测到拉取请求增加了约 2 倍，但像已交付功能这样的产品产出只增加了约 40% 到 50%。

造成这一差距的一个原因是，由智能体编写的 PR 中途夭折的比例高得多。当人类编写 PR 时，大约 20% 的情况下未能合并，原因各种各样且完全正常（例如实验性工作、解决方案错误、需求变化、优先级变化）。然而对于智能体，放弃率翻倍（40% 对 20%）。与此同时，那些确实合并的智能体 PR 受到的审查不是更少，而是更多：在过去一年里，每个已合并智能体 PR 的人类评审次数增加了一倍以上。

这些本身都不算不合理。智能体代码确实更难评审，评审者对其保持谨慎是正确的。问题在于，随着编码智能体能力持续增长，这些负载给系统带来的压力。评审负载会随着智能体产出的增加而扩展，而人类注意力仍然是固定约束，并且我上面展示的自主性曲线每个月都在复合增长。

如果如今处于中位水平的公司达到今天前10%的公司所处的位置（自主代理编写超过一半的代码），代码审查就有可能成为人类工作的全部，从而占用资深开发者本应从事所有其他重要事项的时间，比如与产品和设计协作、塑造软件架构，以及把工程判断带给没有明确解决方案的问题。

如何更快建立信任

幸运的是，一些公司正在弄明白这件事。那些让自主代理合并9% PR的顶尖公司并不是在更盲目地信任代理。相反，他们正在投入工作，以加快建立信任的速度。

这通常需要大量平台工作，例如将低风险工作路由给自主代理的系统、用于安全可靠开发和部署的沙箱与预发布环境，当然还有大量自动化测试。不过，也许最重要的是，他们很早就开始了，并且正在大力推进；信任只能随着时间建立，你等得越久，就必须越久地忍受不断累积的审查积压。

照看每一个代理是合理的起步方式，但却是无法规模化推广的方式。

如果你有兴趣进一步了解自主代理如何演进（更准确地说，如何颠覆）SDLC，欢迎于11月2日至4日来纽约市参加 aiDevCon。我将在我的场次《看管机器人无法规模化：如何在真实工程组织中穿越自主性—信任僵局》中讨论这一点以及更多内容，并分享我们从分析 Jellyfish 数据中学到的内容：最优秀的工程团队如何应对2026年最大的工程工作流挑战。