这是《智能体进研发流程》系列第一篇，讲入口与分工；第二篇讲闸门，第三篇讲资产。
同一家模型公司，在自家两个入口上看到的是相反的形态。Anthropic Economic Index 2026 年 1 月报告显示，人在对话框里使用时，被判定为"增强型"的对话升至 52%，“自动化型"降至 45%；而在接进系统的接口那一侧，约四分之三的交互属于自动化。
所以真正该问的问题是它被接在了哪里。同一个模型，摆在人手边是增强，接进流程是自动化。
决定增强还是替代的不是模型，是接在哪儿
这件事在超大型工程组织里已经不新鲜。Google 在 2024 年三季度业绩说明中称，公司超过四分之一的新代码由 AI 生成，“再由工程师审查并接受”。后半句不能删，它本身就是规模化的前提。
中国这边也有了法定披露口径。平安银行 2025 年年度报告披露，截至 2025 年末该行 AI 代码生成量占比超 30%，同年智能体应用研发周期同比缩短超 60%。这两个数字与 Google 公开的量级基本相当，意味着"研发流程被智能体改造"在国内已经不是试验阶段的话题。
另一个坐标是渗透率。IDC 在 2025 年 6 月的新闻稿中称，中国 AI 编程助手对开发者的覆盖率约 30%，美国为 91%。差距摆在那里，但对多数机构来说这是好消息：现在动手不算晚。
被打开的只有从想法到原型这一步
Anthropic 于 2026 年 8 月发布的《The Claude Code Guide For Startups》访谈了十余家快速成长的公司，主题是编程智能体（agentic coding）怎么改变他们的做事方式。医疗记录公司 Heidi 的联创描述了他们原来的样子：一个新想法从提出者传给产品经理，产品经理传给设计，设计再传给工程，一路走下来精髓就丢了。这位联创称之为"传话游戏”。
指南自己设了一个反问：说"人人都能发版"发朋友圈很好看，现实里怎么落，难道市场部去批变更请求？它给出的答案很克制：分工仍然存在，市场还是做市场，开发还是做开发，被打开的只有从想法到可运行原型这一步。
放到国内机构里，这一步的价值最容易被低估。一家融资担保公司的业务骨干想要一个台账核对小工具，按流程要提需求、排期、等下一个迭代窗口。现在可以自己先做出能跑的第一版，把"我想要什么"从一段口头描述变成一个可以点开的东西。工程团队接手的时候，需求歧义已经被消掉了大半。
把工具接到人本来在用的系统里
法律科技公司 Crosby 的做法值得逐字看：他们没有把律师拉到工具跟前，而是把工具接进律师本来每天在用的系统里。该公司联创的说法是，律师有最好的产品洞察，因为他们就是用户。
这里有一条工程上的硬约束：智能体看不到的东西就理解不了。指南给的接入判据很朴素，只要团队开始在业务系统和模型之间复制粘贴信息，就该考虑做连接。接的方式有两种，一种是走模型上下文协议这类开放标准把工具、数据库、接口接给它；另一种是当已经存在成熟命令行工具时直接走命令行，更省资源，而且让模型和工程师看同一份事实底本。
对机构而言，第一批该接的通常是只读的数据仓库视图、工单系统和日志查询。写权限先不给，先让它看得见。至于为什么孤立的对话机器人进不了核心业务流程，站内《“垂类系统 + 智能体”》 已给出结论。
机制化，不靠个人自觉
指南观察到，最有效的公司会把这类贡献变成机制，而不依赖个人上进心。数据分析公司 Clay 设了季度评审，原型在评审上被评估，可以进入正式路线图；分析平台 Omni 开了专门频道收集智能体生成的原型，同时坚持"人人都跟客户聊"，刻意把工程师推到客户面前。
风险也写得直白：人人都能发版和东一块西一块之间只隔一条细线。原型不管出自谁手，最终都得整合进一个像整体的产品。Heidi 的分级门槛回答了怎么办——碰产品的 AI 要过高得多的门槛，同一套工具，对内做物料和对外碰产品是两套标准。
个人会用工具与组织见到成效之间还差什么，站内《员工都会用 AI 了，公司为什么还没见到成效》 讲的就是这段断层。机构要沉淀的第三样东西是共享的规则文件。做法是分层：代码库根目录写全局不可变项，子目录写该目录每次都适用的规范，按需才触发的流程另做成可复用作业规程。应用开发商 Emergent 把这些文件放进一个共享仓库当知识库，装着数据库位置、表结构和公司上下文；他们的经验里有一条反直觉的：不必追求完美，上下文文件稍微过期也能接受，只要智能体能快速核实并纠偏。
琐事交出去之后，人的时间去了哪
指南里最具体的三个样例都不在写新功能上。Emergent 的新人入职第一天，把智能体指向正确的说明文件就装好整套开发环境，过程中撞到任何失效或过期的步骤，它直接把那个文件改掉。数据库公司 ClickHouse 的两个专用智能体，一个修不稳定测试、一个找缺失的测试覆盖，现在是该仓库的第 2、第 3 大贡献者（受访企业自述）。医疗科技公司 Commure 的一名工程师用并行的子智能体跑完一个约 13 张工单的项目，每个子智能体负责一张工单及其变更请求（受访企业自述）。
顺序也和外界的想象相反。Anthropic 的员工自评问卷显示，55% 的员工每天用它调试，42% 用于理解代码，37% 用于实现新功能。先是看懂和修好，然后才是写新的。
先做三件事，别先放开生产权限
热度需要打折。同一份员工自评问卷里，过半员工表示只能把 0 到 20% 的工作"完全委托"出去。METR 在 2025 年 7 月发布的随机对照实验中，16 名资深开源开发者处理 246 个真实 issue，允许用 AI 工具时耗时反而增加 19%，而他们事后仍认为自己快了 20%（适用范围限于 2025 年初的工具、自己维护多年的成熟大仓库、资深开发者）。斯坦福 2026 年 AI Index 的观察是，几乎所有业务职能中，智能体的实际部署率仍是个位数。
所以入口要开，顺序不能乱。三件先做的事：
- 给业务部门一个接了真实数据、但没有写权限的沙箱入口；
- 建原型评审机制，明确谁看、多久看一次、什么条件下进路线图；
- 把机构自己的"怎么做事"写成共享规则文件，分层放进代码库。
在为金融机构交付垂类系统与智能体时，可信金科把这三件事的评估排在模型选型之前。
回到开头那句判断：分工没有消失，消失的是传话链。
放开入口的前提是闸门先建好。下一篇讲四层闸门分别是什么、在机构里归谁负责，见第二篇 。
