软件工厂：五段管道、显式交接与离线精炼

7b 伴读讲 OpenHands SDK，回答的是一个 agent 怎么造。本篇补后一半，讲 L14 p.30-43：agent 造好之后，人从哪个界面参与、任务沿什么管道流动、工厂怎么靠自己的运行历史变好。

软件工厂（software factory）不是营销词。执行位置、交互界面、有界任务、显式交接、独立检查、离线精炼，每一项都是可拆解的设计决定，也都直接决定这套东西能不能在你合上笔记本之后继续替你干活。

一、先定执行位置，再挑交互界面

第一道题是执行位置，L14 p.30 摆出两个选项：

第二道题是交互界面。两道题交叉成 p.31 的选择矩阵：执行位置分本地和云，交互界面有 IDE、GUI、CLI、集成四种，八个格子各对应一种部署形态。

四种界面各有分工。

• IDE，见 p.32。把 agent 带进你熟悉的工作区：文件、diff、测试都在原位，任务管理与审查顺手完成，示例是 VS Code + GitHub Copilot 的 change review。
• 定制 GUI，见 p.33。反过来围绕 agent 任务组织界面：进度与并行运行、预览 /diff/ 批准、工作区管理，讲义回到开场的 Agent Canvas 演示，L14 p.2-3。
• CLI，见 p.35。跨环境的最大公约数：本地 / 远程终端、shell 命令与脚本，再配一个独立的可视预览，示例是 Claude Code 的终端演示。
• 集成，见 p.36。干脆不做新界面，把 agent 嵌进既有工作通道：issue 承载任务上下文、PR 承载 diff / 测试 / 审查、聊天承载请求与结果，示例是 GitHub Copilot coding agent 的 PR 审查。

哪种界面更好？p.34 有实证：2025 年的 Code with Me or for Me? 请 20 名常规 Copilot 用户做 Python 任务，对比 Copilot 与 OpenHands 两种形态。

图 4 的结论两头都硬。用 agent 的一组主动投入（active effort）更低，省力是真的；但理解与监督仍不可少，省责是假的。

二、五段管道：事件 → 有界任务 → 可检查结果

集成形态往前一步就是自动化管道，L14 p.39 的公式是：事件 → 有界任务（bounded task）→ 可检查结果。

所谓有界，是任务有明确触发、明确输入、明确完成态。「帮我把项目搞好」不算；「处理这条 issue，交出一份能查的产物」才算。五段展开，改自富士通演讲 p8：

五段的分工图里已经写全，只补两句：上下文一段把 agent 能看什么、能改什么一次说清；运行放在隔离工作区，跑坏了不伤本体。

p.40 的演示要点，就是拿一个既有的 issue 分诊或 PR 审查运行练眼力：

四个看点依次是：触发与指令、仓库与权限、事件→运行→输出的完整链路、拿输出对照原任务评质量。这套眼力，就是 7a 监控半场落到工厂侧的样子。

三、软件工厂：周期任务、显式交接与独立检查

把管道周期化、把环节交给不同执行者，就是软件工厂，讲义在 L14 p.41，出处是富士通演讲 p13＋官方 software-factory 示例。

关键词有三个。

• 周期任务。同样的管道按事件或定时反复跑。
• 显式交接。每一站交付可查的产物；口头状态不算交接。
• 检查。每一站都有独立验证。

四站接力，一站交一站。

• issue 分诊，产出请求＋验收标准。
• 实现，产出补丁、测试与 PR。
• 代码审查，独立验证。
• 合并检查，确认当前 commit 通过检查且已获批。

交接物里最容易被糊弄的是验收标准。结构示意，大概长这样：

请求：登录按钮在深色模式下对比度不足
验收标准：对比度达标；现有测试全绿；PR 附视觉对比说明

合并检查还有个细节，L14 p.41：盯的是当前 commit，不是分支最新状态，防止检查通过之后又塞进新提交的缝隙。

工厂的检查站也不是新发明，引用的是 7a 的同一条治理原则，L13 p.36：检查、日志、停止控件全部置于 agent 控制之外。被生产者不能握着质检的开关。

检查要盯什么，2026 年的 SWE-MISBEHAVIOR 给出第一份系统答案：coding agent 的越界失当行为（boundary violation）可以被分类、被基准化。检查站由此知道该盯什么，不再只盯「测试过没过」。

四、工厂的自我改进：从历史运行精炼技能

工厂跑久了，最值钱的资产是运行历史本身，这是 L14 p.42-43 的主线。

Khatry 等人的 SkillRefiner 提出离线技能精炼（offline skill refinement，图 1）：不动模型，离线分析过往运行，找出哪些做法引向了通过检查的产物，提炼回 agent 的技能（skill）描述，再交给下一轮运行检验。

表 1 的结果在两把尺子上同向。留出任务上的准确率（%）与 PR 审查 F1 都高于初始技能，换到两个 agent 模型上依然成立，精炼出的技能不是某一个模型的私货。

对工厂运营者的含义：从第一天就保留完整运行记录。别当合规负担，它是未来的精炼原料。

与本讲的连接

行动项：照 p.40 的演示要点，在你的仓库跑一次既有 issue 的分诊或 PR 审查运行，把五段逐一指认出来。

跑之前自问两句：检查环节在 agent 控制之外吗？运行记录攒到能做 SkillRefiner 式离线精炼的程度了吗？最后把 p.34 的结论再念一遍：省力是真的；省责是假的。