跳至内容

写于 2026-09-22 · 数据截至 2026 年 8 月

Agent 上岗手册

现在 agent 最缺的已经不是能力了。它能连续干几个小时的活,大多数开发者每天都在用; 真正卡住落地的是接入、质量和验收。这篇讲三件事:发展到了哪一步, 接下来往哪走,以及怎么让它真正成为生产力工具。

一手数据 调查、基准或官方公告 厂商经验 模型厂商公开的工程文章 推断 基于以上的判断,未经测量
90% 专业开发者每周都在工作中用 coding agent,68% 每天用 JetBrains · 2026.08 · n>15,000
57% 受访组织已有 agent 跑在生产环境 LangChain · 2026.06 · n=1,340
32% 把“质量”列为上生产的头号障碍,排第一 LangChain · 2026.06
89 天 2024 年以来,agent 能独立完成的任务时长翻一倍所需时间 METR · 2026.01

01 · 现状

能独立干的活,从几分钟变成了几小时

METR 的衡量方法:给 agent 一批任务,每个任务先测出人类专家需要多久,然后找出 agent 成功率刚好 50% 的那个时长。 这个数字大约每 7 个月翻一倍;只看 2024 年以来,缩短到约 3 个月。

前沿模型的 50% 任务时长 o3 约 121 分钟,GPT-5 约 214 分钟,Claude Opus 4.5 约 320 分钟;置信区间分别为 74–201、117–480、170–729 分钟。 0 2h 4h 6h 8h 10h 12h 人类专家完成同一任务所需时间 o3 2025.04 · 121 分钟 GPT-5 2025.08 · 214 分钟 Claude Opus 4.5 2025.11 · 320 分钟
条形是 50% 成功率对应的时长,细线是置信区间。数据取自 METR《Time Horizon 1.1》(2026-01-29)。 区间很宽,METR 自己也强调了这一点。METR 在 2026 年 5 月又加入了更新的模型,本文没有取到那批数值,所以没有画进来。 一手数据

但这个基准测的是边界清晰、可以自动评分的任务。放到真实工作里,结论要打折扣: METR 在 2025 年做过一次随机对照实验,资深开源开发者在自己熟悉的大仓库里用 AI 工具,实际慢了 19%, 事后却觉得自己快了 20%。2026 年 2 月 METR 补充说,参与者普遍认为现在的提速比当时大,但实验本身的选择偏差让数据很难解读,所以正在重新设计实验。 一手数据

02 · 趋势

接下来往哪走

03 · 落地 · 选活

先挑对活,再谈落地

判断一件事该不该交给 agent,只需要看两个维度:结果能不能自动验证,以及出了错代价有多大。 编程之所以最先落地,就是因为测试、类型检查和构建能自动告诉 agent “你错了”。 推断

可自动验证 · 代价高

交给 agent,但设人工闸门

数据库迁移、权限与鉴权改动、生产发布、批量改数据。让 agent 起草和自测,关键一步必须由人确认。

难以验证 · 代价高

暂不交给 agent

医疗、法律、合规结论,对外承诺,没有回滚手段的操作。agent 只做资料整理,结论由人来下。

可自动验证 · 代价低

放手交给 agent

补测试、重构、脚手架、依赖升级、按规范修 lint、写接口文档。跑完一套验收再来找你。

难以验证 · 代价低

人主导,agent 出初稿

调研综述、方案草稿、文案、会议纪要。省下打字的时间,但判断仍然要自己做。

03 · 落地 · 路径

从个人提效到团队流程

不要一上来就搞“全自动流水线”。每个阶段都有一个明确的毕业信号,达到了再往下一步走。推断

  1. 个人提效

    在自己的仓库里用 coding agent 做可验证的小活:补测试、查问题、改样式。人全程在场,逐步确认。

    毕业信号你能说清它在哪类活上稳定、在哪类活上翻车
  2. 团队规约

    把踩过的坑写进仓库:AGENTS.md、项目 skill、lint 规则、契约测试。所有人的 agent 读同一套规约。

    毕业信号新人的 agent 第一次提交就符合团队规范
  3. 流程化

    后台、并行、定时运行:自动修 CI、批量升级依赖、夜间回归。人只在闸门处审批。

    毕业信号有评测集和运行记录,回退有路可走

04 · 最佳实践

七条让 agent 真正上岗的做法

每一条都标了依据。“推断”类是这篇文章自己的判断,没有经过测量,请带着怀疑看。

先让结果可验证,再放手

厂商经验

agent 最大的价值不是写得快,而是能自己跑验收、自己修。没有验收,它写得越快,你要审的就越多。Anthropic 的建议也是“充分测试,靠结果决定要不要加复杂度”。

怎么做:单测、类型检查、lint、构建、端到端测试都能一条命令跑完,并写进规约,告诉 agent 改完必须全绿再汇报。

规约写进仓库,只在一处维护

一手数据

AGENTS.md 已经交给 Linux Foundation 托管,成了跨工具的约定。规则分散在各处,最后只会互相矛盾。

怎么做:AGENTS.md 作为唯一正文,CLAUDE.md 等其他入口只做转发。能用代码保证的约束(类型、lint、契约测试)优先写成代码,文档只解释意图。

把上下文当预算来花

厂商经验

常驻的规则、记忆、工具说明越堆越多,agent 就越拘谨、越容易漏掉关键信息。这也是“新模型用起来反而不顺手”的常见原因之一。

怎么做:常驻文件只保留优先级和高风险护栏;专项知识放进按需加载的 skill;长任务让 agent 自己写进度笔记;大范围搜索交给子 agent,只带回结论。定期清理互相冲突的记忆。

能用固定流程,就别上 agent

厂商经验

Anthropic 在《Building effective agents》里区分了两种形态:步骤预先写死的 workflow,和自己决定下一步的 agent。任务边界清楚时,前者更便宜、更可控、更好调试。

怎么做:先写脚本或固定流水线;只有在“下一步做什么”确实取决于中间结果时,才让 agent 自己决策。

把工具当成给 agent 用的界面来设计

厂商经验

agent 犯的错,很多出在工具本身:描述含糊、参数有歧义、报错信息看不懂。给 agent 用的界面,值得和给人用的界面花同样多的心思。

怎么做:工具名和参数用业务语言命名;报错要说清“错在哪、下一步该怎么做”;返回结果只给需要的字段,不要整张表倒过去。

权限分级,高风险动作设人工闸门

推断

agent 有了执行权,删库、推错分支、泄露凭据、被网页里藏的指令劫持都成了现实风险。大企业把安全列为第二大障碍,原因就在这里。

怎么做:只读操作放行;写操作限定在工作目录和分支内;迁移、推送主干、改生产数据、对外发布必须由人确认。一次授权不能自动延续到下一次。测试只连专用数据库。

用自己的任务做评测,别信感觉

一手数据

METR 的实验里,开发者实际慢了 19%,却觉得自己快了 20%。LangChain 调查中只有 52.4% 的团队做了离线评测,靠人工评审的有 59.8%。

怎么做:留 10 个左右自己的真实任务,提示词固定下来。换模型、改规约、加 skill 之后原样重跑,对比通过率和返工量,而不是对比“顺不顺手”。

结论

agent 能干到什么程度,取决于你给它搭了多少验收

模型每隔几个月就更强一截,这部分不用我们操心。我们能掌控、也最值得投入的是三件事: 挑能验证的活、把规约写进仓库、在高风险处设闸门。验收越自动,就越能放心把活交给它。

来源

  1. JetBrains Research · AI Coding Agents: Adoption Trends 2026-08 · 调查期 2026.05–07
    https://blog.jetbrains.com/research/2026/08/ai-coding-agent-adoption-2026/
  2. LangChain · State of Agent Engineering 2026-06-12 · 调查期 2025.11–12
    https://www.langchain.com/state-of-agent-engineering
  3. METR · Time Horizon 1.1 2026-01-29
    https://metr.org/blog/2026-1-29-time-horizon-1-1/
  4. METR · Early-2025 AI 对资深开源开发者效率的影响 2025-07-10
    https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
  5. METR · 调整开发者效率实验设计 2026-02-24
    https://metr.org/blog/2026-02-24-uplift-update/
  6. Linux Foundation · 成立 Agentic AI Foundation 2025-12-09
    https://www.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation
  7. Anthropic · Building effective agents 2024-12-19
    https://www.anthropic.com/engineering/building-effective-agents
  8. Anthropic · Effective context engineering for AI agents 2025-09-29
    https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
  9. Anthropic · 2026 State of AI Agents 2026
    https://resources.anthropic.com/2026-state-of-ai-agents

本文由 AI 整理。数字均来自上述一手来源的公开页面;标“推断”的部分是作者的判断,没有数据支撑。