直到最近,编程智能体还只是开发者的工具。你打开终端,启动 Claude Code 或 Codex,在自己的仓库里与它协作。如果你不是工程师,最多也就是请一位工程师替你完成。

这种情况正在开始改变。产品经理、设计师、支持负责人和运营团队现在会把小块的工程工作直接交给编程智能体,然后拿到拉取请求交给工程师审核。

这不是理论。epilot 的工程团队分享了他们的数据:在给非工程师配备编程智能体并开放代码库访问权限之后,11 名非工程师在 60 天内提交了 40 个已合并的 PR,从翻译到 UX 修复再到小功能。

在本文中,我将探讨发生了什么变化、非工程师实际上可以交出去哪些工作、它在实践中如何与Sharkly.ai配合运作,以及工程师仍然需要在哪些环节保持参与。

发生了什么变化:智能体走出了终端

智能体本身并没有突然变得可以安全地交给任何人。变化的是工作发生的地点。

当编程智能体只存在于某个开发者的终端里时,只有那个开发者能给它派活。其他人都看不到它在做什么,也没有关于请求、结果或审核的共享记录。

当智能体位于共享任务看板上时,情况就不同了:

  • 请求是一个任务,用自然语言写成,附有截图和上下文
  • 智能体是任务负责人,就像任何一位队友
  • 产出是一个拉取请求,链接回该任务
  • 由工程师审核之后才会合并

正是这种结构让非工程师可以安全地开始工作。他们不是在运行代码,而是在写一个清晰的请求并把它分配出去,而常规的工程审核仍然会在最后进行。

非工程师实际可以交出去的工作

并非所有工作都适合交给智能体。最合适的候选是那些小而清晰、易于检查的任务。以下是我的思路:

适合 需要工程师先处理 留给工程师
文案和文本修改 规格明确的小功能 架构决策
翻译 原因已知的缺陷修复 安全和认证变更
现有界面的 UI 微调 配置变更 数据库迁移
埋点或分析事件 现有表单中的新字段 任何涉及支付的内容
文档和帮助内容 依赖更新 生产事故

这与 epilot 看到的情况一致。他们的非工程师交付了诸如116 项德语翻译改进、客户门户配置变更、分析追踪和小型 UX 修复,以及一些功能,例如文件上传的自动打标签。

Sharkly 的工作方式:分配、审查、交付

Sharkly是一个共享工作区,人和 AI 编码智能体在同一个任务板上工作。它对 Agents 的描述是“像队友一样分配的已保存 Agents”,这正是让这一切成为可能的模式。

以下是非工程师的流程示例。

1. 工程师做一次性设置

非工程师不配置智能体。由技术人员一次性完成:

  • 创建Agents团队将使用的智能体,由 Claude Code、Codex、Gemini CLI 或 OpenCode 等编码工具支持
  • 为每个 Agent 指定其代码仓库,运行在Computer上,并具备克隆代码所需的正确凭据
  • 连接GitHub,使拉取请求能链接回 Tasks

之后,这些智能体就只是分配人列表中的名字。

2. 请求变成 Task

非工程师可以在他们原本工作的地方创建 Task:

  • 直接在 Sharkly 中,在 Space 的看板上
  • 从 Slack,在话题中 @ 提及 Space 的 Task 助手。它会读取对话、撰写请求并提交一个 Task(完整设置请参阅我的 Slack 演练)
  • 从 Jira 或 GitHub,通过 Sharkly 的同步,并可选地经过Triage步骤,让传入的工作“等到有人决定”

Triage 值得尽早使用。它让工程师或 PM 有机会在智能体接手前检查请求的规模是否合适。

3. 将其分配给一个智能体

在 Task 中,非工程师选择 Agent 或 Crew 作为分配对象,就像分配一个人一样。智能体在自己的隔离工作树中工作,因此多个任务可以并行运行而互不干扰。

4. 返回一个 PR,由工程师审查

当拉取请求在标题、描述或分支名中包含 Task ID 时,Sharkly 会将其链接到该 Task。非工程师可以跟踪 Task 的进度,工程师在合并前审查 PR。

审查这一步不是可选的,而这正是关键所在。非工程师启动工作,智能体完成初稿,由工程师决定什么可以上线。

根据Sharkly 自己的指南,它对最多 5 人的组织免费,而且智能体不占用席位。

如何写一个智能体真正能完成的任务

对非工程师来说,最重要的技能不是编程,而是写出清晰的任务。模糊的需求只会带来模糊的结果,还得有人来收拾。

对比下面这两个:

Fix the pricing page.
On the pricing page, the "Annual" toggle shows monthly prices.

Expected: when Annual is selected, show the yearly price
(monthly price x 12, minus 20%).

Where: /pricing, the toggle above the three plan cards.

Screenshot attached.

Don't change the plan names, features list, or layout.

第二个之所以有效,是因为它涵盖了五件事:

  1. 哪里有问题,用一句话说明
  2. “完成”是什么样子,具体到可以核验
  3. 它在哪里,如果你知道的话,给出页面、屏幕或文件
  4. 证据,比如截图或示例
  5. 哪些不要动,这样改动才能保持小范围

如果你写不出“完成”那部分,这个任务可能还不适合交给智能体。这时正是拉上工程师或 PM 的好时机。

护栏:工程师在哪些环节留在流程中

向整个团队开放编程智能体,只有在几条规则下才可行。以下是我会最先落实的几条:

  • 所有改动都通过 PR。不允许直接推送到受保护分支。epilot 就吃过这个亏:一名拥有推送权限的非工程师绕过了 CI 并部署到生产环境。虽然没出问题,但他们随后立刻收紧了权限。
  • 由工程师审查并合并。智能体提交的 PR 只是初稿,不是完成的改动。审查需要真实的时间,所以要为此做好安排。
  • 智能体只获得有限权限。在沙箱或专用机器上运行它们,不授予生产环境访问权限,只开放它们需要的仓库。
  • 用分诊处理进来的请求。在智能体开始之前,让 PM 或工程师检查规模和优先级。
  • 尊重路线图。如果任何人都能给智能体分配工作,优先级就会漂移。把智能体任务和其他所有任务放在同一块看板上,让团队能看到正在做什么。
  • 从低风险的工作开始。先做文案、翻译和小型 UI 修复。等团队信任这套流程后再扩大范围。

最后的想法

非工程师给编程智能体分配工作,并不是要取代工程师,而是为了消除他们前面的排队。

那些在待办列表里积压了数周的小修复,比如一个错别字、一处翻译,或一个让客户困惑的标签,现在可以从发现问题的人交给智能体,再交给工程师快速审核。

让它奏效的是结构:清晰的任务、共享的看板、像被指派人一样行动的智能体,以及没人会跳过的审核步骤。这就是那套工作流Sharkly.ai所围绕构建的。

从小处着手。选一类改动,比如文案修复,让一位非工程师试用两周,看看实际有多少 PR 被合并。