工程師只多 2.7 倍,合併 PR 卻多 40 倍——Cognition 產品長 Walden Yan
工程師只多 2.7 倍,合併 PR 卻多 40 倍——Cognition 產品長 Walden Yan
Cognition 的 Walden Yan 說明如何靠每小時重建的虛擬機器與自行維護的代理測試技能,讓代理獨立承接完整工作,在工程師人數僅成長 2.7 倍的情況下,合併 PR 數達到 40 倍。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Cognition 共同創辦人暨產品長 Walden Yan 主張,在工程團隊規模擴大到 2.7 倍的情況下,合併的 PR 數量成長 40 倍,靠的不是買一套 coding agent,而是圍繞著它重建基礎設施與團隊結構。他完整拆解了「軟體工廠」模式——從 bug 回報到合併全程自動駕駛的 PR,人類只處理升級案件——以及讓這件事成真的本地 VM 測試堆疊。演講接著轉向他口中的下一個範式:給 agent 長時間執行的「職位」而非任務,並以輝達(NVIDIA)Vera Rubin 的推論最佳化專案與一場 44 天的自主 Android 開發為例。40 倍是標題數字;大部分時間其實花在它背後的組織與基礎設施改造上。
Yan 的立場是他在推銷自己描述的工具——Cognition 開發 Devin——因此這些生產力數字是他自己的說法,未經獨立驗證。對技術或營運聽眾而言,價值在於具體機制:每小時重建 VM、以 mock 取代第三方服務、以 pod 為單位的團隊重組,以及那些產生可量測成果的具體提示與迴圈。讀者讀完應該對「agent 原生的工程」實際上需要什麼建立一套心智模型,並清楚分辨哪些說法有實證、哪些只是宣稱。
40 倍吞吐量來自流程重設計,而非單靠 agent
在演講前約十二個月內,Cognition 合併的 PR 量成長 40 倍,同期工程人力成長 2.7 倍——意味著每位工程師的生產力如今提升超過 10 倍。Yan 表示這些 PR 的品質「與一年前相比毫不遜色,甚至更好」。照他的說法,這些成長來自程式碼庫與團隊結構的雙重改變,而非單純部署 Devin。
核心營運模式是「軟體工廠」:預設情況下,每個 PR 從最初的 bug 回報一路走到合併、監控與維護,全程無需人工介入。人類的判斷只在升級案件時進場。Yan 把這定位成預設狀態,而非願景——整個開發流程由 Devin 端到端執行。
團隊結構的調整約在 2026 年 3 月向工程師宣佈。Yan 告訴他們,從 Linear 看板上挑票、再丟給 agent,並不會讓他們成功,因為任何能被描述、能被實作的東西都可以交給 Devin。因應之道是把較大的團隊拆成兩到三位工程師的小型 pod,每個 pod 配給一群 agent,並承擔工程以外的垂直責任:聽客戶的 bug 回報、QA 測試、產品管理。每位工程師管理自己的 Linear 看板,並把工作分派給 agent。
| 指標 | 數值 | 期間 |
|---|---|---|
| 合併 PR 成長 | 40 倍 | 截至 2026 年底約 12 個月 |
| 工程人力成長 | 2.7 倍 | 同期 |
| 推估每位工程師生產力提升 | 超過 10 倍 | 同期 |
| 重組後的 pod 規模 | 2–3 位工程師 | 約 2026 年 3 月起 |
真正的工作,是讓程式碼庫能在無人介入下被測試
Yan 強調,困難的部分在基礎設施:「不是買了一套 coding agent 就結束,你得去改變你建構的方式。」Cognition 過去是對雲端部署做測試——staging 環境、staging 資料庫、線上伺服器——由工程師手動點選流程。團隊後來把每個服務都改成用 Docker Compose 在本地執行,為每個第三方服務建立 mock 版本,再全部打包進一臺所有開發者與 agent 都能存取的 VM。
Agent 測試變更時完全不碰線上服務。VM 每小時重建:拉取最新程式碼,整個程式碼庫從零重建。當程式碼庫變動太快導致建置失敗時,Devin 是第一線處理者,負責修好 VM 快照。每個從 Slack 啟動的 agent,都落在搭載最新程式碼的全新機器上。
Agent 也維護自己的測試知識。Devin 會自己撰寫測試程式碼庫的「skills」,並隨程式碼變動更新,讓測試迴圈能自我維護。Yan 的結論是:工程師不再需要開啟筆電來測試變更,Cognition 已有數位工程師改用 iPad 開發。他另外補上資安論點——當一切都在受控的雲端 VM 裡,金鑰與機密散落在開發者機器上的外洩風險就降低了。
測試能力也延伸到複雜情境。在打造 Devin 加入語音與 Zoom 通話的能力時,團隊讓 Devin 建立多個帳號、從同一臺 VM 內加入同一場 Zoom 通話,並互傳語音訊息來驗證功能。
Agent 能反過來最佳化軟體工廠本身
Yan 把「遞迴式自我改進」從模型訓練延伸到工程流程。由於每一行程式碼、每個 PR 與每個決策都記錄在雲端 agent 的環境中,agent 可以分析這些資料,找出浪費的時間與 Token、辨識哪些流程該指令碼化,並提出新的測試。Cognition 有一個頻道,由 Devin 每天貼出想法——例如某個 Node 設定變更能讓 CI 少花一分鐘,或某個 lint 指令碼變更能讓 AI 程式碼審查前多攔下 20% 的 bug。Yan 稱這是「巨大的解鎖」:把系統搭好,agent 就會替你最佳化工廠。
下一個轉變:給 agent 職位,而不是任務
Yan 的前瞻主張是,團隊應該停止分派任務,改為分派職位,把 agent 當同事看待。一個職位長這樣:「我想改善應用程式的 P99 延遲。」接著 agent 會加上 telemetry 建立當前基準、設定告警、把工作拆成任務、建立 DataDog 告警、每週在 Slack 產出報告,並每天用手機回報延遲與改善進度。
Cognition 多數時候不鼓勵工程師對 agent 下提示,而是推動他們設定長時程的目標。Yan 的推論是:任何能化約成單一數字的東西,都該派一個 agent 全天候最佳化它。他舉了延遲以外的例子——量測點選延遲、量測邊界框以最小化版面位移、追蹤 onboarding 留存率。
「我們甚至不希望你們多數時候還在對 agent 下提示。我們希望你們只給 agent 目標,讓它們能長時間朝目標推進。」
兩個案例:GPU 推論與 44 天的 Android 應用
輝達 Vera Rubin 推論。 Cognition 是輝達 Vera Rubin GPU 的首批取得者之一,當時還沒有對應的 kernel,團隊只能從零打造推論堆疊。Agent 獲得永久配置的 GPU,目標是最大化吞吐量(TPM)。大約一週內,它找出並測試各種策略;最佳方案送交人類工程師做最終核准。最後產出大約八到九項不同的改進,把吞吐量從不如當時的 GB 300 等級,推進到明顯超越。Yan 的詮釋是:成果來自給出終極目標,而非逐步指令。
Android 功能對齊。 工程團隊規模小、沒有餘力做 Android 應用,工程師 Samuel 提議以現有的 iOS 應用為藍圖。他沒有開一個 Devin session,而是對程式碼庫設定常駐掛鉤來監控 iOS 應用,讓 agent 監聽 Slack 頻道上的使用者回饋、遞迴地改進應用,並對每個細節跑即時 QA。唯一的高層級提示就是「管理整個 Android 應用」。44 天內,agent 產出可用的應用,許多日子一天合併 40 到 50 個以上的 PR,多數日子裡完全沒有人類訊息。QA 是逐畫素對照 iOS,只有最重要的決策才升級給人類。Yan 表示這個應用不是「隨便拼湊的應用」,很快就會上架。
flowchart TD
A["人類設定目標,例如改善 P99 延遲或打造 Android 應用"] --> B["Agent 加上監測並量測基準"]
B --> C["Agent 設定告警並把工作拆成任務"]
C --> D["Agent 在每小時重建的本地 VM 中實作與測試"]
D --> E["Agent 跑即時 QA 並自我維護測試 skills"]
E --> F{"決策是否重大?"}
F -->|否| D
F -->|是| G["升級給人類核准"]
G --> D
D --> H["Agent 向 Slack 與手機回報進度"]
H --> A
Slack 就是全部介面,人類幾乎不在迴圈裡
Cognition 從 Slack 執行開發。客戶的 bug 回報——通常是影片——被轉發到內部頻道,標註 Devin 並要求修復。Devin 開 PR,並回傳一支展示修復與佐證的影片,可以直接回給客戶,全程沒有人開啟 IDE 或 GitHub。Yan 說這就是終極目標:不開啟 IDE、也不開啟 coding agent,就完成整個開發生命週期。
Android 專案說明瞭人類角色能薄到什麼程度。Yan 展示整個 44 天流程中,人類實際傳給 agent 的訊息數量——少得驚人——並提到工程師多半是從 Slack 看錄影,而不是開啟 Devin。
「如果你把 agent 的迴圈設對,你能做出相當不可思議的東西。我認為多數團隊真正的限制在於野心不夠。所以,是時候有野心了。」
值得帶走的綜合結論:Yan 的 40 倍是真實的內部數字,但可轉移的資產是那些不起眼的管線工程——本地可重現性、mock 依賴、每小時重建、自我維護的測試 skills——少了這些,agent 無法驗證自己的工作。尚未解決的張力在於量測。每個標題數字都是販售該 agent 的廠商自報,品質是宣稱而非基準測試,「給 agent 職位」的模式則取決於把目標化約成指標,而 Yan 也承認許多團隊還沒做到。Android 應用的公開發布,將是這套做法第一個可供外部檢驗的成果。