ExplainThis 全端開發雙週報 #87 軟體工廠 (Software Factory) 是什麼? 有什麼限制?
This newsletter issue introduces the concept of the Software Factory in the context of advanced AI development in 2026. Following the evolution from simple code completion in 2021 to autonomous AI coding agents by 2025, modern agent workflows have given rise to concepts like Harness Engineering, Loop Engineering, and Software Factories. The issue sets out to examine how the modern AI-era Software Factory compares to its historical precursor. It also explores the technical limitations organizations face when implementing software factories today and how to overcome them. 軟體工廠的概念最早於 1968 年提出，早期著重於標準化工具與可重用元件以達成工業化軟體生產，但受限於仍需人類處理變動與例外情況。進入 AI 時代後，AI 代理具備理解需求、探索程式碼庫及自行除錯的能力，能在輸入規格與驗收條件後自主完成實作與驗證。2026 年 StrongDM 公開了其全自動化的軟體工廠，採用不需人類寫碼與審查的「非互動式開發」，此全自動化流程也被社群以製造業中完全無人的「關燈工廠」概念來比喻。 迴圈工程 (loop engineering) 是建構自動化軟體工廠的核心方法，其本質是為 AI 代理設計帶有明確終止條件的執行迴圈。在此架構下，開發者不再只是直接下提示詞，而是轉向設計精細的完成條件，例如通過所有測試與符合既有程式碼風格。現代開源專案如 StrongDM 的 attractor 展示了這類核心執行迴圈的實作，能讓代理在錯誤時自我記錄並於下一輪迴圈修正。此外，得益於前沿模型工具使用與長期運行能力的提升，如 Cursor 團隊所述，代理已能連續執行任務超過 30 小時。
閱讀原文 ↗目錄
ExplainThis 全端開發雙週報 #87 軟體工廠 (Software Factory) 是什麼? 有什麼限制?
This newsletter issue introduces the concept of the Software Factory in the context of advanced AI development in 2026. Following the evolution from simple code completion in 2021 to autonomous AI coding agents by 2025, modern agent workflows have given rise to concepts like Harness Engineering, Loop Engineering, and Software Factories. The issue sets out to examine how the modern AI-era Software Factory compares to its historical precursor. It also explores the technical limitations organizations face when implementing software factories today and how to overcome them.
- AI coding capabilities evolved from autocompletion in 2021 to full coding agents by 2025.
- By the second half of 2026, discussions around AI agents spawned new concepts including Harness Engineering, Loop Engineering, and Software Factories.
- Although 'Software Factory' is not a brand-new term, it has been revived with distinct characteristics in the AI era.
- The issue focuses on identifying key constraints in building software factories and strategies to navigate those limitations.
什麼是軟體工廠?
軟體工廠的概念最早於 1968 年提出，早期著重於標準化工具與可重用元件以達成工業化軟體生產，但受限於仍需人類處理變動與例外情況。進入 AI 時代後，AI 代理具備理解需求、探索程式碼庫及自行除錯的能力，能在輸入規格與驗收條件後自主完成實作與驗證。2026 年 StrongDM 公開了其全自動化的軟體工廠，採用不需人類寫碼與審查的「非互動式開發」，此全自動化流程也被社群以製造業中完全無人的「關燈工廠」概念來比喻。
- 軟體工廠概念早在 1968 年就被提出，早期著重標準化與元件重用，本質為工業化生產而非自主生成。
- 傳統軟體工廠在面對變動時框架不足以因應，仍高度仰賴工程師進行設計判斷與例外處理。
- AI 代理能夠讀懂需求、探索程式碼庫並自主實作、測試與除錯，直到通過驗證為止。
- StrongDM 於 2026 年公開了其全自動軟體工廠，過程中完全不由人類編寫或審查程式碼。
- StrongDM 將此種無人持續介入的自主開發模式稱為「非互動式開發 (Non-interactive Development)」。
- 社群進一步以工業界全無人操作的「關燈工廠 (Dark Factory)」來形容這種高度自主的軟體開發流程。
規模化的迴圈
迴圈工程 (loop engineering) 是建構自動化軟體工廠的核心方法，其本質是為 AI 代理設計帶有明確終止條件的執行迴圈。在此架構下，開發者不再只是直接下提示詞，而是轉向設計精細的完成條件，例如通過所有測試與符合既有程式碼風格。現代開源專案如 StrongDM 的 attractor 展示了這類核心執行迴圈的實作，能讓代理在錯誤時自我記錄並於下一輪迴圈修正。此外，得益於前沿模型工具使用與長期運行能力的提升，如 Cursor 團隊所述，代理已能連續執行任務超過 30 小時。
- 迴圈工程是指為 AI 代理設計執行迴圈與終止條件，以取代傳統的直接提示詞操作。
- Claude Code 負責人 Boris Cherny 指出，他的工作重心已由提示詞轉為「寫迴圈」。
- 「完成功能」的終止條件需要精細定義，包括通過新測試、回歸測試及符合程式碼庫風格等標準。
- StrongDM 開源的 attractor 專案體現了核心執行迴圈，能在任務未完成或出錯時記錄並於後續迴圈修正。
- Cursor 團隊的研究指出，現代前沿模型已具備持續執行任務超過 30 小時的能力。
軟體工廠真的如想像中美好嗎?
雖然軟體工廠概念吸引人，但在實務上落實完全無人介入的「關燈工廠」面臨諸多嚴峻挑戰。首先，由 AI 代理同時撰寫實作與測試可能產生符合測試卻偏離預期的混亂程式碼，大幅增加長期維護成本。HumanLayer 創辦人 Dex 指出，其團隊實測後發現理順 AI 生成的程式碼需耗費數週，甚至比重寫還耗時。此外，若依 StrongDM 建議的 token 消耗標準計算，每位工程師年花費恐破 25 萬美元，成本效益在許多地區並不划算。儘管達成 100% 關燈自動化極度困難，持續探索降低人為介入的實務方法仍具價值。
- 完全自動化的關燈工廠容易因 AI 生成難以理解與維護的混亂程式碼，導致後期人工除錯成本飆升。
- 實作與測試皆由 AI 代理產出時，難以確保軟體真正如期運作，可能存在測試虛假通過的風險。
- HumanLayer 創辦人 Dex 撰文《Why Software Factories Fail》指出關燈工廠目前依然不可行，團隊多次花費數週整理或重構程式碼結構。
- StrongDM 提出的軟體工廠目標標準若按每人每日 1,000 美元 token 計算，一年成本超過 25 萬美元，相當於台灣數名資深工程師的年薪，成本效益存疑。
閱讀更多
社群對軟體工廠模式的主要疑慮在於長期可維護性與成本問題。線上課程「AI Coding 201」針對如何降低成本並提高 AI 代理的可維護性提出了具體實踐方法。E+ 會員方案進一步整理社群最新觀點，旨在協助用戶在使用 AI 代理時邁向全自動化。許多參與者亦透過企業教育訓練補助加入該學習方案。
- 社群對軟體工廠的核心質疑在於長期維護性與相關成本。
- 「AI Coding 201」線上課程涵蓋提升 AI 代理可維護性與壓低成本的實作策略。
- E+ 會員方案分享促進 AI 代理走向全自動化的社群最新見解。
- E+ 方案可開立具統一編號的發票，供學員申請公司教育訓練補助。
本期推薦
This newsletter section compiles recommendations on recent engineering articles addressing distributed systems, software architecture, and language runtimes. Cursor explored scaling Git infrastructure and introducing their Origin system, while another article discussed why organizational mechanisms cause capable engineers to write suboptimal code at large companies. Additional pieces analyzed the concurrency and performance pitfalls of using PostgreSQL as a job queue, critiqued conventional MVC architecture regarding separation of concerns, and explained Cloudflare's optimization of 1.1.1.1's DNS cache to save 100 terabytes of memory. Finally, articles examined protocol trade-offs between WebSockets and Server-Sent Events (SSE) concerning event ordering, alongside the semantic discrepancies between ECMAScript Modules (ESM) and CommonJS in JavaScript.
- Cursor's article 'Git at any scale' reviews GitHub's architectural evolution and introduces Origin, designed for next-generation Git hosting.
- PostgreSQL can encounter lock contention, cleanup overhead, and performance issues under high concurrency when utilized as a job queue.
- Cloudflare saved approximately 100 terabytes of memory by redesigning the data structures of the 1.1.1.1 DNS cache.
- Choosing between WebSockets and SSE should prioritize message ordering and data correctness over raw performance or ease of implementation, especially to avoid race conditions with Fetch.
- Subtle bugs between ESM and CommonJS in JavaScript stem from fundamental differences in value imports, shared state, module execution, and circular dependencies rather than tooling flaws.