当编写代码的是智能体时，软件工程会发生什么变化？

生产代码不再是瓶颈；精确地规约所需内容、验证智能体返回的结果，并对所交付的成果负责，成为新的瓶颈。

两项外部测量界定了这个问题。2025年Stack Overflow调查显示，开发者中AI使用率为84%，其中46%表示不信任其准确性，33%表示信任，66%反映遇到"差不多对，但并不完全对"的方案。而METR于2025年7月进行的对照实验测得，在成熟项目中工作的资深开发者使用AI后速度慢了19%，而他们自己以为快了20%。因此，该诊断询问的是可观察的实践。

它们是FAROL面向软件企业的运营熟练度诊断的主干。每个问题对应一项工程决策，这些决策在智能体出现之前并不存在，或者无足轻重：

• 如何管理上下文：哪些内容进入模型的上下文窗口，哪些被排除在外。
• 如何控制token消耗，这是一项可变成本。
• 如何撰写良好的规约，它已成为输入的工件。
• 如何设计智能体的harness：工具、限制以及其运行的环境。
• 如何分层编排智能体，即由一个智能体协调其他智能体。
• 如何保证无人手写的代码的质量。
• 如何应对非确定性，因为相同的输入不会返回相同的输出。
• 如何在实时结对与后台委派之间做出选择：是人在会话中查看每一步，还是智能体独自运行直到返回结果。
• 如何防范提示词注入，这一新的攻击面。
• 如何衡量真实的生产力，而不是感知到的生产力。
• 哪些在本地运行，哪些会离开本机。
• 如何将AI整合进遗留代码，大部分工作都在这里。
• 如何组织智能体生命周期，从实验到生产。
• 当生成工作被委派出去时，如何保持人的技能。
• 如何围绕这一点重组团队。

关于人的能力这一问题，背后有一个立场。该小组的工作假设是：把代码生成委托出去，会在能力养成上付出代价，对初学者的影响更大。拒绝对能力进行蒸馏，在那里被视为产品的一项要求。

通过 FAROL Software，即工程垂直领域的诊断工具。它将公司按四个类别（技术基础、智能体层、质量与风险、组织与人员）进行衡量，对照的是 FAROL 的 264 项主题库。

• 运作方式：自行填写，耗时十五至六十分钟。共有 37 道映射题（词汇与概念清单），另可选择再做 77 道实践题，了解公司实际上如何运用每个概念。每屏一题，评分为 0 至 4 级，结果包括各类别得分、雷达图和后续步骤。
• 来源：CIn-UFPE 的研究，与一家组织成熟度平台合作，综合了 60 多个来源，其中包括 Anthropic、OpenAI、Google、IEEE、ACM、Linux Foundation 以及巴西的案例。
• 当前状态：0.1 版，声明为 MVP。

衡量智能体不同于衡量人，因为工作的痕迹留在工具里，而每种工具记录的内容各不相同。智能体交互遥测基准是对各类观测工具（Claude Code、Codex、Cursor、Copilot 等）的开放整理，比较的是每种工具看不到什么，而不是功能列表。

https://telemetria-interacao-agentes.vercel.app

同样的逻辑也用于教学：在 Hiper Deep Research 中，即 Giordano Cabral 讲授的 Tendências em Mídia e Interação（媒体与交互趋势）课程所用的系统，遥测会记录在每个被筛选条目上花费的时间，因为评价的对象是过程，而阅读 500 个条目这件事不会体现在最终结果中。该系统不使用 build 也不使用框架，采用原生 ES 模块，后端为 Supabase，唯一性规则（每个单元中一个工具只属于一名学生）在数据库中是复合主键。

在 Arsenal of Tools 中，这是一个开放的目录，收录工具、CLI、MCP 服务器、模型、API 和“珍品”，即通用助手倾向于忽略、而偏向显而易见之选的 long tail。它最初用于个人使用，也供学生和从业者使用。

2026 年 9 月 18 日，3.7 版收录了 320,483 个条目：1,483 个类别、174,869 个标签、102 个国家、23,197 个 CLI、8,554 个 MCP 服务器、80,506 个 Hugging Face 模型、24,919 个 API，以及 28,678 条来自社交网络的发现，来源为 632 份开放清单、应用市场、新闻简报和杂志。

搜索在浏览器中运行，每次查询不调用模型；没有广告，也没有追踪。

同时使用多个助手会话工作的人，每次切换窗口，都会丢失已做决定背后的原因。Cabral 采用的方法是一种沉淀协议：每项决策形成一个文件，写明理由、被舍弃的备选方案，以及如何检验该决策是否得到遵守。该协议依托一个知识库，由 AI 根据工作资料自行编纂，按概念、项目和人员组织，而不是按对话组织。在 2026 年 9 月 3 日的统计中，该知识库有 958 个来源、38 个概念、32 个项目、180 个人员和 24 个组织，每天摄入四次。

该知识库用于工作，不公开。方法和工具则是公开的：mad (MultiAgent Decanting)，一个 MIT 许可证下的插件，让一组智能体在内置决策记录的情况下工作，通过同样开放的插件市场分发。

• https://github.com/giordanorec/multiagents-decanting
• https://github.com/giordanorec/ai-coding-tools

把它打包成 skill：一个 Markdown 文件，任何助手都可以加载，并一步一步地引导工作，而不只是描述工作。以下是正在使用的三个例子：

• Projetão para a era da IA（面向人工智能时代的 Projetão）——2002 年在 CIn/UFPE 创建的创新项目方法论，现重新整理为 10 个 quest、13 个里程碑和 20 部研读著作，可在 Claude、ChatGPT、Cursor、Copilot、Codex 或 Gemini 中运行。每个 quest 都声明使用人工智能的方式：不借助人工智能（实地调研和访谈，有意如此）、辅助（人工智能提出批评并指出问题）和共同产出（人工智能生成，由使用者核验并负责）；quest 的颜色标示最严格的方式。
• Acervo de Teorias Acionáveis——分为两层的管理学理论：一层是讲解理论的教学材料，另一层是可移植、可执行的 skill。目前声明有 3 种理论、3 个现成的 skill，资料库中有 368 本书；最完整的开放模块是 Running Lean，共七个模块，附有可下载的 .skill 文件。
• 学生的 skill。在 Tendências em Mídia e Interação（媒体与交互趋势）课程中，每位学生构建自己的趋势探查 skill，须满足四项由脚本验证的要求，并一并提交记录：人工智能在哪里出错，以及他是如何发现的。

Giordano Cabral 在生成式人工智能出现之前就已开发软件。2000 年，他在 CIn 的硕士论文系统催生了 Daccord Music Software，该公司曾在 Recife BEAT 预孵化，产品销往国际市场。Lattes 简历登记了 93 个计算机程序。

完整列表见 www.cin.ufpe.br/publicacoes/，目前在线运行的系统见 www.cin.ufpe.br/projetos/。