所有節目›AI Engineer Europe 2026| World's Fair 2026完整場次線上軌AI in HealthcareSoftware Factories
The Missing Primitive for Agent Swarms在 YouTube 看這一場

AI Engineer Europe 2026 · 演講 · 2026-05-23 · 19 分

軟體工廠缺的是協調層

The Missing Primitive for Agent Swarms · Lou Bichard,Ona

Lou 把軟體工廠拆成 runtime、orchestration、trigger 與 coordination 四塊,認為前三塊已有解法,缺的是讓 agent 彼此接手任務的協調層。

權限邊界看原片 ↗

概要

  • 軟體工廠的定義Lou 說的軟體工廠,是逐步把人移出 SDLC,讓工作自動從開發流到上線。不把「一個人同時開很多 coding agent」算在內,也說大家都還在非常早期。
  • 三種大規模跑法swarm 是把一個意圖分給多個 agent 做同一個 PR 或任務,fleet 是把 agent 鋪到組織裡的多個 repository,再加上用 webhook 之類的事件去觸發。
  • 隔離要用 VMOna 認為正經的開發任務得跑在虛擬機裡。Lou 給的理由是 container 不是滴水不漏的隔離邊界,又有 noisy neighbor 與算力爭用的問題。
  • 自己蓋過才知道的難處SDLC 的五個大步驟底下藏著很多微步驟,agent 不會照著走。context 是最難的部分,agent 還會為了討好人而跳步驟。
  • 缺的是協調層Lou 認為 runtime、orchestration、trigger 都算解決了,缺的是 agent 之間如何接任務、互相協作。GitHub 與 Linear 這類給人用的工具拿來協調 agent 太吵。
  • 可能的方向state machine、durable execution、graph 式的 workflow,外加能讓本機與 CI 都呼叫的 CLI。Lou 手上有一份規格,還在考慮要以實作還是以標準的形式釋出。

原話

  • “My personal definition is that you're slowly bringing the human out of it and then work is flowing from sort of development into production theoretically in an automated fashion.”

    我的定義是慢慢把人移出去,讓工作理論上自動從開發流進上線

    ▶ 01:23
  • “a container is not a bulletproof isolation boundary.”

    container 不是滴水不漏的隔離邊界

    ▶ 06:31
  • “GitHub is not a coordination layer for agents, it gets incredibly overwhelming.”

    GitHub 不是給 agent 用的協調層,會吵到不行

    ▶ 12:27
  • “Context and context management is by far the hardest part of building this software factory.”

    context 與 context 管理是蓋軟體工廠最難的部分

    ▶ 13:57
  • “But it's this coordination layer that I think is largely what's missing.”

    我認為大致上缺的就是這層協調

    ▶ 14:28

延伸

  • Lou 點出一個還沒解的問題是 sub-agent 的 UX:任務越複雜,人要怎麼管理、控制底下那一串 sub-agent。
  • 在 Ona 上由 agent 自己開 VM 的做法,Lou 說理論上可以開無限台,限制只剩你願意付多少錢、雲端供應商能擴到多大。

章節

點時碼直接跳到原片的那一段。

  1. 開場與自我介紹Lou 是 Ona 的 field CTO,這場談 coding agent 的 sub-agent、swarm 與它們底下的基礎設施。
  2. 軟體工廠的定義Lou 的定義是逐步把人移出 SDLC,而不是一個人同時操作很多 agent。
  3. swarm、fleet 與事件三種大規模跑 coding agent 的模式,其中 fleet 是跨組織內多個 repository 鋪開。
  4. 大公司的做法與 Ona fleet提到 Stripe 的 Minions 與 Ramp 的 Inspect,並說明 Ona 的 fleet 用在 CVE 修補、補測試覆蓋率這類跨 repo 的工作。
  5. Harness engineering把 skills、AGENTS.md、單元測試這些能回饋給 agent 的東西都編進 repository。
  6. 基礎設施的拼圖需要 runtime、orchestration、trigger,而最難的是 agent 之間的協調。
  7. 為什麼選 VM比較 thread、work tree、container 與 VM,Ona 認為開發任務要用 VM 隔離。
  8. Ona 介面 demo播放預錄的畫面,一個任務用 VM 內的 process 級 sub-agent,另一個由父 agent 開出多台 VM。
  9. 自己蓋軟體工廠的教訓SDLC 要拆成微步驟,agent 不遵守粗粒度的五步,context 與跳步驟是主要困難。
  10. 缺的是協調層GitHub 與 Linear 這類人用的工具拿來協調 agent 太吵。
  11. 可能的解法state machine、durable execution,還要處理 gate 與合規,並包成本機與遠端都能跑的 CLI。
  12. 結論runtime、orchestration、trigger 已解,context 最難,安全是另一塊要補的。
  13. Q&A:協調層長什麼樣有聽眾請 Lou 講協調層的具體做法,提到 graph 式 workflow、CLI,以及幾個剛起步的方案。
  14. Q&A:實作還是標準Lou 的實作還沒建在 ACP 上,也不是 n8n 那一類;比較在乎標準,想讓大家一起訂,還在考慮要以實作還是標準釋出。

名詞

Ona
Lou 任職的公司,平台做開發環境基礎設施約六年,近一兩年往 agent 方向整合
software factory
逐步把人移出 SDLC、讓工作自動從開發流到上線的做法
fleet
把 agent 依排程或觸發鋪到組織內多個 repository,用於 CVE 修補、補測試覆蓋率這類工作
harness engineering
把 skills、AGENTS.md、單元測試等一切能給 agent 回饋的東西放進 repository
Minions
Stripe 建在既有基礎設施上的內部 agent 系統,Lou 說能驅動數以千計的 pull request
Inspect
Ramp 內部用來跑 background agent 的基礎設施
Symphony
OpenAI 的專案,建在 Linear 上;repository 裡附有詳細規格,Lou 的 demo 拿它當題目
ACPX
Lou 提到 OpenClaw 那邊建在 ACP 上、處理部分 workflow 的方案
Fabro
Lou 提到 GitHub 上有人在試的 workflow 方案,說還很初期

相關影片 同屬「權限邊界」