<p>“如果我们的工作将要改变，我们希望这种变化由软件开发社区推动。” 这一观点由 OpenHands 的首席执行官兼联合创始人 Robert Brennan 提出，强调了自动化软件工程中最繁琐和必要任务的理念。Brennan 的演讲集中在当前大型语言模型（LLM）代理的局限性上，并引入了代理编排的概念，作为实现真正大规模自动化的重要下一步。虽然原子编码任务现在可以由单个代理轻松处理，但迁移整个代码库或解决公司范围内的技术债务等重大工作则需要协调的群体合作。</p>
<p>Robert Brennan 在 AI 工程师代码峰会上谈到了利用并行代理来自动化大规模重构、依赖更新和代码现代化任务——这些 “繁琐” 的工作消耗了整个行业大量开发者的时间。OpenHands 是一个获得麻省理工学院许可的编码代理项目，专门设计用于解决这些非原子性挑战，超越简单的代码生成，朝着复杂的多步骤工程项目的自主执行迈进。LLM 编码能力的演变展示了从 2022 年简单、缺乏上下文的代码片段到预计将在 2025 年及以后主导的代理编排的明确轨迹。</p>
<p>最初一波 AI 编码助手，如 GitHub Copilot，通过在 IDE 中提供上下文感知的代码生成，带来了巨大的生产力提升。这一转变使开发者的角色从输入代码行转变为引导代理完成短小的原子任务，例如为单个函数编写单元测试套件。Brennan 指出，对他和他的团队而言，这一转变是深刻的：“工作的心态没有改变，但实际工作的样子变化很大。” 关键思维的心理负担依然存在，但编码的机械执行在很大程度上已被外包。</p>
<p>然而，即使是最有能力的单个代理在面对大型、相互关联的更改时也会遇到困难。这种失败源于固有的技术和人类限制。代理受到有限上下文窗口、“懒惰”（拒绝处理大型任务）、缺乏深厚的领域知识以及小错误导致的复合错误等问题的困扰。相反，人类则难以明确界定 “完成” 状态，并且很难准确分解大型任务。</p>
<p>所需的核心创新是编排：协调多个代理，通常是并行进行，并保持持续的人类反馈循环。OpenHands 的目标是实现 90% 的自动化和 10% 的人工努力分配，其中人类监督集中在高层战略和中间验证上，而不是调试单独的代码行。例如，一位 OpenHands 客户通过大规模编排在解决这些 CVE 时实现了 “30 倍的解决时间提升”。</p>
<p>这一范式转变创造了 “代理编排者” 的角色。每位开发者都将利用代理进行日常任务，但 Brennan 估计只有大约 5% 的开发者会专门从事这一新学科。这些编排者能够分解大型任务并管理代理群体，从而在高杠杆、可重复的任务中实现巨大的生产力提升（100% 到 3000%）。</p>
<p>成功编排的关键是任务分解，这要求将最终目标分解为一次性可完成的任务，这些任务适合单次提交，可以并行执行，并且可以由人类验证其正确性。这需要分析代码库的固有依赖结构。编排者不会试图一次性将整个应用程序从 Redux 迁移到 Zustand，而是识别依赖树的叶节点——那些依赖最少内部依赖的组件——并指派并行代理首先迁移这些组件。</p>
<p>这种依赖树方法确保了更改按顺序引入，防止级联故障，并允许人类编排者审查中间的、可管理的拉取请求。对于大规模维护，例如在数千个代码库中解决 CVE，代理架构可以扫描整个代码库，为每个漏洞启动一个单独的代理，自动更新依赖、修复破坏性的 API 更改，并打开拉取请求。生成的拉取请求小巧、聚焦且易于合并，大幅减少了漏洞公告与解决之间的延迟。这种架构使企业能够系统性地解决现代化工作、技术债务和之前因其庞大和复杂性而被认为不可行的大规模迁移。</p>

<p>OpenHands 由首席执行官 Robert Brennan 领导，推出了一种新的架构，通过代理编排来自动化大规模软件重构。该方法旨在通过协调多个代理来提高生产力，以应对复杂的编码任务，例如迁移代码库和解决技术债务。目标是实现 90% 的自动化和 10% 的人工监督模型，使开发人员能够专注于高层次的战略。该架构允许系统化的现代化和高效处理漏洞，显著改善解决时间并降低大规模编码项目的复杂性</p>

<p>“If our jobs are going to change, we want that change to be driven by the software development community.” This sentiment, voiced by Robert Brennan, CEO and Co-founder of OpenHands, underscores the philosophy behind automating the most tedious and necessary tasks in software engineering. Brennan’s presentation focused squarely on the limitations of current large language model (LLM) agents and introduced the concept of agent orchestration as the vital next step in achieving true, large-scale automation. While atomic coding tasks are now readily handled by single agents, monumental efforts like migrating entire codebases or resolving company-wide technical debt require a coordinated swarm.</p>
<div class="lb-trans"><p>“如果我们的工作将要改变，我们希望这种变化由软件开发社区推动。” 这一观点由 OpenHands 的首席执行官兼联合创始人 Robert Brennan 提出，强调了自动化软件工程中最繁琐和必要任务的理念。Brennan 的演讲集中在当前大型语言模型（LLM）代理的局限性上，并引入了代理编排的概念，作为实现真正大规模自动化的重要下一步。虽然原子编码任务现在可以由单个代理轻松处理，但迁移整个代码库或解决公司范围内的技术债务等重大工作则需要协调的群体合作。</p>
</div><p>Robert Brennan spoke at the AI Engineer Code Summit about leveraging parallel agents to automate massive refactors, dependency updates, and code modernization tasks—the “toil” that consumes significant developer hours across the industry. OpenHands, an MIT-licensed coding agent project, is designed specifically to tackle these non-atomic challenges, moving beyond simple code generation toward autonomous execution of complex, multi-step engineering projects. The evolution of LLM coding capabilities demonstrates a clear trajectory from simple, context-unaware code snippets in 2022 to the current frontier of agentic orchestration expected to dominate 2025 and beyond.</p>
<div class="lb-trans"><p>Robert Brennan 在 AI 工程师代码峰会上谈到了利用并行代理来自动化大规模重构、依赖更新和代码现代化任务——这些 “繁琐” 的工作消耗了整个行业大量开发者的时间。OpenHands 是一个获得麻省理工学院许可的编码代理项目，专门设计用于解决这些非原子性挑战，超越简单的代码生成，朝着复杂的多步骤工程项目的自主执行迈进。LLM 编码能力的演变展示了从 2022 年简单、缺乏上下文的代码片段到预计将在 2025 年及以后主导的代理编排的明确轨迹。</p>
</div><p>The initial wave of AI coding assistants, such as GitHub Copilot, provided massive productivity boosts by offering context-aware code generation within the IDE. This shifted the developer’s role from typing lines of code to guiding the agent through short, atomic tasks, like writing a suite of unit tests for a single function. Brennan noted that for himself and his team, this shift has been profound: “The mentality of the job hasn’t changed, but what the actual work looks like has changed quite a bit.” The mental load of critical thinking remains, but the mechanical execution of coding has been largely outsourced.</p>
<div class="lb-trans"><p>最初一波 AI 编码助手，如 GitHub Copilot，通过在 IDE 中提供上下文感知的代码生成，带来了巨大的生产力提升。这一转变使开发者的角色从输入代码行转变为引导代理完成短小的原子任务，例如为单个函数编写单元测试套件。Brennan 指出，对他和他的团队而言，这一转变是深刻的：“工作的心态没有改变，但实际工作的样子变化很大。” 关键思维的心理负担依然存在，但编码的机械执行在很大程度上已被外包。</p>
</div><p>However, even the most capable single agents stumble when faced with large, interconnected changes. This failure stems from inherent technological and human limitations. Agents suffer from limited context windows, “laziness” (refusing to tackle large tasks), lack of deep domain knowledge, and compounding errors where a small initial mistake cascades into an unusable output. Humans, conversely, struggle to define the “done” state unambiguously and find it difficult to decompose massive tasks accurately.</p>
<div class="lb-trans"><p>然而，即使是最有能力的单个代理在面对大型、相互关联的更改时也会遇到困难。这种失败源于固有的技术和人类限制。代理受到有限上下文窗口、“懒惰”（拒绝处理大型任务）、缺乏深厚的领域知识以及小错误导致的复合错误等问题的困扰。相反，人类则难以明确界定 “完成” 状态，并且很难准确分解大型任务。</p>
</div><p>The core innovation required is orchestration: coordinating multiple agents, often in parallel, with a continuous human feedback loop. OpenHands aims for a 90% automation, 10% human effort split, where human oversight is focused on high-level strategy and intermediate verification rather than debugging individual lines of code. For instance, one OpenHands client saw a “30x improvement on time to resolution for these CVEs by doing orchestration at scale.”</p>
<div class="lb-trans"><p>所需的核心创新是编排：协调多个代理，通常是并行进行，并保持持续的人类反馈循环。OpenHands 的目标是实现 90% 的自动化和 10% 的人工努力分配，其中人类监督集中在高层战略和中间验证上，而不是调试单独的代码行。例如，一位 OpenHands 客户通过大规模编排在解决这些 CVE 时实现了 “30 倍的解决时间提升”。</p>
</div><p>This paradigm shift creates the role of the “Agent Orchestrator.” Every developer will utilize agents for day-to-day tasks, but Brennan estimates that only about 5% of developers will specialize in this new discipline. These orchestrators, capable of decomposing large tasks and managing fleets of agents, unlock massive productivity lifts (100% to 3000%) across high-leverage, repeatable tasks.</p>
<div class="lb-trans"><p>这一范式转变创造了 “代理编排者” 的角色。每位开发者都将利用代理进行日常任务，但 Brennan 估计只有大约 5% 的开发者会专门从事这一新学科。这些编排者能够分解大型任务并管理代理群体，从而在高杠杆、可重复的任务中实现巨大的生产力提升（100% 到 3000%）。</p>
</div><p>The key to successful orchestration is task decomposition, which requires breaking down an end-goal into tasks that are one-shot shottable, fit within a single commit, can be executed in parallel, and are verifiable by a human as correct or incorrect. This requires analyzing the codebase’s inherent dependency structure. Rather than attempting to migrate an entire application from Redux to Zustand at once, the orchestrator identifies the leaf nodes of the dependency tree—those components that rely on the fewest internal dependencies—and tasks parallel agents to migrate those first.</p>
<div class="lb-trans"><p>成功编排的关键是任务分解，这要求将最终目标分解为一次性可完成的任务，这些任务适合单次提交，可以并行执行，并且可以由人类验证其正确性。这需要分析代码库的固有依赖结构。编排者不会试图一次性将整个应用程序从 Redux 迁移到 Zustand，而是识别依赖树的叶节点——那些依赖最少内部依赖的组件——并指派并行代理首先迁移这些组件。</p>
</div><p>This dependency-tree approach ensures that changes are introduced sequentially, preventing cascading failures and allowing the human orchestrator to review intermediate, manageable pull requests. For large-scale maintenance, such as resolving CVEs across thousands of repositories, the agent architecture can scan the entire codebase, spin up a separate agent for each vulnerability, and update the dependency, fix breaking API changes, and open a pull request automatically. The resulting pull requests are small, tightly focused, and easily merged, drastically reducing the latency between vulnerability announcement and resolution. This architecture allows enterprises to systematically address modernization efforts, technical debt, and large-scale migrations that were previously considered prohibitive due to their sheer volume and complexity.</p>
<div class="lb-trans"><p>这种依赖树方法确保了更改按顺序引入，防止级联故障，并允许人类编排者审查中间的、可管理的拉取请求。对于大规模维护，例如在数千个代码库中解决 CVE，代理架构可以扫描整个代码库，为每个漏洞启动一个单独的代理，自动更新依赖、修复破坏性的 API 更改，并打开拉取请求。生成的拉取请求小巧、聚焦且易于合并，大幅减少了漏洞公告与解决之间的延迟。这种架构使企业能够系统性地解决现代化工作、技术债务和之前因其庞大和复杂性而被认为不可行的大规模迁移。</p>
</div>

OpenHands 公布了大规模自动重构的架构设计