智能代理編程戰 懂人機協作致勝（車品覺）
本文作者車品覺，為港交所獨立非執行董事、香港基因組中心董事、香港大學中國商業學院客座副教授，為《信報》撰寫專欄「全民大數據」。
上周把兩個消息放在一起看，很有意思。
第一個，Anthropic宣布Claude Code推出Artifacts，讓軟件工程師在寫程式的過程中，業務主管能同時打開網頁儀表板，就能看到軟件即時更新及開發的狀態。
第二個，中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架，系統能自動提出假設、修改代碼，運行真實實驗並從結果中學習，自動優化解決問題。
過去一年大家比併的是模型能力──誰的基準分數高，誰的幻覺少，誰能編寫更長的程式碼；但現在比的不是「AI能否寫程式」，而是「寫完之後，你的團隊怎樣跟它合作」。
Artifacts不是一個技術功能，它是一個溝通層，讓不懂程式的人可以實時看到智能代理在做什麼，追蹤版本歷史，直接給予回饋，不需要等候進度報告和簡報。他們自己用了一句話形容：「讓智能代理在沒有人類逐步介入的情況下，透過實驗回饋自主迭代優化。」以往的開發循環是：寫程式→提交→構建→部署→展示→等回饋→修改程式，但Artifacts將系統或程式碼，由內嵌到開發過程直接展示出來。
從管理角度看，公司買了AI工具但回報不明顯，未必是工具不好，而是技術和業務部門之間的資訊斷層沒有被打破。Artifacts解決的就是那個斷層，讓業務方看到智能代理正在做什麼，進度如何，而不是聽工程師說「快了快了」。
另一邊，Arbor的核心是讓智能代理從嘗試失敗中學習，而不是每次都從零開始反覆試錯。曾做過生產環境除錯的人會理解這個痛點：系統出問題，你根本不知道是哪一個改動真的修好了問題，因所有變數都糾纏在一起。但Arbor把這層糾纏面紗拆開，讓智能代理能追蹤「上次改動這個方向，結果是什麼。」
Anthropic選的是橫向（協作），Arbor背後的團隊選的是縱向（自我優化）。短期看Anthropic的用戶體驗更好，長期看Arbor這類技術會讓智能代理愈來愈不需要人類介入。如果你問我，應該選以上哪個人工智能工具，我給的答案從來不是工具名字，而是3個問題。
第一，你的樽頸是程式碼品質還是溝通？如果是工程師寫程式沒問題，但業務需求變來變去、改完又改，你需要的是協作工具（Anthropic這條路線）。如果是程式本身有很漏洞（Bug）、效能不佳，你需要的是優化工具（Arbor這條路線）。
第二，Artifacts讓非技術人員可以看到活生生的開發過程，這件事是好是壞，取決於你的工程師是否習慣被觀看。因不是每個開發者都願意把半成品放在儀表板上讓業務方看。
第三，我最想強調，真正影響回報的是，工具怎麼嵌入團隊的工作習慣。Anthropic Artifacts和Arbor的價值都不在模型，他們賣的是新的框架，「你的團隊工作方式會變得不一樣」。這場程式代理的戰爭才剛開始。最後贏的不會是最強模型，而是誰最懂團隊如何與人工智能協作。
（編者按：車品覺著作《覺悟．大數據》現已發售）
歡迎訂購：實體書、電子書
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
