devgo.cn当大多数团队还在把 AI 当作自动补全工具时，Meta 已经让一个 AI Agent 深度参与到了新应用 Forum 的整个开发周期里。Forum 是 Meta 最新推出的独立群组应用，由一个小团队从零构建。但真正值得关注的不是这个产品本身，而是它背后的开发模式变革：Meta 工程师不再把 AI 当作"打字更快的方式"，而是把它当作工程流程中的一个正式参与者。
这种转变最核心的差异，体现在"人在环内"到"人在环上"的演进。传统的 human-in-the-loop 模式里，工程师驱动每一个步骤，AI 只是在函数自动补全、修复建议或回答问题这些环节里打下手，每次迭代的节奏完全取决于人的速度。而 human-on-the-loop 模式下，Agent 自己跑完"规划—实现—构建—测试—修正—重复"的整个循环，工程师的角色变成了设定目标、观察运行过程、在偏离时介入、最终批准结果。人的工作从"执行步骤"变成了"对结果负责并守住质量底线"。
这个转变带来的直接收益是工作不再严格串行。以前一个接一个跑的循环现在可以重叠，工程师的时间花在方向和判断上，而不是耗在循环里干等。但这一切成立的前提是：Agent 返回的结果必须可信。Meta 团队把验收标准定在"验证"而非"编译"上——编译通过不是终点，只有自动化测试和视觉检查都通过了才算完成。Agent 在工程师看到代码之前先自查，这意味着到达评审环节的是更少但置信度更高的结果，而不是一堆需要人工筛选的输出。生成得更少，丢弃得也更少。
要让这个循环安全地自主运行，Meta 总结了四个关键能力。第一，把规划当作技术规格说明书：Agent 执行需要极高的精度，工程师靠直觉能消化的歧义会导致 Agent 失败，所以他们在上游做了严格的拆解，提供机器可读的上下文。第二，在循环内部集成自动化验证：构建状态、单元测试、UI 规格匹配这些通过/失败信号直接接入 Agent 循环，让异步开发能产出带预填测试计划和录制验证会话的、可直接评审的 Pull Request。第三，用 Agent 做模拟用户测试：部署导航 Agent 像真人一样与线上应用交互，执行操作、读取屏幕、报告回归问题，而且能持续运行相同的验证路径。第四，Agent 化的生产运维：上线后，Agent 帮助自动化根因分析——用户提交反馈后，Agent 用反馈调查可能的回归，再把分析结果转给工程师决定下一步。
支撑这套所有权模型的，是五个关键组件。Rules 是永久性的项目指令，当 Agent 重复犯同一个错误超过两次，就把修正编码一次，惠及所有人。Skills 把团队约定变成 Agent 可调用的可加载步骤。Commands 把 Skills 和 Agent 串成工作流，能评估复杂度、复现 bug、规划和实施修复、创建 PR、跑多阶段评审。Hooks 是自动化触发器，比如每次 Agent 行动后跑 linter、安装前检查模拟器连接、创建 PR 前验证测试。
最让我意外的是，Meta 团队明确表示最大的收益来自改变代码和工具，而不是改提示词。他们做了三件事。一是保持架构可读性：尽量让 Forum 代码库简单直接，模块化关键架构，让 Agent 能轻松插拔；实在不行就推倒重来，用复用换 Agent 吞吐量，事实证明开发速度上很划算。二是给 Agent 工具而不是描述：他们最大的失败模式是 Agent 在应用里迷失位置——让它改群组主页它去编辑了信息流，或者瞎猜屏幕坐标。解决办法是给 Agent 检查状态的工具：从模拟器读取实时视图层级、列出屏幕上实际存在的元素、查找目标视图的路径，全部在行动之前完成。误编辑率大幅下降。三是构建级别的隔离：用独立的 build flavor（构建变体，即同一代码库编译出的不同版本）创建一个沙盒应用，与生产共享完全相同的代码库、框架和设计系统，但通过插件/套接字架构把原型代码从生产构建里彻底编译出去。这样设计师和跨职能伙伴可以自由用 AI 工具做原型而无需每个改动都找工程师，沙盒里的东西可以直接移植到生产而无需重建，原型代码也不可能搞崩生产应用。
环境适配的另一个意外收获是 Agent 变成了测试员。Meta 没有让它针对某个具体缺陷，而是设置了可重复的压力场景来模拟真实用户行为——激进滚动、随机浏览群组——用 AI 压力测试找到了真实 bug。
这套思路对中小团队尤其有借鉴价值。如果你正在做 AI 辅助开发，可以立刻拿走三点：把验收标准从"能编译"提升到"测试通过"，让 Agent 自查后再给人看；与其在提示词里反复描述应用长什么样，不如给 Agent 直接查状态的工具；用构建变体做沙盒，让 AI 生成的实验代码和线上环境物理隔离。最大的坑在于验证环节——你能安全地交给循环多少，取决于你有多信任验证器。验证是整套机制里最难做对的部分，它决定了整个自主循环的天花板。
内容与图片版权归原作者所有 · 原文: https://engineering.fb.com/2026/10/15/ml-applications/how-meta-built-forum-ai-native-engineering/