单 PR 约 80 美元调到约 15–20 美元，靠的是可回放

Warp 落地页的大标题，主持人念出来是 open infrastructure for cloud software factories。Zach Lloyd 说他碰到的公司，多数都在自建某种内部软件工厂。他在 AIE 上的那场演讲，主持人说传得很广。这场对谈同时是 AIE Code 的预告：这一年最后一场 AIE 主会，在旧金山。他还会去做一场主题演讲，讲工程师在工厂里变成什么角色。

他自己给的定义比「很多人在搭」更具体。软件工厂是云上的一套智能体系统。你写明各个智能体在为团队或产品做软件时各扮什么角色，系统里有一定自主性，智能体可以自己往下做。这套东西要可度量、可闭环。团队能调、能测、能做基准，然后才有把握说，人改用这种方式做 AI 开发时，走的是可扩展、也有效率的那条路。

原始来源：⚡️ The 2026 Software Factory Standard — Zach Lloyd, Warp.dev。中文深度整理，非逐字翻译。本文依据 YouTube 自动生成的英文字幕，专有名词和数字可能有识别误差。Claude Code 在字幕里多次听成 cloud code，Codex 听成 codeex，下文按 Claude Code 与 Codex。成本、吞吐和 Slack 占比都是 Warp 内部口播，字幕没有给出 PR 的绝对数量。

工厂要能跑、能测，先写成代码

人们找上门时，常把几段自动化串起来，或者智能体用得多，就管那摊东西叫内部软件工厂。也有人以为买下一套，另一头就会出来一台赚钱机器。

Warp 把工厂收成一件具体的东西。一个产品面一套工厂，比如移动应用，或者服务端。工厂作用在一组仓库上，带一组技能和 MCP，再带一条和团队现有做法大致对齐的流程：分诊、写规格、实现。MCP 是模型去调用外部工具的接口。整件事写在代码里。他们用一份 YAML：哪些仓库、哪些 MCP、哪些集成。

用的人分两种。做产品工程的人，从已经在用的工具把工作放进工厂：Slack、Linear、Jira、GitHub，或者 API 和 MCP。服务器报错这类自动化也进同一套系统。工作项一进去，就走上那条预先写好的流程。

集中之后，才有跨产品的痕迹。演示里，有人在 Slack 上做移动应用。字幕里的名字听成 Sopic，也听成 Sophic，下文不改成某一个确定拼写。对话、电脑操作的截图、编排智能体各段在做什么，都留着。他说今天多数公司没有这个，因为工程师各自在本机终端里用 Claude Code，或用 Codex 应用。

有了集中的痕迹，才能切几刀。传统的 DORA：一件事要多久才能发出去。DORA 是一套软件交付指标。自动化程度：每个合并的 PR，人插手几次。吞吐。成本。成本可以按人切，按自动化切，按软件开发生命周期的哪一段在花钱切。

在线评测他们叫 scorers。平台给一套通用的，公司也可以按自己的失败模式加，都定义在代码里。形式是让模型当裁判，回头给历史运行打分，还要设采样率，因为裁判本身花钱。例子是冗余测试：智能体边试边写下一堆不需要的测试，留在代码里，仓库变肿，token 也浪费。用这套视图的人，他和主持人说，常见是工程经理、CTO、平台或开发者体验团队，不一定是每天写功能的工程师。

先观察，再把单 PR 从约 80 美元调下来

原则他讲给所有在自建工厂的人，最后用不用 Warp 另说：东西要存下来，要可观察，要可度量，然后才能用工程方式改进编程智能体。时间线上天天有人推荐新模型、新 harness。Harness 是包住模型、让它能调用工具并维持运行的那一层。Pi、Claude Code、Cursor，哪个更好，他要的是量。

量完还可以再套一层。评分里看见失败，就让智能体提议改系统。一个例子：自改进智能体看分诊这一步，找出 54 个同一类失败，认为分诊要是能拉起一个子智能体去做调查会更好。工厂定义在代码里，编程智能体可以对着这份定义提一个 pull request。他接着说，用回放去验证「这条改动真的会让当时那些运行变好」，他们还没有。那是下一步想做的。

基准测试是把系统里真实跑过的编程智能体任务收进套件，再对一组配置重放。变的不只是模型，还有 harness。Warp 有自己的 harness，也可以对 Claude Code、Codex 或 Pi 做对照，模型另选。出来的图，形状像公开的 SWE 或 Terminal Bench，任务却是这家公司自己的运行。要的象限是左上：成本低，正确性高。演示里一组稍旧的模型，口播听成 GPT56 soul，这组任务上大约 95% 正确，平均大约 6 美元；GLM 53 flash 大约 93%，大约 2 美元。专名按字幕保留，不改成另一款已发布型号。这些数可以喂进只为自家流程和代码库写的模型路由，或 harness 路由。他把这件事叫 factory engineering：团队怎么知道编程智能体部署对了。

Warp 自己的调参口播是这样。刚开始用工厂时，单 PR 大约 80 美元。Opus 用在不该用的地方，分诊智能体用了过重的模型，子智能体相对「少几个智能体」太多，有一批重复劳动。用这套内置能力做内部调参和测试之后，单 PR 到大约 20 美元或 15 美元。近一个月 PR 吞吐大约上升 40%。他们量回滚率，没有上升。他由此对「观察、度量、调参」有信心。这是 Warp 内部口播。字幕没有业界对照，也没有 PR 的绝对数量。

编排器只是一层，入口嵌进已有工具

他把要搭的东西说成一叠。

最底下，工厂用声明式代码定义，类比 Terraform。软件生命周期因此有版本，可以开分支去试，改坏了可以回退。生命周期他沿用 SDLC，也提到别人说的 AI DLC、PDLC。代码里的定义还有一层：编程智能体可以提议改工厂本身。他认为这是一套能自我改进的工厂的地基。

往上，要有地方收下智能体产出的全部信息：对话和产物，以及从各个工具到结果的交互记录。一条线可能从 Slack 进 Linear，再进 GitHub 的评审评论，最后合并。发出去之后服务崩了，还要能回头查失败出在哪。查的可以是智能体，也可以是人。

数据进系统靠 MCP。公司一大，市场、销售、工程能碰哪些 MCP，要分开。

算力层单独看，并且可替换。他们主要用 Namespace。主持人提到 Namespace 在 AI Europe 发布。也可以是 Daytona、Modal、E2B。默认他倾向 Linux 沙箱。测 iOS 时要能跑 Mac 虚拟机，把模拟器跑起来并点进去。

推理保持开放。不少公司已经跟 Anthropic、OpenAI 或 Google 有用量承诺，想先烧掉。可以接自己的推理供应商，也可以经 Warp 买。也可以接自己的 harness，包括 Pi，以及他说的任何兼容 ACP 的 harness。ACP 按口播保留。

改进层就是前面演示的那套。

编排器常常被说成整套平台。在他的分层里，编排器是其中一块：读工厂定义，把工作沿阶段推进，叫对模型和技能，触发该触发的自动化。

入口上，他们的做法是把工厂嵌进公司已经在用的知识工作工具。口播大约 60% 的工作从 Slack 开始。有时从任务追踪起更合适。有的开发者更习惯在终端里用 Claude Code 做完一段，再把规格交进工厂。工厂做成 API 和 MCP 驱动的无头基础设施，入口很多。这叠东西，他说落在比 CI/CD 再往里一层的开发者基础设施上。CI/CD 是持续集成和持续交付。多数公司做软件开发时，他预期会有类似的一层。

五到十人可能是地板，Uber 和 Ramp 他不拿来套

谁该上这套，他按规模说。几个人的团队，这是过头了。更快的办法是 Claude Code 或 Codex 的订阅，直接做。地板他看到大约 5 到 10 名工程师。再往上，到很大的公司都想要类似的东西。公司越大，落地越不像即插即用，内部开发环境的复杂度跟着规模长。大约 10 到 100 人、长得快的成长型公司，如果已经是他口中的常见组合——Slack、Linear、Jira，他随口叫 happy stack，并说这不是在贬 Teams——接上就能较快看到价值。Slack 或 Linear 这种多人在同一处工作的环境里，服务器崩溃频道、用户反馈频道可以直接送进工厂，工厂再按谁懂那块代码把人拉进来。

他点名不适合拿这套去套的例子：基础设施非常定制、内部开发者团队很大、自己在建的公司。例子是 Uber 和 Ramp。这是适配判断。字幕没有客户名单，也没有这两家内部架构的说明。

很小的团队还有一笔账。主持人说，很多人直接按 API 付费，API 比买一堆订阅贵大约 5 到 50 倍。这是对话里的口述，字幕没有价目表。Zach 说他们碰到小公司，系统看着好，人却在轮换一堆 200 美元的订阅。主持人补了一句，像在轮换 17 个订阅。Zach 说他并不清楚这是否允许。如果做得到，那是最便宜的办法，同时会丢掉集中之后的那些好处，也不可扩展。公司大到一定程度，他认为不会被允许继续这么做。主持人又说，200 美元的方案能拿到大约 8000 美元的 API 额度。Zach 称这很夸张。

他因此不想做纯粹转卖 token 的编程智能体生意。那门生意要在贵得多的成本上跟订阅补贴竞争。他对 Cursor 的读法是：对方把这本账看清了，走了一条很好的退出，变成模型实验室。这是他的判断。Warp Factories 他要做的是编程智能体的优化和生产力平台。独立编程智能体他还看得到的，口播是 Cognition、OpenCode，以及 Factory。

下一场演讲他预告两种工程：产品工程，和工厂工程。工程师要练的，是去建造那个建造软件的系统。招聘和社交账号按下不表。