代码工厂：AI 驱动软件开发的组织变革与实践验证

FR-01报告的核心主张——软件生产中出现具有主动性、可复制的执行主体，瓶颈从“写代码”迁移到“意图表达与验证”——方向被实践验证，但其“计量单位”被证明错了一级。过去一周，三个真实的系统共同表明，推动生产函数升级的并非单个Agent的自主度，而是“流水线 + 工人池 + 门禁”所构成的工厂模式。这意味着，软件生产函数从最初的 `Q = F(I, C, V)` 进一步扩展为 `Q = min(I, C, V, S, $)`。其中，新增的 `S` 代表“编排安全”（并发互斥、租约与看门狗、worktree 隔离、成功判定从严），`$` 则代表“预算约束”（每日熔断）。这两项在FR-01中完全缺席的变量，却直接决定了AI工厂能否持续高效运转，成为新的硬约束。

伴随生产函数的重塑，主动性临界点也随之升级。L3（长时程自主）不再是充分条件；真正的临界点在于 `(L3 能力) × (非交互通道) × (机械门禁)` 的三元组。有L3能力而缺乏非交互通道，Agent只能被“人喂着”运行，无法被规模化调度。反之，若具备L3与非交互通道却缺乏机械门禁，则Agent产物将难以审计，信任度无从谈起。实践还修正了此前对瓶颈的认知：验证瓶颈并未消失，而是被制度化为“门禁设计 + 信任校准 + 验收带宽”的组合挑战，且成本第一次成为与功能同等重要的首要约束。这些修正机制共同指向一个结论：可复制的并非免费产能，而是经过隔离与限额的产能；代码再生成需以溯源为前提，否则将产生“抢救债”；而机械可裁决的门禁，正在取代主观判断，成为衡量产物质量的唯一标准。

软件工厂的落地是范式变革最直接的证据。`SOFTWARE_FACTORY.md v1.0`（2026-09-20）【已查证·本机】清晰定义了研究循环、工程工厂等四条流水线，涵盖多种工人Agent（Codex、dsh、Grok等），并设定了严格的调度与门禁清单。研究循环已完成51个任务，主站发布19篇，32篇积压，新任务持续入队。在VoxSign `scripts/factory/`【已查证·本机】中，工厂以15分钟一次的cron调度、`flock`单实例、worktree隔离、租约看门狗、每日熔断等机制运行，2026年9月已产生103次提交。这不仅将FR-01的抽象生产函数具象为组织形态，更通过“双环学习”（每条设计原则都标注了对应的真实事故，如7-29租约死锁、实例互踩、假成功、预算只计一个供应商），证明了组织正在质疑治理变量本身，而非仅仅加速旧流程。它还暴露了自动化执行会将瓶颈整体搬到门禁的规律：生成产能远大于门禁吞吐，导致大量积压。

`codex exec` 的非交互通道是Agent从“工具”升级为“劳动力”的关键接口。VoxSign工程工厂将Codex定义为 `codex exec --sandbox danger-full-access`（全权限沙箱）【已查证·本机】，并设置了多级评审通道，如 `codex review --uncommitted`。`docs/codex-prompts/` 目录下存放着6份标准提示词，覆盖了从董事会评审到发布闸的各项任务。仓库历史显示，“Codex AI Team”作者贡献了5,488次提交【已查证·git】。这种非交互性使得Agent能够被程序调用、被定时任务派单、被队列积压与重放，从而实现Agent的可调度与可计量。这一机制同时迫使“权责分离”成为工程约束：全权限沙箱意味着Agent可造成不可逆后果，因此工厂必须通过一次性worktree、超时熔断、进程组kill以及独立评审来限制爆炸半径。其失败模式也从“写得差”转变为“跑完了但不可信”，成功判定必须锚定外部事实。

VoiceSign语音驱动UI（Dynamic UI / Generative UI L1/L2）【已查证·git】，则将“意图为中心”的公理从代码层延伸至交互层。commit `e0fe5a5f7`（2026-09-16）引入Dynamic UI补丁，后端通过向后兼容的方式在VIDS消息上附加 `ui_patch` 字段，客户端按目录渲染。这证明UI不再是编译期固定的界面，而是可由语音意图运行时生成的补丁流，印证了“UI也是可再生成产物”的观点。同时，该系统为“生成式”提供了有界自主的样板：明确只支持L1/L2（选择预置组件并填空），而非生成整屏或任意HTML，这与软件层面的“自主度分级”异曲同工，说明产业在UI侧也自发采用了“能力阶梯+降级”的策略。其在兼容性上的纪律性（旧客户端安全忽略新字段、未知组件回退纯文本、patch生成异常不阻塞主链路）也展示了范式转移的增量迁移特性。然而，该提交未附带 `ui_patch` 单测，且MVP为确定性规则，因此其支持L1/L2，但不足以支撑L3/L4的强主张【已查证·git】。

本报告引入F0-F5的工厂化程度分级，以可观测事实衡量软件生产的进化路径。F0是人工编码的基线；F1是AI副驾/补全，需要人工逐条采纳；F2是交互式Agent，每步需人确认。当前，FR-01中“L3临界点”的工程形态已具象为F3“非交互长任务”，即Agent可headless运行、有沙箱与超时、产出可验证PR、builder≠approver、最终合并权仍属人。更进一步，F4“工厂化”阶段，则需满足至少两种异构Worker、任务经队列调度、多道独立机械门禁、无需人触发的调度器、成本账本与熔断、stale-lease看门狗，以及成功判定锚定外部产物而非退出码，且人仅负责排产、签收与对外。研究OPC的P1流水线和VoxSign factory v1均已达到F4阶段【已查证·本机】，但研究线门禁通过率偏低（32篇积压）揭示了F4阶段的D轴（门禁充分性）仍有不足。

F5“自适应工厂”是终极目标，其判据包括任务源由“实测缺口”自动生成、门禁失败自动生成修订子任务、多通道并行、跨AI互评以及工厂KPI自动采集驱动再分配。当前，F5阶段尚未完全达成。工厂虽已有“auto-queued backlog”与“orchestrator review rework loop”的雏形（弱F5），但OPC-102诊断指出研究循环仍是“消费者而非生产者”，Jev空body缺陷未修；工程工厂README也自陈“跨AI互评未实现，并行lane是v2话题”【已查证·本机】。本报告的任务也由人手动录入，而非健康度自动生成，这构成了F4内的自指证据，印证了未达F5的现状。在此转型过程中，我们发现了“工厂化悖论”【推断】：若门禁强度G的增速低于生成产能I的增速，工厂吞吐量虽上升但稳定性下降，积压与返工将吞噬所有收益。因此，F3向F4的成功，并非取决于增加多少工人，而是门禁能否与产能同步扩容。

OPC-104报告对FR-01进行了全面且深远的更新，主要体现在分析单元、生产函数、临界点、瓶颈、证据类型、度量、自主度变量、人的位置、L4认知和产物形态等多个维度。FR-01侧重单个Agent的自主度（L0–L4），而OPC-104则聚焦于“工厂”这一组织形态，强调流水线、工人池与门禁的系统性作用。生产函数从 `Q=min(I,C,V)` 扩展至 `Q=min(I,C,V,S,$)`，将编排安全与预算纳入硬约束。临界点也由L3修正为 `L3×非交互通道×机械门禁`，强调可调度性和可审计性。瓶颈的定义从单纯的“验证”细化为“门禁设计 + 信任校准 + 验收带宽”。最根本的转变在于，OPC-104的证据类型从FR-01的二手研究报告升级为本机文件、脚本、日志和git历史等一手运行系统的数据，实现了从“文献推断”到“运行证据”的质变。

这些更新的核心理由在于，FR-01作为一份“能力侧”范式报告，成功预言了机器主动性的出现和瓶颈迁移，但在其撰写时尚无工厂、非交互通道和动态UI等实践落地。因此，FR-01缺乏对“组织侧与工程实现侧”的深度洞察：即通道如何让主动性可调度，门禁如何让主动性可信任，以及编排安全与预算如何让主动性可持续。OPC-104的贡献在于将范式从“Agent会写代码”推进到“工厂会交付代码”，并在此过程中将判断标准从两轴扩展为四轴，从单变量升级为双变量（自主度L与门禁强度G），更真实地反映了AI驱动软件开发在实践中面临的复杂性与挑战。人的角色也从“流程外审批者与责任主体”进一步收窄为“唯一最终合并权持有者”，即便在全权限沙箱下，仍保留了 `deny git push origin master` 的机制【已查证·本机】。

尽管AI软件工厂的实践已取得显著进展，但前进的道路上仍存在诸多挑战和待解难题。首先是运行数字的口径不一致问题：`SOFTWARE_FACTORY.md` 记录“循环51/51完成、总任务51”，而 `RESEARCH_OPC_STATUS.md`（2026-09-20 23:50）则显示“任务总数57、已完成51、排队6”【已查证·本机】。虽然两者没有矛盾，但这说明状态口径尚未统一，缺乏单一权威的数据源，给度量和决策带来了潜在干扰。其次，门禁通过率与质量分尚未结构化留存，Jev三闸的 `dup/value/quality` 分数未能形成可统计的 `health.json`，正如OPC-102所指出的缺陷【已查证·本机】，这阻碍了对门禁系统效率和有效性的量化分析。

此外，工程工厂的跨AI互评机制尚未实现，`scripts/factory/README.md` 中明确指出“跨AI互评未实现，先跑通单AI闭环”【已查证·本机】。这意味着当前的“多能动主体”主要指可选择多种执行体，而非强制要求多Agent进行交叉评审，距离理想中的信任校准仍有距离。Dynamic UI虽然已落地L1/L2，但缺乏单测且MVP为确定性规则，尚不足以支持L3/L4的强主张【已查证·git】，其生成能力的边界仍需进一步探索和验证。最后，本报告提出的“工厂化悖论”与F0-F5判据目前仍为【推断/设计值】，尚未作为工厂实测KPI进行采集，不能被当作已验证的结论引用。这些挑战共同构成了当前AI软件工厂发展中的薄弱环节，是未来研究和工程实践需要重点攻克的方向。