一个项目上到一半，最贵的往往不是做事的时间，是确认它做完了的时间。方案改了七版，每版都要人从头看一遍；改的人说改好了，看的人得自己去找改在哪；找到之后还要判断这一处改动有没有碰到别的地方。于是人的时间被切成两半：一半用来确认改动确实发生了，另一半用来确认它没有别的后果。当产出变便宜之后，卡住的正是这两半——它们都还停在人工逐条核对的阶段，而它们恰恰是最难自动化的，因为“看过了”从来不等于“确认过了”。
Meta 十月十五日那篇工程博客，处理的就是这个断点。它讲的是一个独立新应用 Forum 从零做到与 Facebook Groups 核心功能对齐、用了八周的过程，但文章没有把功劳算在模型上，而是算在验收方式上：不量代码量，量“经过验证、可上生产的结果”，也就是能构建、能过测试、能过评审的改动。这篇文章值得读，是因为它把“验收”从一个事后动作，拆成了可以装进循环里的几个部件。
一、先换掉成功的定义，再谈快不快
文章把两种模式摆在一起对照。人在环内时，工程师驱动每一步，智能体在步骤里补一句代码、给一个建议、答一个问题，进度由人推着走；人在环上时，智能体自己跑完整轮——计划、实现、构建、测试、修正、重复——人做的是定目标、看过程、偏离时插手、最后签结果。这不是辞令上的区别，它决定了工程师的时间花在哪：前者花在执行步骤上，后者花在掌握方向与守住质量线。
这里有一句容易被略过但很要紧的话。文章说，只把智能体指向编码这一步，变化不大；收益是随着把做法延伸到实现之外的环节——计划、构建、测试、验证——才叠加起来的。换句话说，让一个智能体帮你写函数，省下的那点时间会被下游的评审吃回去；真正改变结构的是让它在交出来之前自己先跑完一遍验证。这个判断和 ARC Prize 同日公布的一组数字是同一个道理：同一个模型，换一套能保留内部推理状态、自动压缩长会话的脚手架，ARC-AGI-3 的成绩是 97.5%；换成不给供应商特殊待遇、只允许模型带走它自己选择保留的笔记的标准脚手架，同一模型掉到 49.8%，而花费还更高。公开成绩测的从来不是模型裸跑，是模型加上外面那一整套。
需要标注一处边界：Meta 明确说这是正在靠近的目标，不是已完成的现状，有些环节今天仍要工程师在每一轮里。八周对齐核心功能这一条也是该公司自述，没有第三方复现。
二、让它在交出来之前自己跑一遍
要让循环脱离人也能转，文章列了四项能力。一是把计划写成技术规格——人可以靠直觉补上的含糊，智能体补不上，所以要在上游做够分解、给出机器可读的上下文。二是把自动化的通过与不通过信号直接接进循环：构建状态、单元测试、界面规格比对。这一条被文章称为倍增器，因为它让交到评审手里的不再是“一堆看起来完成了的输出”，而是附好测试计划与验证记录的改动。三是用导航智能体跑模拟用户测试，像真人那样操作真实应用、读屏幕、报回归，而且能持续跑同一条验证路径。四是上线之后的生产运维智能体，收到用户反馈就查根因，把结论连建议一起交给工程师定夺。
第二项的价值可以用同一天发布的另一个工具理解得更具体。Tessl 的 Verifiers 把规则做成仓库里的一个 JSON 文件：一条指令、适用条件、一组是非题清单，每次改动由一个大模型裁判读相关文件逐条判通过与不通过，用法和 lint、测试一样——本地、pre-commit 或持续集成门禁。它针对的是 lint 管不了、通用 AI 评审又不会每次都查的那些规矩，比如每条接口都用带类型的响应辅助函数，面向用户的报错要写清下一步该做什么，没有处理函数记录请求头、令牌或口令。作者给的适用条件是三条同时成立：有明确的是非答案、证据能在改动文件里看到、没有现成的 lint 或测试能查；能交给 linter 的就交给 linter。这一条的洞察在于，它把“我们团队的规矩”从文档里挪进了每次改动都会执行的判定里，而且作用域和严重程度可以分开配，同一个规则在不同团队能设成提示、警告或错误。
三、真正起作用的改动不在提示词里
文章里最值得抄的是两处，都跟提示词无关。第一处是失败模式：智能体弄不清自己在应用的哪一屏，让它改群主页却改了首页信息流，或者去猜屏幕坐标。改法不是把应用描述得更细，而是给它工具——从模拟器读实时的视图层级、列出屏幕上真实存在的元素、查到目标视图的路径，全部在它动手之前完成，改完错位改动明显减少。这背后的原则是：智能体迷失时，缺的通常不是说明，是定位能力。
第二处是压测循环。团队设了一组可重复的压测场景，模拟激进滚动、随机浏览群组、快速跳转、反复加载媒体，跨版本常规跑，产出崩溃、内存增长、缺页、界面回归这些一致信号；智能体据此分诊、缩小到触发序列、再查根因，闭环是复现、隔离、提修复、验证。开发期就抓到并修掉的那处内存问题，让内存占用与缺页大约减半。文章还有一句对长期维护更关键的判断：智能体从读到的代码里学模式，一个弱模式修掉一次，之后每次会话都继承这个改进；留着不改，同样的捷径会在它写的所有东西里出现。所以遇到复用会拖累智能体吞吐的复杂结构时，他们的选择是重写，而不是绕。
支撑这些的还有五件东西：规则（同一个错犯两次以上就写死一次，对所有人生效）、技能（把团队约定打包成可加载步骤）、智能体（接管过去要人手工跑的检查）、命令（把前三者串成流程，含评估复杂度、复现缺陷、开拉取请求、多级评审）、钩子（每一轮之后跑 lint、装应用前查模拟器连接、开拉取请求之前验测试）。文章最后一句判断可以直接拿走：收益主要来自改代码和改工具，不是改提示词。
四、迁移到施工企业：把“验收”从会议挪进流程
这套东西对大型施工企业不是远事，因为那里的工作形态高度吻合。一个项目部的专项方案、一份变更签证、一次月度计量，走的都是同一条链：编制、自审、报审、批复、归档。今天这条链上的时间怎么花的，和 Meta 描述的处境几乎一样——编制的人说改好了，审的人得自己去找改在哪；找到了还要判断这一处改动有没有碰到工期、资源与安全措施的其它部分。于是审查会开成了“逐条朗读改动”，而真正需要判断的部分反而没时间展开。
可复用的关系有三处。一是把成功的定义换成“能构建、能过测试、能过评审”，对应到方案审查，就是把“编制完成”改成“三份附件数字互证、措施对得上规范条目、与总进度不冲突”，而且这三条要能被机器先跑一遍。二是把规则写进仓库而不是写进提示词：Meta 的“同一个错犯两次以上就写死一次”，对应的是把审查意见里的高频退审理由沉淀成一组是非题，每次提交都判，判不过就不进下一环——这正是 Tessl Verifiers 的形态，只是它的判定对象换成方案文本与附件表格。三是给智能体定位能力而不是描述：审一份方案时最容易错的是“改了第几版、改在哪一节”，所以先给它一个能读目录与章节结构的工具，再让它动手，比在提示词里写“注意版本”有效得多。
要说明成立条件。这三处都要求先有可用的结构化底稿——方案的章节编号、附件与正文的数字对应、规范条目的编号体系；没有这些，规则写不成是非题，判定也就无从跑起。压测循环这一条直接迁移的代价较高，施工进度与资源的压力场景需要先有仿真模型，短期内更现实的是先做“退回理由分类”这一步：把过去半年被退回的方案按退回原因归类，从中挑出出现频次靠前的三到五条，做成判定项，这一件事不依赖任何新系统。必须重做的部分在签字那一环：Meta 保留了工程师对每一个上线结果的签字，施工企业对应的是总工与质量部门对关键方案的会签，这一层不能因为前面跑得顺就被跳过——恰恰相反，前面自动化得越充分，这一层的责任越要写得清楚。
来源与说明
[1]: How Meta Built Forum With AI-Native Engineering（八周、成功定义、两种模式、四项能力、五组件、压测循环、失败模式与“改代码而非改提示词”）—— Engineering at Meta / 2026-10-15 (https://engineering.fb.com/2026/10/15/ml-applications/how-meta-built-forum-ai-native-engineering/) [2]: Meta Says It Built Its New Forum App With an AI Agent in a Human-on-the-Loop Workflow（两种模式对照、沙箱构建风味与未声称生产率数字）—— TSN Media / 2026-10-15 (https://tsnmedia.org/meta-forum-ai-native-engineering) [3]: How Meta Built Forum With AI-Native Engineering（原文的两种模式与验收标准表述核对）—— Web Pulse / 2026-10-15 (https://wpnews.pro/news/how-meta-built-forum-with-ai-native-engineering) [4]: Google Gemini 4 Argon Hits 97.5% to Become Second Lab to Top ARC-AGI-3（两种脚手架的分数与成本）—— MarketBrief / 2026-10-16 (https://marketbrief.now/ai/google-gemini-4-argon-hits-975percent-to-become-second-lab-to-top-arc-ag-4fbef265) [5]: Gemini 4 Argon Scores 97.5% On ARC-AGI 3 With Harness（标准脚手架定义、未完成局数与 Astra 对照）—— Web Pulse / 2026-10-16 (https://wpnews.pro/news/gemini-4-argon-scores-97-5-on-arc-agi-3-with-harness-only-second-behind-gpt-6) [6]: Verifiers: enforce your repo’s rules on every agent change（机制、判定方式、严重程度分档与适用条件）—— Tessl / 2026-10-15 (https://tessl.io/blog/verifiers-enforce-your-repos-rules-on-every-agent-change) [7]: Anthropic Makes Code Review for Claude Code Generally Available（验收信号进循环的企业侧参照与边界）—— Unite.AI / 2026-10-15 (https://www.unite.ai/anthropic-makes-code-review-for-claude-code-generally-available) [8]: Evaluating AI agents: moving past the vibe check（关键用户旅程与布尔判定的实践口径）—— Google Developers Blog 转载 / 2026-10-15 (https://www.worldprogramming.org/posts/evaluating-ai-agents-moving-past-the-vibe-check-snqrfe) [9]: AIHOT 精选 · 过去 24 小时（线索查漏用，不作证据）—— AIHOT / 2026-10-16 (https://aihot.news/agent?tab=api)